Fimlab har inlett införandet av AI-assisterad diagnostik inom patologins specialområde. AI-verktyg som är inriktade mot histologiska prov stödjer läkarens arbete, förbättrar diagnostikens noggrannhet och öppnar nya möjligheter för klassificering av cancersjukdomar.  

Vid den konkurrensutsättning som genomfördes förra året valde Fimlab flera leverantörer av AI-lösningar enligt ett ramavtal. I det första skedet, från och med mitten av september, börjar Fimlab använda AI-plattformar som har utvecklats av finska Aiforia och amerikanska Proscia. Dessa plattformar använder validerade AI-verktyg för analys av bröst-, prostata- och mag-tarmkanalens vävnadsprover.  

AI stödjer specialistläkarnas arbete  

AI-verktygen har validerats noggrant och deras användning övervakas kontinuerligt. AI analyserar det digitaliserade vävnadsprovet innan patologen gör sin bedömning. Läkaren granskar AI:s analys och ställer den slutliga diagnosen med stöd av den. Därefter överförs resultaten till patientdatasystemet. 

Enligt internationella studier kan AI snabba upp analysen och rapporteringen med upp till 20–40 procent beroende på provtyp. Särskilt vid klassificering av bröstcancer erbjuder AI lösningar som traditionell mikroskopi inte kan tillhandahålla.   

Införandet av AI är en del av Fimlabs bredare utvecklingsprocess för att möta det ökande antalet prover inom patologin och bristen på specialister.  

– AI ersätter inte specialistläkare, men den stödjer deras arbete och möjliggör snabbare och mer exakt diagnostik, säger Teemu Tolonen, avdelningsöverläkare vid patologin på Fimlab.  

Fimlab är en pionjär inom digital patologi 

Fimlab är en föregångare inom digital patologi i Finland. Digitaliseringen av vävnadsprover inleddes redan år 2021, och nu tar AI utvecklingen till en ny nivå. I framtiden kan AI-algoritmer även erbjuda självständiga prognosmodeller som stöd för behandlingsbeslut eller hjälpa till vid val av genetiska tester.  

Inom patologins specialområde stödjer AI diagnostiken genom att:  

• hjälpa till att hantera ökande provmängder och brist på specialister 

• förbättra diagnostikens kvalitet och enhetlighet 

• stödja läkarnas arbete utan att ersätta dem 

• möjliggöra nya former av diagnostik och i framtiden även utveckling av prognosmodeller.