Ett samarbete mellan Sahlgrenska Universitetssjukhuset och Chalmers är projektet ”Deep learning to facilitate individualised treatment of patients with brain tumors” som drivs av Asgeir Jakola, överläkare och neurokirurg vid Sahlgrenska Universitetssjukhuset samt docent vid Sahlgrenska Akademin, och Irene Gu, deep learning-expert och professor vid Institutionen för Elektroteknik på Chalmers. Irene är också institutionens koordinator för ‘Machine learning in Brain and Tumor Research‘, som är ett tvärvetenskapligt forskningsområde mellan teknik och medicin.
Asgeir, kan du berätta om projektet?
-I mitt arbete som neurokirurg specialiserad på hjärntumörer såg jag att deep learning som metod sannolikt kan användas vid diagnostisering av gliom, hjärntumörer som oftare än andra hjärntumörer är elakartade. Vårt problem är att gliom kan bete sig väldigt olika. En del växer långsamt och andra är mycket aggressiva. Gliom är en förhållandevis sällsynt diagnos, men för individen kan en gliomdiagnos innebära lidande och många förlorade levnadsår. Idag använder vi huvudsakligen MR för att kartlägga dessa tumörer, men den traditionella bedömningen ger oss inte all den information som vi skulle behöva för att kunna göra informerade val av behandling tillsammans med patienten. Det gäller till exempel vilken biologisk profil tumören har, vilket ger oss information om exempelvis känslighet för cellgifter och prognos. Vi tror att det skulle vara av värde för individualiserade beslut om behandling att få mer tillförlitliga data utan att behöva ta vävnadsprov. I det här projektet tittar vi på mer långsamväxande gliom. På senare tid har AI-assisterad diagnostisering av hjärntumörer fått mycket uppmärksamhet på grund av den utveckling som skett av deep learning-metoder. Det är här som Irene Gu, professor på Chalmers, kommer in i bilden. Irene är expert på deep learning. Det är en metod inom maskininlärning som i våra preliminära analyser med stor tillförlitlighet kan skilja hjärntumörer åt, även inom olika undergrupper. Även om gliom är sällsynta kan man tänka sig att fler tumörsjukdomar kan hanteras med samma metod i framtiden. Liknande metoder har också använts vid diagnostisering av Alzheimers sjukdom med goda resultat.
Irene Gu, deep learning-expert på Chalmers
Vilka är de största utmaningarna i projektet?
-Vår största utmaning är att få tag i tillräckligt stora mängder annoterad data. Eftersom deep learning fungerar bäst när man har tillgång till stora datamängder och vi har få fall av gliom i Sverige varje år är det i vårt fall extra viktigt att samarbeta med andra kliniker runt om i världen för att få tillgång till biologisk och kliniskt annoterad data. En av de frågor som datan behöver svara på är om en tumör har en viss mutation eller inte. Det försvåras av att den nya WHO-klassificering av hjärntumörer kom så sent som 2016 och de relevanta molekylära markörerna som då introducerades inom rutinpraxis styr undergruppering av tumörerna. Men eftersom det fortfarande är relativt nytt saknas denna information ofta, vilket gör att de flesta som sysslar med samma sak som vi också sitter på förhållandevis små datamängder.
Vi har delvis löst problemen genom att utveckla nya metoder med hjälp av deep learning, men vi har också genom samarbeten i Skandinavien, Wien, Paris och San Francisco fått tillgång till relativt mycket data. Dock behöver vi hitta ännu fler samarbetspartners för att få så stora mängder data att metoden kan fungera optimalt.
Vad händer nu?
-Vi kommer till sommaren att besöka Kina där vi har fått kontakt med forskarkolleger med gemensamma intressen. Kina är intressant för oss då det finns bra patientunderlag på institutioner som sysslar med hjärntumörforskning, där både relevanta radiologiska data och klassifikation är på plats. Vi hoppas att det kommer leda nya samarbeten för vårt projekt inom en snar framtid.
____________________________________
Länk till Irene Gus publikationer på Chalmers hemsida>>
Fotot på Asgeir Jakola av Josefin Bergenholt
Fotot på Irene Gu är hennes privata
