Hälsa och medicinteknik - 2026

Beviljade projekt 2026

Nedan kan du ta del av de populärvetenskapliga sammanfattningarna av de nio projekt som tilldelades medel från HMT 2026.

Advancing deep learning based image analysis tools for detailed characterization of coronary artery plaques and risk prediction in large-scale coronary computed tomography angiography studies
Tomas Jernberg
Kranskärlssjukdom är en av de enskilt vanligaste dödsorsakerna och orsakar dessutom betydande sjuklighet och funktionsbortfall. För att förebygga detta används idag allmänna rekommendationer om prevention samt en strategi där man identifierar de med högst risk med risk-score och rekommenderar dessa individer intensifierad behandling. Dessa score har dock stora begränsningar. Datortomografi av kranskärl är en icke-invasiv metod att avbilda kranskärl och påvisa ateroskleros som utvecklats snabbt och rekommenderas nu som standardmetod hos individer medmisstänkt stabil kranskärlssjukdom. Att bedöma hjärtats kranskärl vid datortomografi är dock tidskrävande och krävermycket träning. Metoden är till stor del kvalitativ och det finns betydande variationer mellan bedömare och över tid hos samma bedömare. Det finns därför ett stort behov av automatiska metoder som på ett reproducerbart och tillförlitligt sätt kan kvantifiera och karaktärisera ateroskleros i kranskärlen vid datortomografi . Vi har tidigare i detta projekt utvecklat en deep learning baserad bildanalysverktyg som automatiskt kvantifierar och karaktäriserar ateroskleros vid datortomografi av kranskärl och visat att mängden ateroskleros deteketerad med denna metod harstörre prognosti sk betydelse än mängden detekterad med manuella metoder. Nu vill vi vidareutveckla denna metodgenom ett bätt re samspel med bedömare, en mer detaljerad analys av enskilda plack, koppla det ti ll risk och utvecklaen metod att beskriva förändring av ateriskleros över tid.

Beviljat belopp år 1: 750 000
Beviljat belopp år 2: 625 000

AI for Early Detection of Complications in High-Risk Surgery
Håkan Björne
Patienter som genomgår högriskkirurgi löper en betydande risk att drabbas av komplikationer efter operationen. För att minska denna risk krävs tidig upptäckt – eller helst förebyggande – av komplikationer. Därför övervakas dessa patienter kontinuerligt genom mätning av viktiga fysiologiska parametrar såsom hjärtfrekvens, andningsfrekvens, blodtryck och syremättnad. Vid Karolinska Universitetssjukhuset genomförs årligen över 15 000 högriskoperationer. Många av dessa patienter behöver intensiv uppföljning på högspecialiserad uppvakningsavdelning, följt av vård på enintermediärvårdsavdelning. Trots dett a missas tidiga varningstecken på komplikationer alltför ofta. Data från Svenska Perioperativa Registret (SPOR) visar att 13 % av patienterna på uppvakningsavdelningarna drabbades avkomplikationer – en siffra som sannolikt är underskattad. Genom att använda maskininlärning och artificiell intelligens (AI) kan vi analysera kontinuerliga fysiologiska signaler i realtid, i stället för att enbart förlita oss på manuellt registrerade värden. AI-modeller kan identifiera subtila förändringar i kroppens signaler och ge ti diga varningar om försämrat tillstånd. Detta möjliggör snabbare insatser och förbättrade vårdresultat. Tekniken har potential att bli en central del av framtidens patientövervakning och bidra till att minska risken för allvarliga komplikationer.

