AI-driven digital patologi och avancerad avbildning för tidig, noggrann, och individanpassad diagnostik av hudcancer

Våra forskningsområden

AI-driven Patologi
Den ökande förekomsten av cancer utgör en stor belastning för patologilaboratorier och orsakar ofta diagnostiska förseningar. Digitaliseringen av patologin möjliggör användningen av artificiell intelligens (AI) och djupinlärning för avancerad bildanalys, vilket kan förbättra den diagnostiska precisionen, minska handläggningstiderna och reducera interobservatörsvariabilitet. Med hjälp av tusentals digitaliserade patologibilder från primärtumörer och metastaser utvecklar vi AI-algoritmer för att diagnostisera primära lesioner, upptäcka metastaser och bedöma molekylära samt prognostiska markörer – med ett särskilt fokus på hudcancer. Genom att integrera AI i digital patologi strävar vi även efter att identifiera nya histopatologiska egenskaper, inklusive prognostiska och genetiska markörer, samt att skapa digitala biomarkörer som möjliggör tidigare diagnoser och bättre förutsägelse av behandlingseffekt, och skapar förutsättningar för personligt anpassad behandling.

Ex vivo fluorescenskonfokalmikroskopi (FCM)
Ex vivo fluorescenskonfokalmikroskopi är en banbrytande metod inom patologin där färska, ofixerade vävnadsprover laserskannas för att på bara några minuter skapa högupplösta bilder som liknar traditionell histopatologi. Detta möjliggör snabb, patientnära diagnostik utan att påverka efterföljande rutinmässiga histologiska analyser. Möjligheten att utföra snabba pre- och intraoperativa cancervärderingar med FCM ger högre hastighet och noggrannhet i den kliniska miljön, minskar operationskostnaderna, kortar väntetiderna för patienterna och kan förhindra onödiga återbesök. Med tanke på den höga cancerincidensen har denna teknik stor potential att avsevärt minska vårdkostnaderna samtidigt som vårdkvaliteten förbättras.

Cancerlipidomik – ToF-SIMS-masspektrometri
Förändringar i lipidmetabolismen – vilka kan uppträda tidigare än proteinförändringar – har uppmärksammats som viktiga indikatorer på cancerprogression. Lipidomik är därför ett av våra centrala forskningsområden. Time-of-Flight Secondary Ion Mass Spectrometry (ToF-SIMS) erbjuder högupplöst kemisk avbildning som kartlägger lipidfördelningen i histopatologiska preparat och möjliggör jämförelser sida vid sida med traditionellt färgade snitt. Detta gör det möjligt att upptäcka subtila molekylära och cellulära skillnader mellan frisk och cancerpåverkad vävnad samt mellan olika cancertyper. De insikter som lipidomik med ToF-SIMS ger bidrar till att identifiera tidigare och mer precisa cancerbiomarkörer samt öppnar nya vägar för utveckling av riktade behandlingar.

Nuvarande medarbetare

• Prof John Paoli, Avdelning för Dermatovenereologi, Institutionen för Kliniska Vetenskaper, Sahlgrenska Akademin
• Prof Roger Olofsson-Bagge, Avdelning för Kirurgi, Institutionen för Kliniska Vetenskaper, Sahlgrenska Akademin
• Adjungerad Professor Max Levin, Avdelning för Onkologi, Institutionen för Kliniska Vetenskaper, Sahlgrenska Akademin
• Docent Kari Nielsen, Institutionen för Kliniska Vetenskaper, Lund Universitet
• Prof Ilkka Pölönen, Department of Information Technology, University of Jyväskylä
• Docent Ida Häggström, Chalmers tekniska högskola och Gothenburg Universitet
• Prof John Fletcher, Avdelning för kemi och Molekylärbiologi, Göteborgs universitet
• PhD Gabriele Campanella, Senior data scientist, Memorial Sloan Kettering Cancer Center, NYC