Denna webbsida är endast avsedd för läkare och sjukvårdspersonal med förskrivningsrätt.

DENNA WEBBPLATS ANVÄNDER KAKOR (COOKIES). Vi använder kakor för att kunna ge dig en bra upplevelse när du besöker vår webbplats. Kakor används för webbstatistik för att kunna göra förbättringar på webbplatsen. Läs mer om vår cookie policy. Du kan välja att godkänna att vi använder kakor under ditt besök genom att klicka på “Jag godkänner”.

Prostatacancer 360°

Kursen riktar sig till dig som är ST-läkare inom onkologi eller urologi och andra läkare med specialintresse för prostatacancer. Vi kommer att diskutera utredning, behandling, uppföljning, biverkningar och komplikationer samt syftar till att ge en heltäckande bild av prostatacancersjukdomen.

Detta är en interaktiv kurs där du som deltagare kommer att medverka aktivt under hela utbildningen. Kursen uppfyller delmål för ST-utbildning inom onkologi och urologi avseende prostatacancer.

Kursledningen består av erfarna läkare inom onkologi, urologi, radiologi och patologi, samtliga verksamma vid, eller i nära samarbete med Prostatacancercentrum, Capio S:t Görans sjukhus.

Tid: 26-28 November 2025
Plats: Bommersvik Konferens, Södertäje
Arrangörer: Prostatacancercentrum, Capio S:t Görans sjukhus, Stockholm, i samarbete med Bayer.

Antalet platser är begränsade och tillsätts löpande. Sista anmälningsdatum är 13 oktober 2025

Frågor eller önskan om ytterligare information skickas via email till [email protected]

Välkomna önskar kursledningen i samarbete med Bayer!

Kursen är kostnadsfri. Arrangörerna betalar måltider (lunch och middag). Transport och logi (2400 kr/natt inkl.frukost) betalas av enskild deltagare/deltagares huvudman i enlighet med LER

Detta arrangemang är endast för hälso- och sjukvårdspersonal

Gyncancerdagen 2025

Nätverket mot gynekologisk cancer anordnar i år Gyncancerdagen, lördag 5 april!

Dagen som är helt digital, innehåller spännande föredrag och diskussioner om bland annat de olika gyncancerdiagnoserna, palliativ vård och ärftlighet. Vi lyfter jämlik vård samt tittar på framtidens behandlingar.

Sist men absolut inte minst kommer vi ha en högaktuell diskussion om omvärldspaning när det gäller gynekologisk cancer, palliativ vård och rehabilitering!

Detta är helt enkelt en dag du INTE vill missa!

HÄR kan du läsa mer om dagen samt anmäla dig!

Vi vill gärna se just dig som deltagare och behöver också din hjälp att sprida information om dagen så att vi kan nå så många som möjligt. Sprid information i dina kanaler och skriv gärna ut medföljande inbjudan och sätt upp i personalrum, på anslagstavlor etc.

Har du frågor eller funderingar tveka inte att kontakta Alexandra Andersson på mejl [email protected]

Gyncancerdagen 2025

AI förbättrar bedömning av tumörinfiltrerande lymfocyter i bröstcancer

Tumörinfiltrerande lymfocyter (TILs) har visat sig vara en viktig biomarkör för både prognos och behandlingseffekt vid trippelnegativ bröstcancer (TNBC). Högre nivåer av TILs korrelerar med förbättrad överlevnad, både med och utan adjuvant kemoterapi. Traditionellt har bedömningen av TILs utförts manuellt av patologer, men denna metod uppvisar stor variabilitet mellan olika bedömare. Artificiell intelligens (AI) har potential att radikalt förbättra bildanalys inom patologin genom att standardisera och automatisera bedömningen av TILs.

Utmaningar vid implementering av AI inom patologi

Trots förekomsten av flera kommersiella AI-system som fokuserar på histopatologi, har implementeringen av digital patologi inom vården varit långsam. Högkvalitativa AI-system för exempelvis cancerdetektion har funnits i flera år och har erhållit både CE- och FDA-godkännande. Ändå har deras införande i sjukvården på global nivå varit begränsad. Under de senaste åren har olika maskininlärningsmetoder utvecklats för att bedöma anti-tumörimmunitet, vilket har resulterat i ett flertal TIL-biomarkörer med potentiell klinisk tillämpning.