Beviljat belopp år 1: 1 000 000
Beviljat belopp år 2: 1 000 000
Beviljat belopp år 3: 1 000 000

Development of FN-silk scaff olds to improve methods of fertility preservation for patients with cancer
Kenny Alexandra Rodriguez-Wallberg
Hos unga patienter är retransplantation av nedfryst äggstocksvävnad det enda sättet att återfå reproduktiv funktion efter en cytotoxisk behandling. Samma metod används också hos vuxna patienter. Även om vuxna patienter har tillgång till andra metoder för fertilitetsbevarande, har användningen av retransplanterad äggstocksvävnad också denextra fördelen att den återställer endokrin funktion. Men på grund av omfattande celldöd lever metoden i dagsläget inte upp till sin potential. På våra laboratorier vid Karolinska Institutet arbetar vi för närvarande med att förbättra klinisk metodik för kryokonservering och retransplantation. Patienterna som deltar i forskningsprogrammet kan välja att donera en bit äggstocksvävnad till forskning, i syfte att vidareutveckla metoderna för fertilitetsbevarande. Det övergripande målet med detta projekt är att skapa en miljö där äggstocksvävnad skyddas under kryokonserveringoch retransplantation, och därigenom bevara fertiliteten. Matrisen vi avser testa är baserad på FN-silk, ett silkesprotein som innehåller ett fibronektinmotiv. FN-silk bildar ett nätverk av fi brer som matchar kroppens egenmatris, med liknande styrka och elasticitet. Vi har tidigare kunnat visat att matriser av FN-silk stödjer överlevnaden och funktionen hos insulinproducerande pankreasöar som ska transplanteras till diabetiker och i det här projektet vill vi vidareutveckla den här potentialen för att istället ge stöd till äggstocksvävnad under kryokonservering ochretransplantation.

Beviljat belopp år 1: 1 000 000
Beviljat belopp år 2: 625 000

Exploring markers of the tumor microenvironment to predict response to immunecheckpoint inhibitors in colorectal cancer
Cecilia Williams
Tjocktarms- och rektalcancer orsakar årligen över 1900 dödsfall i Sverige. Immunoterapi (immun-checkpointhämmare) har medfört ett genombrott och möjliggör behandling av tidigare obotlig sjukdom. Det är dock förhållandevis få patienter som svarar på behandlingen, och samtidigt finns allvarliga biverkningar. Nyligen har en klinisk studie visat att förebyggande behandling med aspirin kan kraftigt minska återfall i tjocktarmscancer, vilket är avgörande för att minska dödligheten. Sedan tidigare är det känt att det finns tydliga könsskillnader i denna cancerform, och att dessa delvis eller helt har med hormoner att göra. Till exempel så minskar östrogen förekomsten av tumörerna och förbättrar utfallet och kvinnor har större effekt av förebyggande behandling med aspirin, men samtidigt sämre utfall av immunterapi. Hur och varför är bristfälligt undersökt. Immunaktiviteten i tumörensmikromiljön är viktig, men denna undersöks normalt inte i kliniken och är inte heller väl beforskat. Vi har i prekliniskastudier visat att östrogen och kön påverkar tumörers mikromiljö, och vi vill i detta projekt applicera nya avancerade tekniker, samt bekräfta och översätta våra pre-kliniska resultat till kliniken. Därigenom kommer vi att bidra till att förbättra kunskapsnivån och identifiera behandlings-prediktiva markörer, vilket i förlängningen kan medföra att vi förstår hur vi kan modulera tumörmikromiljön för att maximera effekten av immunoterapi.

Beviljat belopp år 1: 750 000
Beviljat belopp år 2: 500 000

Identifiering av strukturella kromosomavvikelser med helgenomsekvensering i kliniskdiagnostik av individer med utvecklingsneurologiska problem
Anna Lindstrand
Neuropsykiatrisk funktionsnedsättning (NPF) är kliniskt heterogena beteendestörningar med hög heritabilitet och stor variation i symtombild och svårighetsgrad, som drabbar cirka 1 % av befolkningen. Både monogena sjukdomar (t ex Retts syndrom) och strukturella kromosomavvikelser/strukturella varianter (t ex gendosavvikelser; deletioner, duplikationer) är viktiga orsaker till utvecklingen av NPF. En förutsättning för individbaserad vård (precisionsmedicin) hos patienter med NPF är att förstå vilka de specifika sjukdomsorsakande generna är och varför de orsakar medicinska problem. Vi har tidigare utvecklat bioinformatiska verktyg för att identifiera strukturella varianter från standardhelgenomsekvensering med korta läsningar, och sedan fem år tillbaka används denna analys i klinisk rutin. Det leder till att fler patienter med NPF får en diagnos, men också till många oklara fynd som behöver bekräftas med en sekundär metod. I detta projekt kommer vi att utvärdera värdet av sekvensering med långa läsningar, nya referensgenom samt andra OMIK-tekniker (transkriptomik, proteomik). För dessa studier använder vi både primära celler från patienterna samt iNeuroner (hudceller som snabbt omvandlats till nerv-liknande celler) och traditionella stamceller. På detta vis kommer vi att kunna analysera strukturella varianter i detalj och identifiera brottspunkter som ligger i svårmappade, repetitiva regioner. Syftet är förbättrad diagnostik, att förstå hur strukturella varianter uppstår och hur de orsakar kliniska symtom.

