Hälsa och medicinteknik - 2022

Beviljade projekt 2022

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

Sara Garcia-Ptacek, Kognitiv Mottagning vid Karolinska Universitetssjukhuset, Solna
Saikat Chatterjee, Avdelningen för teknisk informationsvetenskap, Institutionen för intelligenta system, KTH

Det finns i dagsläget ingen behandling som kan bromsa minnesförsämringen hos patienter med demenssjukdomar. Hos patienter med demenssjukdomar är det vanligt att ha ett flertal sjukdomar och många av patienterna använder läkemedel för att kontrollera blodtryck eller blodfetter. Dessa läkemedel kan ha effekter för hjärnan och skulle därför kunna påverka demensprocessen. I Svenska Registret för Kognitiva sjukdomar – demenssjukdomar, har man registrerat ca 100 000 personer med demenssjukdomar med ungefär 130 000 minnesuppföljningar. Register/databasen kan användas för att undersöka om vissa läkemedel kan förknippas med mildrad minnesförsämring. Återanvändning av gamla läkemedel för nya sjukdomar är kostnads- och tidseffektivt. Stockholm har 25 000 personer där det finns blod- och urinprov som möjliggör analyser av kolesterol och njurfunktion, som både kan påverka indikationen för behandling och det kognitiva utfallet. Databaser ger oss möjligheter att undersöka särskilda patientgrupper och därmed närma oss en individualiserad behandling (precisionsmedicin). Studien omfattar både traditionella epidemiologiska metoder samt nyare metoder såsom artificiell intelligens. 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 studierna med artificiell intelligens låter vi algoritmer hitta samband som vi inte kan förutse.

Beviljat belopp 2022: 500 000

Artificiell intelligens for tidig upptäckt av premaligna och maligna förändringar i tjocktarmen

­­­­­­­­­­­­­­­­­­­Peter Thelin Schmidt, Medicinkliniken, Ersta sjukhus
Anne Håkansson, Avdelningen för programvaruteknik och datorsystem (SCS). Institutionen för datavetenskap, KTH

Tjock- och ändtarmscancer är den tredje vanligaste orsaken till cancerdödlighet. Upptäcks cancern i ett tidigt skede är prognosen mycket bra. Projektet syftar till att undersöka om användning av artificiell intelligens (AI) kan leda till upptäckt av flera förstadier till tjock- och ändtarmscancer vid tjocktarmsundersökning och därmed behandlas i ett tidigt skede. Tidigare studier har visat att AI på begränsat bildmaterial har kunnat upptäcka förändringar med stor precision, men högkvalitativa kliniska studier saknas för att visa den kliniska nyttan. Systemet fungerar bra men AI programmen behöver utvecklas, med förbättrad bild- och videokvalitet. Vidare behöver man testa hur bra de fungerar under tjocktarmsundersökningar i realtid. Målet är ett avancerat AI-system som även upptäcker förstadier till cancer. Vi gör två randomiserade studier; en studie på individer som genomgår screening för tarmcancer och en studie på patienter med kronisk inflammatorisk tarmsjukdom, där man vet att det finns en ökad risk för utveckling av tarmcancer.

Beviljat belopp 2022: 700 000

­­­­­­­­­­­­­­­­­­­­­­­­Clinomics - Data-driven precision medicine, from discovery to clinical decision support system

Pontus Naucler, Medicinsk enhet Infektionssjukdomar, Karolinska Universitetssjukhuset Solna
Henrik Boström, Avdelningen för programvaruteknik och datorsystem (SCS), Institutionen för datavetenskap, KTH

Varje år orsakar sepsis, en allvarlig infektion, att 40 000 personer i Sverige behöver vård. Felaktig antibiotikaanvändning ökar risken att dö i sepsis. Preliminära data visar att 25% av alla patienter på Karolinska Universitetssjukhuset med bakterieinfektioner i blodet inte får korrekt antibiotika inom de första 24 timmarna. Målet med projekt är att undersöka riskfaktorer som kan finnas för att drabbas av felaktig antibiotikabehandling. Målet är även att utveckla IT-baserade beslutsstöd för vårdgivaren som kan identifiera patienter som har en ökad risk att inte få korrekt behandling. AI kommer att användas för att hitta mönster och riskfaktorer i journaldata för att sedan användas till att bygga beslutsstöd. Forskningen sker i en stor forskningsdatabas, som består av journaldata från patienter som vårdats på Karolinska Universitetssjukhuset. Effekten blir ett datadrivet patientsäkerhetsarbete som minskar risken för felaktiga behandlingar.

