Hälsa och medicinteknik - 2023

Beviljade projekt 2023

Identifiering av strukturella kromosomavvikelser med helgenomsekvensering i klinisk diagnostik av individer med utvecklingsneurologiska problem

Anna Lindstrand, Medicinsk enhet Klinisk genetik och CMMS, Karolinska universitetssjukhuset
Pelin Sahlén, Institutionen för genteknologi, KTH

Neuropsykiatrisk funktionsnedsättning (NPF) är kliniskt heterogena beteendestörningar med hög heretabilitet och stor variation i symtombild och svårighetsgrad som drabbar cirka 1% av befolkningen. Både monogena sjukdomar (t.ex. Retts syndrom) och strukturella kromosomavvikelser (t.ex. gendosavvikelser; deletion, duplikation) är viktiga för utveckling 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 kromosomavvikelser från standard helgenomsekvensering med parade korta läsningar och sedan tre år tillbaka används denna analys i klinisk rutin. Det leder till att fler patienter med NPF får en diagnos men även till många oklara avrop som behöver bekräftas med en sekundär metod. I detta projekt kommer vi utvärdera värdet av andra storskaliga sekvenseringstekniker för detektion och studier av kromosomavvikelser. På detta vis kommer vi kunna analysera strukturella kromosomavvikelser i detalj och identifiera brottspunkter som ligger i svårmappade repetitiva regioner. Syftet är förbättrad diagnostik och att studera strukturella kromosomavvikelser i detalj för att förstå hur de uppstår och hur de orsakar kliniska symtom. Våra studier kommer både att leda till bättre genetisk diagnostik och en ökad förståelse för de genetiska mekanismer och cellulära processer som leder till sjukdom.

Beviljat belopp 2023: 1 000 000 kr
Beviljat belopp 2024: 1 000 000 kr
Beviljat belopp 2025: 1 000 000 kr

Ultrasound image analysis using artificial intelligence to discriminate benign and malignant ovarian tumours – an international multicentre validation and a model refinement study

Elisabeth Epstein, Institutionen för klinisk forskning och utbildning, Södersjukhuset
Pawel Herman, Avdelningen för beräkningsvetenskap och beräkningsteknik, KTH

Äggstockscystor och tumörer är vanligt förekommande, medan äggstockscancer är ovanligt och har dålig prognos. Man bör ej ta biopsi från äggstocksförändringar då detta kan sprida tumören om den är elakartad. Handläggningen baseras därför på bilddiagnostik, där transvaginalt ultraljud, utfört av en ultraljudsexpert anses som den bästa metoden, men det finns tyvärr brist på läkare med denna kompetens. Vi var först med att visa att datorseende med hjälp av Djupa Neurala Nätverk (DNN), applicerat på ultraljudsbilder kunde skilja godartade och elakartade äggstockstumörer med en träffsäkerhet på 91%, i nivå med en ultraljudsexpert (92%). Vårt mål är nu att:

• validera våra resultat i en stor internationell multicenterstudie, för att visa att våra fynd är generaliserbara.
• förbättra och utveckla våra DNN modeller, samt studera bildkvaliténs betydelse för prestandan. Kan DNN-modeller identifiera och exkludera bilder med dålig kvalité, ej lämpade för AI analys?
• initiera ett kliniskt simuleringscenter för AI-lösningar på Södersjukhuset, samt i en randomiserad studie undersöka om ett bilddiagnostiskt stöd baserat på en DNN-modell eller en on-line expertbedömning kan förbättra diagnostiken och erbjuda hälso-ekonomiska fördelar, jämfört med dagens rutin.

Beviljat belopp 2023: 1 000 000 kr
Beviljat belopp 2024: 1 000 000 kr
Beviljat belopp 2025: 1 000 000 kr

Prevention of venous thromboembolism during immobilization – adjuvant treatment with miniaturized neuromuscular electrical stimulation

Paul Ackermann, Medicinsk enhet Trauma, akutkirurgi och ortopedi, Karolinska universitetssjukhuset
Saul Rodriguez, Avdelningen för elektronik och inbyggda system, KTH

Förlängt stilla-sittande/-liggande, särskilt efter skada/operation, ökar risken för blodproppar i benen, vilka vid spridning till lungorna är potentiellt livshotande. Blodproppsförebyggande behandling är ett högt prioriterat forskningsområde, speciellt då den medicinska behandlingen, tex. blodförtunnande injektioner, har biverkningar, låg följsamhet och ofta är ineffektiva.