Beviljat belopp år 1: 1 000 000
Beviljat belopp år 2: 1 000 000
Beviljat belopp år 3: 1 000 000

Implementing AI as a second reader to enhance accuracy and consistency inultrasound diagnosis of ovarian tumors
Elisabeth Epstein
Godartade äggstockstumörer är vanliga och upptäcks ofta av en slump, medan äggstockscancer har en hög dödlighet, särskilt om den diagnosticeras i sent stadium. Biopsier kan sprida cancern, därför har gynekologiskt ultraljud en central roll i utredningen. Bristen på ultraljudsexperter leder till onödiga operationer, försenade diagnoser, och oro hos patienterna – ett problem där AI kan göra stor skillnad. I en multicentervalideringsstudie, publicerad i NatureMedicine, visade vi att AI-modeller överträffade även experter, oavsett patientgrupp eller typ av ultraljudsutrustning, samtidigt som behovet av remisser minskade avsevärt. I ett nästa steg planerar vi nu att Att införa AI i vården - genom studier i verklig vårdmiljö ska vi visa att AI-stödet är säkert, användbart och förbättrar vården. Vi kombinerar också ultraljud med nya blodprover (ctDNA) för att möjliggöra tidig upptäckt och individanpassad behandling. Att förbättra samarbetet mellan läkare och AI - vi undersöker hur olika sätt att presentera AI drivet diagnosstöd, till exempel med förklaringar, osäkerhetsbedömningar och bildjämförelser – påverkar tilltron till AI den diagnostiska säkerheten och tillförlitligheten. Att utveckla ännu smartare AI – med hjälp av data från över 200 000 patienter, inklusive ultraljudsbilder, biomarkörer och sjukdomsutfall, tränar vi AI-modeller som kan identifiera normala äggstockar, upptäcka bristfälliga bilder, samt klassificera andra typer av gynekologiska förändringar.

Beviljat belopp år 1: 1 000 000
Beviljat belopp år 2: 1 000 000
Beviljat belopp år 3: 1 000 000

Leveraging real-world data for enhanced fetal surveillance: Arti fi cial Intelligence (AI)-enhanced computerized cardiotocography to minimize risk for hypoxia during labor
Malin Holzmann
I Sverige erbjuds upprepade hälsokontroller under graviditet som allmän screening. Trots välfungerande mödravård upptäcks inte alla riskgraviditeter innan förlossningsstart, och sårbara foster har en ökad risk att utveckla syrebrist under födelseprocessen. Även i lågriskgraviditeter kan risksituationer uppstå under förlossningen. Fosterövervakning under förlossning sker via s.k. kardiotokografi (CTG). Nuvarande visuella tolkningmetod av fostrets hjärtfrekvensmönster har flertal begränsningar, såsom låg specificitet och en betydande variation i tolkning vilket begränsar metodens känslighet, reproducerbarhet och validitet. Datoriserad och AI-assisterad CTG-tolkning har potential att förbättra noggrannhet, ge färre falsklarm och minska onödiga ingrepp. Genom förbättrad känslighet kan även risk för syrebristskador hos barnet minskas. År 2012 övergick lagringen av CTG-sekvenser från inscanning av papper i datapatientjournal till elektronisk lagring. Det ger en möjlighet att förfina CTG-metoden med hjälp av stora retrospektiva kohorter med data om graviditet, förlossning, mödra- och neonatala utfall. En forskningskohort på 192314 födslar ger oss möjlighet att analysera sällsynta utfall. Vi kan analysera data utan att kompromett era känsliga personuppgifter och personlig integritet. Våra planerade retrospektiva studier kommer ge oss stark grund för prospektiva observations- och randomiserade interventionsstudier för att förbättra förlossningsvården i Sverige och internationellt baserat på vetenskaplig kunskap.

