SCAPIS AI platform

Purpose

SCAPIS AI platform syftar till att skapa en säker forskningsmiljö med tillgång till relevant infrastruktur, verktyg och processer för AI-utveckling, initialt på grundval av bilddata från SCAPIS. 

Bakgrund

Målet med den Svenska CArdioPulmonary bioImage Studien (SCAPIS) är att förutsäga och förebygga hjärt-kärlsjukdomar (CVD) och kronisk obstruktiv lungsjukdom (COPD). Målet är att ytterligare utveckla individualiserad behandling och förbättra hälso- och sjukvården genom att bygga en nationell, öppen tillgång, populationsbaserad kohort.

SCAPIS är en unik studie som har rekryterat och undersökt 30 000 män och kvinnor i åldrarna 50 till 64 år med detaljerade bild- och funktionsanalyser av det kardiovaskulära och pulmonära systemen.

Huvudfinansiären av SCAPIS är Svenska Hjärt-Lungfonden med betydande stöd från Knut och Alice Wallenbergs stiftelse, Vinnova, Vetenskapsrådet och de deltagande universiteten och universitetssjukhusen.

Det finns ett betydande behov av säker tillgång till högkvalitativa medicinska data och kraftfulla databehandlingsresurser för att möjliggöra forskning och utveckling av AI-lösningar som kommer att leda till mer individualiserad vård, förbättrade diagnostiska metoder och mer förebyggande åtgärder. SCAPIS är en unik svensk populationsstudie finansierad av Svenska Hjärt-Lungfonden som har utvärderat tillståndet hos hjärtan och lungor hos 30 000 slumpmässigt utvalda män och kvinnor i åldrarna mellan 50 och 64. Syftet med SCAPIS studien är att kunna identifiera individuella risker för till exempel stroke, COPD, plötslig hjärtstopp, hjärtinfarkt och andra hjärtsjukdomar. Målet är att förvärva mycket större kunskap om sjukdomens ursprung för att kunna förebygga den innan den inträffar.

SCAPIS databas innehåller en datamängd som är den enda i sitt slag i världen. I Sverige finns flera andra samlingar av högkvalitativa medicinska data där AI kan ge en bättre förståelse för sjukdom och, viktigt nog, identifiera möjliga förebyggande och förutsägande åtgärder.

Problemet är att medicinska data är känsliga till sin natur. Det är ofta nödvändigt att följa upp individuella patienter i framtiden, vilket innebär att data inte alltid kan anonymiseras. Därför måste det vara möjligt att genomföra forskningen utan att sätta den personliga integriteten på spel. Inom detta område tittar vi på två olika lösningar. Den ena är en säker, innesluten miljö för AI-utveckling och den andra innebär generering av syntetiska data som motsvarar SCAPIS bilderna utan att vara faktiska bilder. Tekniken bakom deepfake-videor kommer att användas för att generera nya medicinska bilder som kan delas mer öppet.

Kontakt