Baserat på en stor utvärdering som visat att neuromuskulär elektrisk stimulering (NMES) har potential att förhindra blodproppar, har sökande patentsökt en ny teknik som vid långvarig muskelinaktivitet automatiskt lokaliserar de bästa stimuleringspunkterna och startar en trådlös flerkanalig lågenergi-NMES. Vi avser i kliniska studier optimera NMES-prototypens blodflödesökande och blodförtunnande egenskaper, vilka kommer att utgöra grund för utveckling av ett senaste generationens mikrochips som kommer att styra det integrerade systemet som vi kallar nano-NMES.

I en internationell multicenterstudie inkluderande patienter med skada på underbenet som får underbens-immobilisering (samt ordinarie blodproppsprevention), sker lottning till antingen ingen tilläggsbehandling eller tillägg med nano-NMES. Målet är att minimera förekomsten av blodproppar under 6 veckors immobilisering, vilket undersöks med ultraljud av benens kärl.

Nano-NMES kommer utgöra en flexibel och användarvänlig medicinskteknisk produkt optimerad för hög följsamhet som snabbt kan implementeras i sjukvården för effektivt förebyggande av blodproppar.

Beviljat belopp 2023: 750 000 kr
Beviljat belopp 2024: 750 000 kr

Digital Dipstick detection of urinary tract infections and antibiotic susceptibility

Volkan Özenci, Klinisk mikrobilogi, Karolinska universitetssjukhuset
Wouter van der Wijngaart, Avdelningen för mikro- och nanosystem, KTH

Vi föreslår utveckling av teststickor för detektion av bakterier i urin samt analys av bakteriernas antibiotikakänslighet (AST).

Testerna kommer att tillhandahålla kliniskt relevant diagnostisk information för att behandla patienter med urinvägsinfektion (UVI) i ett format som är lämpligt för primärvård eller hemmiljö.

UVI är en av de vanligaste bakterieinfektionerna vilken drabbar kring 50% av alla kvinnor någon gång under deras livstid. Idag finns inget kostnadseffektivt snabbtest för korrekt guidning av patientbehandling. Patienter behandlas därför med antibiotika utan nödvändiga laboratorieresultat, vilket resulterar i felaktig behandling och överanvändning av antibiotika.

Digitala teststickor för UVI har nyligen utvecklats av KTH. Idag kan teststickorna identifiera förekomsten av dessa bakterier men inte deras antibiotikakänslighet. Vårt mål är att utveckla ett billigt sticktest för UVI-diagnos med simultantest av antibiotikakänslighets (AST) som kan utföras av icke-specialiserade personer. Teststickorna kommer att testas på kliniska prover och jämföras med gold standard testning vid laboratoriet på Karolinska Universitetssjukhuset, avdelningen för Klinisk mikrobiologi, i Huddinge. Målet är att stänga gapet mellan infektionsdiagnostik och behandling, minska antimikrobiell resistens (AMR) genom att förhindra överanvändning av antibiotika samt öka patientsäkerheten och livskvaliteten genom personlig förskrivning av adekvat antibiotika.

Beviljat belopp 2023: 750 000 kr
Beviljat belopp 2024: 750 000 kr

Translating signatures of circulating proteins to improve risk stratification of breast cancer

Per Hall, Bröstcentrum, Onkologikliniken, Södersjukhuset
Jochen Schwenk, Avdelningen för affinitets-proteomik, KTH

Bröstcancer är den mest förekommande cancersjukdomen för kvinnor i västvärlden. Trots att diagnosticering och behandling av bröstcancer har förbättrats är det fortfarande en utmaning att identifiera personer som riskerar att utveckla sjukdomen. Ett lättillgängligt sätt att förbättra dagens riskmodeller för bröstcancer är genom mätning av nivåer av blodproteiner. I nuläget används inte proteiner i blod för att förutsäga risk för bröstcancer, trots att proteiner som cirkulerar i blodet kan ge en helhetsbild av kroppens hälsotillstånd och metaboliska processer.

Projektet ämnar att undersöka cancerrelaterade proteiner med avseende på risk för utveckling av bröstcancer. Avancerad proteomikteknik används för att uppmäta nivåer av dessa proteiner i blodprover från individer i Karma projektet, Sveriges största kohort för bröstcancer. Proteomikdata kommer att kombineras med andra data och datadrivna metoder kommer att användas för att hitta oväntade riskmönster och bidra till en bättre uppfattning om individanpassade hälsotillstånd som kan påverka sjukdomens verkningsmekanismer och orsaker.