Beviljat belopp år 1: 750 000
Beviljat belopp år 2: 500 000

Personalized, sensor-guided glucose control in critically ill patients
Johan Mårtensson
Kritiskt sjuka patienter som vårdas på intensivvårdsavdelningar utsätts för betydande metabol stress, vilket leder till insulinresistens och högt blodglukos. Majoriteten av patienterna behöver insulinbehandling för att normalisera blodglukos, men varierande insulinresistens gör behandlingen svårstyrd. Detta resulterar i svängande blodglukos med risk för farligt låga nivåer (hypoglykemi), vilket är kopplat till fördröjd återhämtning och ökad dödlighet. Insulinbehandlingen kräver blodprovsanalys av glukosnivån ett flertal gånger per dygn, en arbetskrävande process som fördröjer upptäckt och hantering av glukossvängningar och hypoglykemi. Ny teknologi för kontinuerlig glukosmätning (CGM) ger en detaljerad bild av glukosförändringar, vilket möjliggör proaktiva behandlingsbeslut. Genom att kombinera högupplösta data från intensivvårdspatienter, avancerad maskininlärning och ny CGM-teknik, avser vi att utveckla och validera ett CGM-styrt system för individanpassad glukoskontroll. Målet är att minska glukossvängningar, förhindra hypoglykemi och förbättra återhämtning och överlevnad hos intensivvårdspatienter. I projektets första del identi fieras faktorer som påverkar glukosdynamiken i samband med insulinbehandling genom analys av data från 30 000 intensivvårdspatienter. Informationen kopplas sedan till CGM-data från 400 intensivvårdspatienter för att utveckla beslutsstödsalgoritmen. Slutligen validerar vi den CGM-styrda algoritmen genom virtuella simuleringar.

Beviljat belopp år 1: 1 000 000
Beviljat belopp år 2: 1 000 000
Beviljat belopp år 3: 1 000 000

Single-Cell and Protein-Level Mapping of the Tissue Immune Microenvironment in Rheumatoid Arthritis and Myositis to Advance Diagnosis and Therapy
Burcu Ayoglu
De reumatiska sjukdomarna är folksjukdomar och drabbar runt en miljon människor i Sverige. De orsakar kronisk inflammation i bland annat leder och muskler, vilket kan leda till svår smärta, svaghet och livslång funktionsnedsättning. Reumatoid artrit och myosit är två exempel på sådana sjukdomar. Även om behandlingar finns, svarar många patienter dåligt eller får allvarliga biverkningar. Därför behövs nya, mer träffsäkra behandlingar. För att kunna utveckla riktade behandlingar måste vi först förstå exakt vilka celltyper i vävnaden som driver sjukdomen och hur de samspelar med andra celler vid inflammation. Här undersöker vi hur immunförsvarets celler ser ut och samverkar inne i den sjuka vävnaden hos patienter med reumatism och myosit. Traditionellt har man kunnat studera endast 3-4 proteiner i vävnadsprover samtidigt. Med hjälp av ny automatiserad mikroskopiutrustning som använder streckkodade antikroppar kan vi nu analysera dussintals proteiner i varje prov, på cellnivå och samtidigt bevaravävnadens struktur. Genom att skapa detaljerade kartor över immunceller och andra celler i vävnaden hoppas vi förstå varför inflammation uppstår, varför den inte läker ut, och hur den påverkar omkringliggande vävnad. Projektet bygger på ett nära samarbete mellan forskare och läkare vid KTH, Karolinska Universitetssjukhuset och Karolinska Institutet och utnyttjar redan insamlade vävnadsprover från patienter. Resultaten kan bana väg för framtida mer individanpassade och effektiva behandlingar.

Beviljat belopp år 1: 750 000
Beviljat belopp år 2: 750 000