Beviljat belopp 2022: 800 000

Beviljat belopp 2023: 700 000

Datoriserad analys av fosterhjärtfrekvens under graviditet och förlossning. Metoder för att öka validitet och precision i elektronisk fosterövervakning

Malin Holzmann, Medicinsk Enhet Graviditet och Förlossning, Karolinska Universitetssjukhuset Solna
Mikael Forsman, Institutionen för medicinteknik och hälsosystem vid KTH

Idag analyseras fosterhjärtfrekvens framför allt visuellt med otillfredsställande reproducerbarhet och objektivitet. I projektet undersöks om datoriserad tolkning av fosterhjärtfrekvens (computerized cardiotocography; cCTG) kan tillföra relevant information. I graviditeter med för tidig vattenavgång utan värkar (preterm prelabor rupture of membranes; PPROM) mellan graviditetsvecka 24+0 och 33+6 undersöks sambandet mellan korttidsvariabilitet i cCTG och tillstötande infektion. Nuvarande övervakningsmetoder vid PPROM medför risk för både under- och överdiagnostik. Underdiagnostik kan leda till till allvarlig infektion för barnet och kvinnan och överdiagnostik kan medföra för tidig födsel och kejsarsnitt utan nytta men risk för skada hos barn och kvinna.

I graviditeter med förlossningsstart fr.o.m. graviditetsvecka 34+0 undersöks sambandet mellan dels korttidsvariabilitet och dels periodiska hjärtfrekvensnedgångar och surhet i navel-artärblod vid födelsen samt flera andra utfall för barnet och den födande kvinnan. Nuvarande övervakningsmetoder under förlossning behäftas också med risker för under- och överdiagnostik med risk för såväl förlossningsrelaterade syrebristskador som onödiga ingrepp. Projektets syfte är att förbättra diagnostik och beslutsfattande vid frågeställning om tillstötande infektion vid PPROM respektive hotande syrebristutveckling under förlossning. Ca 120 000 barn föds per år i Sverige, varav ungefär 80 000 kan få nytta av projektets studiefynd rörande cCTG under förlossning. Ca 350 barn per år föds före graviditetsvecka 34 som följd av PPROM, vilka kan få nytta av studiefynden om korttidsvariabilitet som infektionsmarkör.

Beviljat belopp 2022: 500 000

DeepNEWS - Deep Learning based Novel Early Warning Score

Eric Herlenius, Barnakut och Infektionssjukvård, Astrid Lindgren Barn Sjukhus, Karolinska Universitetssjukhuset Solna
Mikael Skoglund, Avdelningen för teknisk informationsvetenskap, Institutionen för intelligenta system, KTH

Infektioner hos små barn och nyfödda är svåra att upptäcka och tolka samtidigt som en snabb insatt behandling är livsavgörande. Man tar hjälp av blodprover, men infektionsvärden stiger först efter många timmar och bakterier kan ta dagar att odla. Målsättningen är att utveckla ett övervakningssystem som upptäcker små subtila men tidiga förändringar i bland annat andningsmönster och hjärtrytm som orsakas av infektioner/inflammation. Vårdnadsgivare varnas tidigt så att effektiv behandling kan påbörjas innan barn / patienter blir allvarligt sjuka.
Det kliniska händelseförloppet kartläggs och jämförs med kontinuerliga data från övervakningssystem för bland annat puls, andning och syremättnad. en analysalgoritm utvecklas som tidigt kan identifiera allvarliga händelser. artificiell intelligens kan snabbt analysera. stora mängder av data och ta hänsyn till individuella faktorer som kön, ålder och vikt. det möjliggör en skalbarhet till andra patientgrupper som till exempel vuxna med covid-19. i nuläget finns det en databas från drygt 1000 nyfödda barn samt 4000 vuxna covid-19-patienter. dessa stora datamängder är essentiella för att ta fram effektiva och pålitliga algoritmer. systemet har potential att minska behovet av invasiva åtgärder som till exempel blodprover. systemet byggs på redan tillgänglig utrustning på sjukhusets avdelningar vilket underlättar snabb etablering i den kliniska vardagen. med förbättrad diagnostik, skräddarsydd till patienten, kan allvarliga sjukdomstillstånd upptäckas innan de blir livshotande - individualiserad precisionsmedicin.

Beviljat belopp 2022: 800 000

Beviljat belopp 2023: 800 000

Beviljat belopp 2024: 500 000

Magnetic resonance elastography, neuromelanin imaging and brain connectivity analysis for distinguishing Parkinson's disease and atypical Parkinsonism disorders

Per Svenningsson Hjärta Kärl och Neuro, Karolinska Universitetssjukhuset Solna
Rodrigo Moreno, Avdelningen medicinsk avbildning, KTH

Atypisk Parkinsonism är neurodegenerativa sjukdomar med liknande symtom som folksjukdomen Parkinsons sjukdom. Prognosen är betydligt sämre för Atypisk Parkinsonism och det är viktigt att utföra differential diagnostik mellan Atypisk Parkinsonism och Parkinsons sjukdom eftersom sjukdom och behandlingarna är olika. Vissa behandlingar ger enbart upphov till biverkningar om de används vid fel tillstånd.