Med denna forskning hoppas vi upptäcka mönster av proteiner och riskfaktorer som, tillsammans med dagens riskmodeller, kan testas för att hjälpa identifiera kvinnor med hög risk för bröstcancer. Vår förhoppning är att vår forskning kan bidra till att förbättra riskmodeller för bröstcancer och vidare bidra till tidigare upptäckt och personaliserad behandling av bröstcancer.

Beviljat belopp 2023: 750 000 kr
Beviljat belopp 2024: 750 000 kr

Enrichment and sequencing of tandem-repeats in neurological diseases - a new, robust method permitting genotype-phenotype analysis

Rula Zain, Translational Research Center, Karolinska universitetssjukhuset
Peter Savolainen, Institutionen för genteknologi, KTH

Det finns många olika former av ärftliga sjukdomar. En grupp utgörs av neurologiska och neuromuskulära sjukdomar, vilka beror på att vissa sekvenser i arvsmassan upprepas för många gånger. Normala friska individer har i sin arvsmassa några repetitioner, men får man för många utvecklas sjukdom. Genetiken bakom de flesta av dessa sjukdomar blev känd under 1990-talet, men på grund av tekniska orsaker är det fortfarande svårt att exakt bestämma sekvensen och antalet repetitioner. Detta är en brist eftersom antalet repetitioner och den exakta sekvensen ger information om patientens prognos. Vi vill utveckla diagnostik för denna grupp av sjukdomar genom att kombinera användandet av syntetiska oligonukleotider, som vi arbetat med, tillsammans med det som på fackspråk kallas för ‘Next-generation sequencing’. Detta är ett samlingsnamn för ett antal olika teknologier som möjliggör kostnadseffektiv sekvensbestämning. Även om dessa teknologier fungerar, är de således behäftade med vissa brister, särskilt svårigheten att läsa igenom långa repetitioner. Vi avser att utveckla en robust metod, som möjliggör säker avläsning av repetitiva sekvenser vid dessa sjukdomar. En sådan metod kommer att bli av stort kliniskt värde för patienter både när det gäller bättre diagnostik och validering av nya behandlingsmetoder. De resultat som hittills uppnåtts visar att vi redan har kommit en god bit på väg, men att fortsatt utveckling krävs för att metoden ska fungera optimalt i klinisk praxis.

Beviljat belopp 2023: 750 000 kr
Beviljat belopp 2024: 750 000 kr

ARTHUR - ARTificiell intelligens för att förutspå Hypotension Under och efter högRisk operationer

Håkan Björne, Perioperativ medicin och intensivvård, Karolinska universitetssjukhuset
Martin Jacobsson, Avdelningen för hälsoinformatik och logistik, KTH

Varje år opereras 800 000 patienter i Sverige. Av dem riskerar många att drabbas av allvarliga komplikationer efter operationen, t ex hjärt- och njurskada, stroke och även död. Det finns ett samband mellan dessa komplikationer och blodtrycksfall under operation. Tyvärr är dessa blodtrycksfall svåra att förutse med ordinarie övervakningsmetoder, och förekommer därför alltför ofta under operation.

På Karolinska bygger vi ett system som med hjälp av avancerad artificiell intelligens varnar redan innan blodtrycksfallet uppstår. Systemet hämtar information, inklusive högupplöst kurvdata, från patientens standardövervakning men också från vår egenutvecklade koldioxidmetod för cirkulationsövervakning. Varningssystemet kommer göra att blodtryckshöjande behandling kan ges innan skadan sker och därmed minska risken för komplikationer.

Förväntade resultat:

Vårt övergripande mål är att utveckla en patientnära teknologi som reducerar komplikationer, vårdtid och risk för död efter kirurgi. Genom att utveckla och införa ett varningssystem för att upptäcka och förhindra blodtrycksfall under operation räknar vi med att antalet blodtrycksfall och därmed postoperativa komplikationer kommer att minska.

Eftersom upp till 100 000 svenskar per år riskerar att drabbas av en komplikation, skulle denna reduktion innebära stor skillnad för den enskilda patientens livskvalitet, och också få stora positiva hälsoekonomiska effekter.

