Hoppa till huvudinnehåll
Länkstig

Sam Polesie

Om Sam Polesie

Sam Polesie (S.P.) arbetar som specialistläkare på verksamheten för hud och könssjukvård vid Sahlgrenska Universitetssjukhuset. Han disputerade 2019, och hans avhandlingsarbete grundade sig i en egen formulerad frågeställning som dök upp under ett mottagningspass. Frågan var om huruvida metotrexat (MTX) ökade risken för melanom. Avhandlingens fem första delarbeten utgjordes av epidemiologiska studier som utnyttjade hälso- och sjukvårdsregister från Socialstyrelsen och Statistiska Centralbyrån. Sammantaget visade sig att MTX endast hade en minimal inverkan på risken att insjukna i melanom. Studierna har givit en ökad förståelse av risknytta värdering av MTX i synnerhet för patienter med genomgången melanomsjukdom där resultaten visade på att de patienter som tidigare haft melanom och sedan exponeras för MTX inte hade en signifikant ökad risk att insjukna i ett nytt melanom.

Avhandlingsarbetet har också medfört ett samarbete med den farmakoepidemiologiska enheten vid Universitetet i Odense och S.P. med kollegor har nu sammanställt resultat från den danska populationen kring användning av MTX och risk för hudcancer inklusive melanom. Intresset för epidemiologiska studier är stort och i den senast publicerade studien analyserades om huruvida patienter med psoriasis har en ökad risk i att insjukna i melanom. Arbetet visade på en minimal riskökning för melanom jämfört med matchade kontroller utan psoriasis och bidrar till en ökad förståelse för psoriasis och associerade komorbiditeter.

Sedan 2018 har S.P. bedrivit forskning inom maskininlärning (ML) och artificiell intelligens (AI). Arbetet inleddes med att undersöka hudläkare och hudpatologers attityder gentemot artificiell intelligens (AI). Dessa studier initierades av S.P. och har skett tillsammans med internationella medarbetare från USA, Italien, Grekland och Österrike. Sammantaget var attityderna till AI positiva och både hudläkare och hudpatologer såg stor potential med en ökad användning av ML. Arbetet med ML har fortsatt genom att utveckla applikationer inom bilddiagnostik som kan visa sig värdefulla för hälso- och sjukvård. Även om melanom oftast är enkla att upptäcka är det väsentligt svårare att skilja in situ melanom från invasiva melanom preoperativt. Denna kategorisering är viktig då den ger vägledning om korrekt excisionsmarginal för den första operationen. S.P. har tillsammans med medarbetare utvecklat en algoritm som presterar i nivå med hudläkare och som kan ge vägledning preoperativt. Arbetet har uppmärksammats i pressmeddelanden och media. Arbetet med att förfina och utveckla algoritmen är pågående. Förhoppningen är att hitta tillämpningar som har praktisk betydelse för läkare. S.P. utför även forskning på dermatoskopiska fynd som kan skilja mellan in situ och invasiva melanom. Denna forskning utförs delvis i samarbete med en forskningsgrupp i Österrike. S.P. har erfarenhet av kliniska studier och är medprövare i en prospektiv studie som utvärderar olika behandlingsmodeller för basalcellscancer.

Utöver ovanstående är S.P. involverad som medförfattare i flera projekt på hudkliniken och samarbetar vid dessa med tidigare biträdande handledare doktor John Paoli och hudklinikens statistiker Martin Gillstedt.

Under ST-ubildningen randade sig S.P. på klinisk genetik och klinisk patologi. S.P. är intresserad av genetiska sjukdomar som drabbar huden (genodermatoser) och även varit medförfattare i en publikation som beskriver fenotypiska drag hos individer med 12q12 duplikationer. Sedan hösten 2021 ingår även S.P. i en nystartad forskningsgrupp ledd av Dr Sirkku Peltonen, som bland annat kommer beröra epidemiologiska aspekter av genodermatoser i Sverige. Intresset för forskning såväl som handledning är stort.

Senaste året har S.P. varit handledare för fyra läkarstudenter vid deras examensarbete. Dessutom är han biträdande handledare för två doktorander sedan 2020.

Ett annat stort intresse är att vara reviewer för vetenskapliga publikationer. Sedan 2021 är S.P. Section editor för Acta Dermato-Venereologica för "Machine learning and artificial intelligence".