Tre lovande metodverktyg för att förbättra diagnostisk noggrannhet är neuromelanin imaging, magnetisk resonanselastografi (MRE) och konnektomik. Neuromelanin imaging har etablerats i flera europeiska länder. Det underlättar diagnos av Parkinsons sjukdom och tanken är att etablera metoden i Sverige samt integrera den med mer nydanande metoder i samma MRE session. MRE är en magnetresonans teknik som syftar till att extrahera vävnadens mekaniska egenskaper.

I projektet utvecklas en ny rekonstruktionsmetod för MRE som är baserad på artificiell intelligens för att göra den lämplig för användning i klinisk praxis. Konnektomik studerar förändringen i nervbanor mellan olika områden i hjärnan. I projektet jämförs potentialen för MRE och konnektomik med neuromelanin and suspectibility imaging som avbildande biomarkörer för APD och Parkinsons sjukdom och för differentialdiagnostik i klinisk rutin.

Beviljat belopp 2022: 500 000

Microchip technology for rapid diagnosis and treatment monitoring of lung cancer and malignant melanoma patients using exosome based liquid biopsy

Apurba Dev, Institutionen för Tillämpad fysik, Skolan för teknikvetenskap, KTH
Simon Ekman, Huvud-, Hals-, Lung- och Hudcancer, Karolinska Universitetssjukhuset

Prognosen förbättras vid både tidig och spridd lungcancer med målsökande läkemedel som angriper tumördrivande signaler respektive antikroppar som återställer immunsystemets anti tumöreffekt. Signaler i patientens tumör är viktigt att kartlägga dels vid diagnos för att välja behandling och dels vid tidpunkter då läkemedelsresistens utvecklas. Ett sätt är att undersöka nanopartiklar – vesikler i blodet som frisatts från tumören och ofta innehåller biomarkörer. Projektet involverar ny teknik för att kartlägga dessa vesiklers biomarkörer i relation till målsökande läkemedel och immunterapi vid lungcancer. Ett mikrokapillärsystem används där vesikler från tumörer kan kartläggas med hjälp av antikroppar mot tumörens ytproteiner. Metod fungerar för vesikler från lungcancer som frisatts i blod och med mikroskopi-baserad teknik kan den enskilda vesikler studeras. I projektet testas om dessa nanoteknologier kan mäta förändringar i vesikler ur plasma från lungcancerpatienter som genomgår målsökande- eller immunterapi-behandling och koppla resultatet till patientens behandlingseffekt. Målet är att skapa ett mikrochip där upp till 20 proteiner i tumörvesikler kan mätas samtidigt och snabbt kan ge den behandlande läkaren ett verktyg för val av tumör- och individanpassad terapi.

Arbetsgrupp: Karolinska teamet tillsammans med ett KTH team med expertis inom nanoteknologi

Beviljat belopp 2022: 800 000

Beviljat belopp 2023: 800 000

Patient-centric monitoring of lithium in bipolar disorder

Niclas Roxhed, Avdelningen för Mikro och Nanosystem, Skolan för elektroteknik och datavetenskap, KTH
Lena Backlund, Affektiva mottagningen/Administrativa enheten Psykiatri Sydväst, Huddinge

Bipolär sjukdom är en allvarlig psykisk sjukdom hos 100.000 till 200.000 svenskar. Sjukdomen karakteriseras av humörsvängningar som leder till personligt lidande, stora samhällskostnader och ökad dödlighet i självmord. Förebyggande litiumbehandling är viktigast för en god prognos. Litiumbehandlingen har en särställning som effektiv och billig stämningsstabiliserare. Handhavandet är över tid riskfylld och kräver noggrann kontroll med frekvent provtagning samt god följsamhet hos patienten. För närvarande används venösa blodprover för monitorering av litiumbehandling. En central del i behandlingen av bipolär sjukdom är patientens motivation att ta sin medicin. En akut försämring till följd av avslutad behandling är relativt vanlig. Ofta är upplevda biverkningar en orsak till att patienter slutar ta sin medicin. Biverkningar kan justeras med dosförändring. Den återkommande blodprovstagning som vid dosjustering upplevs som omständlig och bidrar till förlust av effektiv behandling. Ett patientcentrerat perspektiv är helt avgörande vid bipolär sjukdom och både patienter och anhöriga är viktiga för faktorer såsom regelbunden sömn, sunda levnadsvanor och snabb upptäckt av förändrat stämningsläge. I det här projektet kommer vi att möjliggöra litiumprovtagning i hemmet. Det är avgörande i en mer patientcentrerad vård och bidra till nya digitala vårdlösningar som skulle kunna leda till ökad motivation, bättre följsamhet och minskad risk för självmord.