Beviljat belopp 2023: 500 000 kr

Asthma diagnosis determined by lung function and a novel clinical decision support system (CDSS)

Björn Nordlund, Astrid Lindgrens Barnsjukhus, Karolinska universitetssjukhuset
Saikat Chatterjee, Avdelningen för teknisk informationsvetenskap, KTH

Astma är en vanlig och svårdiagnostiserad lungsjukdom. Diagnosen ställs i kliniken med hjälp av lungfunktionstest, så kallad spirometri, för att identifiera variabel eller föränderlig lungfunktion pga. sammandragningar i luftrören. För att underlätta och effektivisera diagnostiken har vi utvecklat ett system som bestå av en trådlös lungfunktionsmätare som kopplas till patientens mobiltelefon, en nedladdningsbar app och ett webbaserat vårdgivargränssnitt som ger vårdgivaren möjlighet att i realtid analysera symtom och lungfunktionsdata samt förskriva behandling direkt i patientens mobiltelefon. Systemet heter AsthmaTuner och har utvecklats av vår forskargrupp genom svenska innovationsprogram. Systemet är implementerad i svensk och internationell astmavård av MediTuner AB. Det här projektet syftar till att utveckla och automatisera stöd för vårdpersonal att diagnostisera astma och med hjälp av artificiell intelligens träna det webbaserade vårdgivargränssnittet att direkt återkoppla sannolikheten att patienten har astma. Vidare kommer vi att analysera lungfunktionsdata i en tredimensionell modell för att underlätta diagnostik med hjälp av lungfunktion när patienten upplever symtom, som ett komplement till traditionell analys av lungfunktion. Målet med projektet är att underlätta datadriven diagnostik av astma i framtiden. För att kunna implementera funktionaliteten kommer vi även utvärdera hur användbara dom utvecklade funktionerna är för vårdpersonal i primärvården.

Beviljat belopp 2023: 500 000 kr

A Biomechanical approach for improved Fetal and Maternal Safety in Vacuum Assisted Delivery

Gunilla Ajne, Medicinsk enhet Graviditet och förlossning, Karolinska universitetssjukhuset
Matilda Larsson, Avdelningen för medicinsk avbildning, KTH

Sugklocka används på förlossningsavdelningar för att assistera svåra vaginala förlossningar. Förlossningar med sugklocka är dock förknippade med högre risk för skada på fostrets hjärna och moderns bäckenbottenmuskler jämfört med spontan vaginal förlossning. I dag finns det lite kunskap om säker användning av sugklocka och det saknas tillförlitliga utvärderingsmetoder, vilket förhindrar utveckling av säkerhet. Exempelvis är gränserna för säkra dragkrafter okända. Målet med det här projektet är att utveckla innovativa verktyg för att göra förlossningar med sugklocka säkrare för både fostret och mamman. Vi utvecklar en testplattform som kombinerar biomekaniska och fysiska modeller av fostrets huvud och mammans bäckenbottenmuskler för att kunna studera hur sugklockans designfunktioner och operativa förfaranden påverkar fostrets huvud och moderns bäckenbottenmuskler. Vi kommer även utveckla nya tillvägagångssätt att guida läkaren till säker användning av sugklocka, såsom övervakning av när dragkrafter eller deformation i fostrets hjärna överskrider säkra nivåer. Projektet integrerar tvärvetenskaplig expertis inom obstetrik, foster- och bäckenbottenmedicin, beräkningsbiomekanik, medicinsk avbildning och medicinteknisk produktutveckling och vår tidigare forskning inom närliggande områden ger oss bra möjligheter att fokusera på detta projekt för säkrare förlossningar med sugklocka.

Beviljat belopp 2023: 500 000 kr

Developing deep learning based image analysis tools to achieve automated quantitative analysis of coronary artery atherosclerotic plaques in non-invasive coronary computed tomography angiography

Tomas Jernberg, Hjärtkliniken, Danderyds sjukhus
Chunliang Wang, Avdelningen för medicinsk avbildning, KTH

Kranskärlssjukdom är en av de enskilt största 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 där man rekommenderar dessa individer intensifierad behandling.

Dessa score har dock stora begränsningar. Datortomografi av kranskärl är en non-invasiv metod att avbilda kranskärl och påvisa ateroskleros som utvecklats snabbt och rekommenderas nu som standardmetod hos individer med misstänkt stabil kranskärlssjukdom.

