Svensk sjukvård står inför stora utmaningar de kommande åren. En av tre personer i Sverige kommer att få cancer någon gång i sitt liv, och många av dessa personer kommer att behandlas via strålterapi. På grund av covid19-pandemin har en stor vårdskuld uppstått, och svensk sjukvård måste därför beta av denna vårdskuld samtidigt som all annan vård utförs som vanligt. Detta kan endast lösas genom mer effektiv planering och behandling av olika sjukdomar.
I projektet ASSIST är huvudmålet just att hjälpa t.ex. läkare att arbeta mer effektivt, genom att dra nytta av de framsteg som gjorts inom deep learning (där en dator tränas att göra olika uppgifter). Strålterapi är en effektiv behandlingsmetod för tumörer, jämfört med operationer eller cellgifter, men planeringen tar tid eftersom man måste samla in medicinska bilder, segmentera tumör och riskorgan, samt ta fram en behandlingsplan som kan ta bort så mycket av tumören som möjligt utan att skada andra organ. Deep learning kan användas i alla dessa steg, för att förkorta tiden för planering, vilket leder till ökat patientgenomflöde och kortare vårdköer.
Ett generellt problem med deep learning för medicinska bilder är tillgång till träningsdata (bland annat på grund av GDPR och etiska regler). I ASSIST utvecklar vi metoder för vad som kallas federated learning, där djupa nätverk kan tränas utan att medicinska bilder lämnar sjukhusen. Vi utvecklar även metoder för att skapa realistiska syntetiska medicinska bilder, som kan delas fritt eftersom de inte hör till en viss patient.
Mer information finns att hämta på projektets ITEA4-sida ►