Beviljat belopp 2022: 700 000

Pneumococcal meningitis – epidemiology, pathogenesis, and mechanisms for sequelae, as a basis for novel diagnostics, and therapeutics

Birgitta Henriques Normark, Klinisk mikrobiologi, Karolinska Universitetssjukhuset Solna
Jerker Widengren, Institutionen för Tillämpad fysik, KTH

Infektioner orsakade av pneumokocker är en av de vanligaste orsakerna till sjuklighet och död i världen. Pneumokockbakterier är den vanligaste orsaken till milda luftvägsinfektioner såsom öron- och bihåleinflammation, men också till allvarliga sjukdomar såsom lunginflammation med eller utan sepsis, och hjärnhinneinflammation (meningit). Pneumokockmeningit är en svår infektion som trots tillgång av antibiotika och intensivvård har en relativt hög dödlighet. Många som överlever sjukdomen visar kroniska neurologiska resttillstånd. Trots att pneumokocker orsakar allvarliga infektioner är de också vanligt förekommande i näsan hos friska barn. Fortfarande har vi otillräcklig kunskap om vad som gör att bakterierna ibland orsakar sjukdom. Mer kunskap om mekanismer för hur bakterierna går in och integrerar med värdens hjärna, som orsakar sjukdom och resttillstånd skulle kunna leda till utveckling av bättre behandlingsstrategier. Projektet planerar att hitta nya målstrukturer som kan användas för att utveckla ny behandling av pneumokockmeningit med hjälp av högupplösande mikroskopi kombinerat med funktionella infektionsstudier in vitro och in vivo och studier av värd-bakterie interaktioner. Projektet kommer också att identifiera pneumokocker med egenskaper som gör att de är särskilt benägna att orsaka meningit för att utveckla ny diagnostik som kan möjliggöra riktad behandling och eliminering av dylika pneumokockstammar.

Beviljat belopp 2022: 800 000

Beviljat belopp 2023: 800 000

Beviljat belopp 2024: 500 000

Precise detection and induction of tolerance of the central nervous system autoaggressive disease, multiple sclerosis

Torbjörn Gräslund, Institutionen för proteinvetenskap, KTH
Tomas Olsson, Akademiskt specialistcentrum, SLSO, Region Stockholm

Inflammatory diseases such as multiple sclerosis (MS) comprise T-cells of the immune system that periodically enter the central nervous system (CNS), where they cause damage to nerve tracts. Between individuals with MS, the specificities of the T-cells differ, and a routine method to determine T-cell specificity in MS is in urgent need. Identification of their specificity is important for early detection of MS, and to give a personalized prognosis for the individual patient as well as help suggest the most suitable treatment. We have previously established the EpiTCer platform, which can detect the specificity of the T-cells driving MS in individual patients. In this project, we first aim to implement this unique and sensitive method as a complement to current standard diagnosis in the Stockholm region. We will also continue the development of this platform. Further, we will investigate induction of tolerance to the self-proteins responsible for triggering the T-cells. Collectively, the efforts should result in earlier and precise detection of MS in persons in the Stockholm region, minimizing impairment from early MS attacks, and aid the physicians in prescribing a suitable regimen. The results will boost the progress towards the goal of curing MS and give a template for curing also other autoimmune diseases.

Beviljat belopp 2022: 1 000 000

Beviljat belopp 2023: 1 000 000

Beviljat belopp 2024: 500 000

Precision pathology - prediction of patient specific drug response

Johan Hartman, Klinisk patologi och cancerdiagnostik, Karolinska Universitetssjukhuset Solna
Cecilia Williams, Cellulär och klinisk proteomik, SciLife lab, KTH

Bröstcancer är den vanligaste cancersjukdomen bland svenska kvinnor. Majoriteten av patienter har god prognos men många får ändå återfall och dessa tumörer uppvisar resistens mot en eller flera cancerterapier. I projektet utvecklas metoder och markörer för att utpröva patientens känslighet för olika cancerterapier i ett tidigt skede, när sjukdomen fortfarande är botbar. Vi studerar resistenta tumörers genuttryck för att identifiera biomarkörer som kan användas i cancerdiagnostiken med fokus på hormonbehandling. Vi testar cancerceller från patienter genom en egenutvecklad metod där vi kan studera behandlingssvar av upp till 50 cancerläkemedel parallellt. Målsättningen är att utveckla metoder för precisonsdiagnostik som kan öka antalet patienter som får individanpassad terapi.

Beviljat belopp 2022: 900 000

Beviljat belopp 2023: 900 000

Beviljat belopp 2024: 500 000