Att bedöma kranskärlen vid datortomografi är dock tidskrävande och kräver mycket träning. Metoden är till stor del kvalitativ och det finns betydande variationer mellan bedömare och över tid hos samma bedömare. Det finns därför stort behov av automatiska metoder som kan på ett reproducerbart och tillförlitligt sätt kvantifiera och karaktärisera ateroskleros i kranskärlen vid datortomografi.

I detta projekt kommer vi att utveckla en ”deep-learning” baserad bildanalysverktyg som automatiskt ska kunna kvantifiera och karaktärisera ateroskleros vid datortomografi av kranskärl.

Beviljat belopp 2023: 500 000 kr

Artificial intelligence to detect candidates for medication repurposing to slow cognitive decline in dementia

Sara Garcia-Ptacek, Kognitiv mottagning, Karolinska universitetssjukhuset
Saikat Chatterjee, Avdelningen för teknisk informationsvetenskap, KTH

Det finns i nuläget ingen behandling som kan bromsa minnesförsämringen hos patienter med demenssjukdomar. Samsjuklighet är vanligt hos patienter med demenssjukdomar och många patienter använder läkemedel för att kontrollera blodtryck eller blodfetter. Sådana läkemedel kan ha effekter även i hjärnan, och skulle därför kunna påverka demensprocessen.

Återanvändning av gamla läkemedel för nya sjukdomar är kostnads- och tidseffektivt. I Svenska Registret för Kognitiva sjukdomar/demenssjukdomar (SveDem), finns ungefär 100 000 personer med demenssjukdomar, och kan användas för att undersöka om vissa läkemedel förknippas med mildrad minnesförsämring. För 25 000 personer från Stockholm finns blod och urinprov som möjliggör analyser av kolesterol och njurfunktion som kan både påverka indikationen för behandling och det kognitiva utfallet. Våra stora databaser ger oss möjligheter att även undersöka särskilda patientgrupper och därmed närma oss en individualiserad behandling (precisionsmedicin).

Vår studie omfattar både traditionella epidemiologiska metoder samt nyare metoder såsom artificiell intelligens - maskininlärning. I de traditionella undersökningarna utgår vi från hypoteser baserade på tidigare studier om vilka läkemedel som skulle kunna gynna minnet och sedan testar vi samband mellan dessa utvalda läkemedel och dess effekt på kognition bland personerna med demenssjukdom i SveDem. I studierna med maskininlärning låter vi algoritmer hitta samband som vi inte kan förutse.

Beviljat belopp 2023: 500 000 kr

E-health and AI technology for screening and early diagnosis of cerebral palsy

Heléne Sundelin, Medicinsk enhet Högspecialiserad barnortopedi och barnmedicin, Astrid Lindgrens Barnsjukhus, Karolinska universitetssjukhuset
Arvind Kumar, Avdelningen för beräkningsvetenskap och beräkningsteknik, KTH

Eftersom symptom på hjärnskador hos nyfödda är svåra att upptäcka blir diagnosen cerebral pares (CP) ofta inte ställd förrän vid 18-24 månaders ålder. Det fördröjer tidiga insatser som kan minska varaktiga funktionsnedsättningar. Vi har utvecklat en app så att föräldrar i hemmet kan filma sitt barn. Vår multicenterstudie har samlat ca 1000 filmer på mer än 400 barn som bedömts enligt General Movement Assessment (GMA) som förutsäger CP med 91% specificitet och 98% känslighet vid 3 månaders ålder. Appen har också samlat filmer på barn som bedömts enligt metoden Hand Assessment for Infants (HAI) som kan vid 4 månaders ålder förutsäga ensidig CP med 80% specificitet och 89% sensitivitet. Eftersom metoderna är tidskrävande är syftet med projektet att utveckla ett AI-system som kan användas i stor skala mer kostnadseffektivt. Systemet ska utbildas med hjälp av de expertbedömda filmerna enligt GMA, HAI och CP diagnos. Kliniska forskare vid Karolinska som är experter på GMA, HAI och CP samt forskare vid KTH som är experter på att utveckla AI-system kommer att samarbeta för att genomföra projektet.

Den nya kunskapen möjliggör tidigare diagnostisering av CP. Appen och AI-systemet ger föräldrarna möjlighet att aktivt delta i att diagnostisera sina barn oberoende av geografiska avstånd. Vidare möjliggörs tidiga insatser som är av mycket stort värde för barnens vidare utveckling. En tidig diagnos minskar också föräldrarnas oro och stress genom att de får veta mer om prognosen.

Beviljat belopp 2023: 500 000 kr