Kan ny teknik ge möjlighet till snabbare diagnostisering vid malignt melanom?

Ett mer aktivt solbadande och fler utlandsresor till sydliga breddgrader, både historiskt och idag, har bidragit till ökad solexponering av svenskarnas ofta solkänsliga hud. Det är troligen två förklaringar till den kraftiga ökningen av malignt melanom i Sverige under de senaste 15 åren. Men trots ökningen har mortaliteten varit konstant de senaste decennierna^1,2 vilket till viss del beror på en förbättrad diagnostik, men också mer effektivare behandlingar,³ där både erfarenhet och yrkesskicklighet inom behandlingsområdet varit av vikt för där vi står idag.

När nu siffrorna skjuter i höjden av nya malignt melanom fall, behöver vården då ställa om och tänka nytt för att möta den resursbrist som upplevs och för att säkerställa en sänkt mortalitetetsnivå? Kan samarbetet mellan olika professioner stärkas ytterligare och går det att lita på erfarenheten men samtidigt utmana för att hitta nya vägar och lösningar?

Källa: Cancerregistret och Dödsorsaksregistret, Socialstyrelsen

Hur möter vården den ökade mängden patienter med hudmärken?

Det råder resursbrist inom flera yrkeskategorier som har stor betydelse för cancervården och en kommande generationsväxling riskerar att förvärra situationen. Patologi och radiologi utgör områden med stora utmaningar när det gäller kompetensförsörjning redan idag. Eftersom de spelar en avgörande roll i fastställandet av diagnos och behandling blir det en viktig del att lösa om patient omhändertagandet ska säkras. Brister i vårdkedjan leder redan till långa väntetider och blir en ”flaskhals” i patientens väg genom cancervården.⁴

Att lösa kompetensförsörjningen inom patologi och radiologi är av vikt för att säkra det framtida patientomhändertagandet.

Den snabba ökningen av malignt melanom kommer leda till fler patienter och behov av mer vårdresurser. Hur handskas man då med dilemmat att vilja testa alla hudmärken/förändringar, gentemot att vara restriktiv – men samtidigt riskera att missa något? Harald Kittler, MD, Ao. Univ. Prof. Dr. Medical University of Vienna diskuterade på en föreläsning på Novartis fortbildningskurs för dermatologer om hur vi inte enbart kan förlita oss på erfarenhet vid diagnostik av melanom utan vi måste ständigt utmana oss själva för patientens bästa.⁵ Kan även nya innovativa lösningar bidra till att ge patienten de bästa förutsättningarna och samtidigt ge onkologen den fullständiga bild som behövs för att göra adekvata val i behandlingen? Idag ses många initiativ och engagemang för att förbättra framtidens vård. Den snabba utvecklingen av AI är en bidragande faktor till fler nya innovativa lösningar, som inte var möjliga för bara något år sedan.

AI i vården – lösning på snabbare diagnostisering?

Gävleborg ligger i framkant med att lotsa patienter rätt med sin satsning av autotriagering via 1177. Projektet syftar till att kapa mellanhänder i vårdkedjan och på så sätt få vården att räcka till personalmässigt.⁶ När en patient kontaktar 1177 hänvisas hen med hjälp av digitala verktyg direkt till korrekt vårdkontakt – oavsett om det är i primärvården eller i specialistvården. Vilket betyder att patienten är triagerad redan efter kontakt med 1177, oberoende av om prioritering gjorts digitalt eller per telefon via sjuksköterska.

Ref. Dagens Medicin 20246

I ambitionen att adressera resursbrist på radiologer, har man på St Görans sjukhus sedan en tid tillbaka ett AI drivet initiativ där en av två radiologer som arbetar med bröstcancerscreening ersatts med just AI. Införandet av AI innebär inte att datorn tar över, då algoritmen inte sätter någon diagnos, utan används som ett stöd i konsensusdiskussioner. Denna metod har i en vetenskaplig studie visat att man kan upptäcka fler fall av cancer samt att radiologer frigörs och kan arbeta med mer avancerad diagnostik.⁷

Även i Region Kronoberg har man funnit vägar för att använda AI till att kvalitetssäkra vården. På patologavdelningen i Växjö har man till exempel genom digital bildanalys ökat kvaliteten, effektiviteten och stärkt patientsäkerheten med hjälp av användning av AI-lösningar.⁸

Början på en ny era

Idag bedrivs gedigen forskning tack vare de senaste framstegen inom digital patologi och kraften av AI. Framstegen har möjliggjort att AI-assisterad histologi kan nyttjas för diagnostisering av genetiska förändringar. I stället för dagens PCR-metoder kan denna nya metod erbjuda innovativa möjligheter inom diagnostik av tumörmarkörer. I framtiden har AI-assisterad histologi potentialen att bli en kostnadseffektiv och snabb metod för att upptäcka genmutationer.^9–11 Skulle det kunna ge onkologer en större möjlighet att sätta in målriktad behandling tidigt?

Utvecklingen går snabbt när det kommer till nya behandlingar och antal patienter som diagnostiseras med tidigt malignt melanom. Om ny kunskap och nyttjande av de verktyg som finns tillgängliga på bästa möjliga sätt tas till vara går det trots resursbrist och andra hinder att erbjuda en effektiv vårdkedja.

Referenser

1. Cancerregistret. Socialstyrelsen [2023-09-04]. Tillgänglig från: https://www.socialstyrelsen.se/statistik-och-data/statistik/statistikdat...
2. Dödsregistret. Socialstyrelsen. [2023-09-04]. Tillgänglig från: https://www.socialstyrelsen.se/statistik-och-data/statistik/statistikdat...
3. https://www.cancerfonden.se/om-cancer/statistik/malignt-melanom-i-huden
4. https://cancercentrum.se/globalassets/vara-uppdrag/kompetensforsorjning/...
5. Harald Kittler, Early melanoma diagnosis, föreläsning under Fortbildningskurs för dermatologer, Bergendal, Sollentuna, 16-17 november 2023.
6. https://www.dagensmedicin.se/vardens-styrning/digitalisering/gavleborg-g...
7. https://capiostgoran.se/nyheter-pressrum/nyhetsarkiv/2023/ai-ska-hjalpa-...
8. https://www.regionkronoberg.se/nyheter/ai-ger-sakrare-svar-pa-patologen/
9. Anissa El Marrahi et al, NIPMAP: niche-phenotype mapping of multiplex histology data by community ecology, Nature Communications (2023).
10. Küchler L, Posthaus C, Jäger K, et al. Artificial Intelligence to Predict the BRAF V595E Mutation in Canine Urinary Bladder Urothelial Carcinomas. Animals (Basel). 2023;13(15):2404.
11. Alam MR, Seo KJ, Abdul-Ghafar J, et al. Recent application of artificial intelligence on histopathologic image-based prediction of gene mutation in solid cancers. Brief Bioinform. 2023;24(3):bbad151.