Disputas: Bruk av biomarkører og kunstig intelligens i kreftdiagnostikk

I 2022 ble avdeling for patologi ved Stavanger Universitets Sykehus digitalisert. Vevsprøver som tidligere ble analysert ved bruk av mikroskop blir nå evaluert på skjerm. Dette har ikke bare endret måten patologer jobber på, men det åpner opp for bruk av kunstig intelligens (KI) som et hjelpemiddel i den viktige diagnostiske vurderingen. 

Insidens av endometrikreft har stadig økt på verdens basis og Norge de siste tiårene. Endometriekreft, av typen endometrioid, er i 80% av tilfellene forutgått av en lesjon som heter endometriehyperplasi. Denne kan videre grupperes som en lav risiko variant og en høy risiko variant for utvikling av kreft. Variantene har ulike behandlingsmuligheter. Den patologiske vurderingen er basert på en visuell vurdering av mikroskopiske karaktertrekk og den er blitt kritisert for å være subjektiv og mindre reproduserbar.

I den første studien har vi undersøkt om bruk av protein biomarkører, PAX2 og PTEN, kan brukes som tilleggsmarkører for å forutse progresjon av endometriehyperplasi og endometriekreft. I denne studien fant vi at bare PAX2 hadde en signifikant prognostisk verdi for å predikere progresjon ved endometriehyperplasi. I vår andre studie undersøkte vi om utvikling av en algoritme ved bruk av KI kunne kvantifisere kjennetegn i endometriehyperplasi og utgi en risiko skår for utvikling av endometriekreft. En applikasjon ble utviklet ved bruk av programvaren Visiopharm® for å måle strukturelle og cytologiske kjennetegn i digitale bilder av endometrivevet. Deretter ble en algoritme utviklet for scoring av den prognostiske verdien. Vi observerte at applikasjonen og algoritmen (ENDOAPP) var både like god eller bedre enn nåværende diagnostiske kriteria (WHO20, D-score).

Brystkreft er den hyppigste kreftformen i Norge og globalt. En av flere prognostiske markører som brukes i rutinen inkluderer måling av proliferasjonsmarkørene Ki67 og mitoser. Mitose antall brukes i gradering av brystkreft, og %Ki67 brukes som en surrogatmarkør for å skille mellom ulike subtypene luminal A (lav Ki67) og luminal B (høy Ki67). Spesielt Ki67 kvantifisering har blitt kritisert for mangel på standardisering og lav reproduserbarhet blant laboratorier. I vår tredje studie sammenlignet manuell vurdering av Ki67 opp mot KI. Vi observerte at automatisk telling av Ki67 ved bruk av KI var mer prognostisk i forhold til manuell telling.

Den siste studien var et samarbeid med DoMore prosjektet ved Institutt for kreftgenetikk og informatikk ved Oslo Universitetssykehus. Her har DoMore gruppen utviklet en dyp lærings modell for automatisk gjenkjenning og kvantifisering av mitoser i kreft. Når vi undersøkte den prognostiske verdien av modellen, så fant vi at automatisk telling av mitoser (mitoser per mm2) er prognostisk i flere kreftformer bla. lungekreft og blærekreft, i tillegg til brystkreft der den allerede er en kjent biomarkør.

For alle studiene er det behov for videre validering før implementering i diagnostikken, men resultatene viser at både biomarkører og KI har en lovende fremtid innenfor forbedring av den diagnostiske og prognostiske vurdering i brystkreft og endometriehyperplasi.

Emma Rewcastle (f.1992) er oppvokst både i Norge og Storbritannia. Etter å fullført en master i molekylær medisin i 2014 ved University of East Anglia i Storbritannia, gikk veien tilbake til Stavanger. Etter noen år som ingeniør ved avdeling for patologi, SUS, begynte hun som stipendiat ved samme avdeling i 2020. I senere tid har hun balansert doktorgradsarbeidet ved siden av seksjonsleder rollen ved seksjon for kvantitativ og molekylærpatologi.

Stipendet var finansiert av Patologi i Vest prosjektet som er videre finansiert av strategiske forskningsmidler fra Helse Vest.

Kontakt:
Emma Rewcastle
E-post: emma.rewcastle@sus.no

31.05.2024 kl. 09.15

Oppgitt emne:

"Computational pathology: integrating multidisciplinary data – opportunities and challenges in understanding cancer biology and in clinical pathology applications"

Sted: Sted: Aula 2 etg sydbygg, SUS

Prøveforelesningen kan i tillegg strømmes her (Vimeo)

31.05.2024 kl. 1100

Tittel på avhandlingen:
"From Research to Clinical Diagnostics: Developing and Validating Biomarkers and Artificial Intelligence for Pathology"

Sted: Sted: Aula 2 etg sydbygg, SUS

Disputasen kan i tillegg strømmes her (Vimeo)

Bedømmelseskomité:

1.opponent: Førsteamanuensis, Elisabeth Wik, Universitetet i Bergen

2.opponent: Professor, Mark Arends, University of Edinburgh, UK

3.medl/komiteleder: Professor, Hanne R. Hagland, Universitetet i Stavanger

Veiledere:

Hovedveileder: Professor II Emiel Janssen, Universitetet i Stavanger

Biveileder: Einar Gudlaugsson Phd, Stavanger Universitetssjukehus

Biveileder: Ivar Skaland PhD, Stavanger Universitetssjukehus

Biveileder: Førsteamanuensis Sabine Leh, Universitetet i Bergen og Haukeland universitetssykehus

Leder av disputasen:

Instituttleder Ingunn Westvik Jolma, Det teknisk-naturvitenskapelige fakultet, Institutt for kjemi, biovitenskap og miljøteknologi