Studiedesign och metodik

I denna studie utvärderades tio icke-kommersiella AI-modeller för bedömning av TILs, med fokus på deras analytiska och prognostiska validitet. Modellerna testades på två kohorter: en retrospektiv analytisk kohort från USA (Yale School of Medicine) och en prospektiv kohort från Sverige (SCAN-B), bestående av patienter med TNBC. Den analytiska validiteten utvärderades genom korrelation med patologers manuella bedömningar av TILs, medan den prognostiska validiteten bedömdes genom modellernas förmåga att prediktera invasiv sjukdomsfri överlevnad (IDFS).

Resultat: Variation i analytisk och prognostisk validitet

Resultaten visade på betydande variationer i den analytiska validiteten mellan de olika AI-modellerna. Korrelationskoefficienterna varierade från 0,63 till 0,73 i den externa valideringskohorten, vilket indikerar en måttlig till god korrelation med manuella bedömningar. Gällande prognostisk validitet visade åtta av de tio modellerna statistiskt signifikanta resultat i den externa kohorten, med liknande och överlappande hazardkvoter (HR) för IDFS.

TILs som robust biomarkör

Resultaten tyder på att AI-modeller har robust prognostisk styrka och kan bedöma TILs i TNBC, även om de utvecklats med begränsade patientkohorter. TILs är en robust biomarkör, vilket sannolikt förklarar varför även modeller med mindre omfattande träning presterade väl. Dock uppstod skillnader i den analytiska prestandan vid jämförelse av korrelationen mellan AI-genererade TILs-poäng och patologers manuella bedömningar i interna och externa valideringskohorter. Alla AI-modeller uppvisade god korrelation i den interna valideringskohorten, men resultaten försämrades i den externa kohorten, vilket resulterade i endast måttlig korrelation. Dessutom ledde en ökning av träningskohortens storlek inte till förbättrade korrelationsresultat, vilket antyder att andra faktorer påverkar modellernas generaliserbarhet.

Läs hela artikeln

AI kan förbättra diagnostik av äggstockscancer

En ny internationell studie ledd av forskare vid Karolinska Institutet visar att AI-baserade modeller kan överträffa mänskliga experter i att identifiera äggstockscancer via ultraljudsbilder. Studien har publicerats i tidskriften Nature Medicine.

Tumörer i äggstockarna är vanliga och upptäcks ofta av en slump. Det råder brist på ultraljudsexperter på många håll i världen, vilket har lett till oro för onödiga ingrepp och försenade cancerdiagnoser. Därför ville vi undersöka om artificiell intelligens kan komplettera mänskliga experter, säger Elisabeth Epstein, professor vid institutionen för klinisk forskning och utbildning, Södersjukhuset, Karolinska Institutet och överläkare vid Kvinnokliniken, Södersjukhuset.

AI överträffar experter

Forskarna har utvecklat och validerat AI-modeller som kan skilja mellan godartade och elakartade äggstocksförändringar. Totalt använde de över 17 000 ultraljudsbilder från 3 652 patienter vid 20 sjukhus i åtta länder för att träna och testa AI-modellerna. Sedan jämförde de AI-modellernas diagnostiska förmåga mot en stor grupp experter och mindre erfarna ultraljudsundersökare.

Resultaten visade att AI-modellerna presterade bättre än både experter och mindre erfarna undersökare närdet gäller att identifiera äggstockscancer. De uppnåddeen genomsnittlig träffsäkerhet på 86,3 procent jämfört med 82,6 för experterna och 77,7 procent för de mindre erfarna undersökarna.

– Det tyder på att AI-modeller kan erbjuda ett värdefullt stöd i diagnostiken av äggstockscancer, särskilt i svårdiagnostiserade fall och i situationer där det råder brist på ultraljudsexperter, säger Elisabeth Epstein.

Minskat behov av remisser

AI-modellerna kan också minska behovet av remisser till experter. I en simulerad triage (prioritering av patienter) minskade AI-stödet remisserna med 63 procent, samtidigt som andelen felaktiga diagnoser minskade med 18 procent. Detta kan leda till snabbare och mer kostnadseffektiv vård för patienter med äggstocksförändringar.

Trots de lovande resultaten betonar forskarna att ytterligare studier behövs för att fullt ut förstå AI-modellernas potential och begränsningar i klinisk praxis.

– Med fortsatt forskning och utveckling kan AI-baserade verktyg bli en integrerad del av framtidens sjukvård som avlastar experter och optimerar vårdresurserna, men det är viktigt att säkerställa att de kan anpassas till olika kliniska miljöer och patientgrupper, säger Filip Christiansen, doktorand i Elisabeth Epsteins forskargrupp vid Karolinska Institutet och delad försteförfattare tillsammans med Emir Konuk vid KTH.

Läs hela artikeln