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

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

Ny studie banar väg för effektivare behandling av barncancer

Forskare vid Karolinska Institutet och Astrid Lindgrens barnsjukhus har kartlagt hur barns immunsystem reagerar vid olika typer av cancer och beroende på barnets ålder. Studien, som publicerats i tidskriften Cell, avslöjar betydande skillnader mellan barns och vuxnas immunsvar och kan leda till nya skräddarsydda behandlingar för barn med cancer.

Immunsystemets aktivering är avgörande för vår förmåga att bekämpa cancer men skiljer sig åt mellan barn och vuxna. För att effektivt kunna behandla barncancer behöver vi ta reda på hur barns immunsystem aktiveras och regleras vid cancer och vilka faktorer som påverkar immunsvaret, berättar Petter Brodin, professor i barnimmunologi vid institutionen för kvinnors och barns hälsa, Karolinska Institutet, och barnläkare vid Astrid Lindgrens barnsjukhus, Karolinska Universitetssjukhuset.

Ny dimension inom precisionsmedicin

Studien omfattar 191 barn i åldern 0–18 år med olika typer av solida tumörer som diagnostiserats vid Astrid Lindgrens barnsjukhus mellan 2018 och 2024. Forskarna har analyserat tumörvävnad och blodprover för att ta reda på vilka genetiska förändringar som finns i tumören och vilka gener som är aktiva och inte i immunsystemet.

– Precisionsmedicin inom cancer har tidigare mest fokuserat på tumörens egenskaper. Genom att kartlägga immunsystemets egenskaper tillför vi en helt ny dimension som kan få stor betydelse för hur barncancer behandlas i framtiden, säger Petter Brodin.

Skillnad mellan barn och vuxna

Resultaten visar att barns immunsystem reagerar annorlunda vid cancer jämfört med vuxnas och att olika tumörer aktiverar immunsystemet i olika grad.

– Vi kan se att barns tumörer generellt är mindre inflammationsdrivande och har färre mutationer, vilket gör att de troligen upplevs som mindre främmande av immunsystemet. Det gör att immunsystemet inte reagerar lika kraftigt för att bekämpa tumören, förklarar Petter Brodin.

– Med det sagt så finns det stora individuella variationer, vilket visar på vikten av precisionsmedicin, det vill säga att anpassa behandlingen för varje patient. Vår studie visar hur detta kan genomföras i praktiken, fortsätter han.

Läs hela artikeln