Tjocktarmscancer är den tredje vanligaste cancertypen i Nederländerna. Tjocktarmscancer orsakas av utvecklingen av polyper till tjocktarmscancer. För att upptäcka tjocktarmscancer och pre-stages i rätt tid infördes den rikstäckande populationscancerstudien 2014 på grundval av ett avföringstest. Alla personer med ett positivt avföringstest rekommenderas att genomgå en koloscopy för att se, ta bort och patologiskt analysera polyper. Införandet av befolkningsundersökningen har resulterat i en årlig ökning av antalet coloscopies, vilket endast kommer att öka till följd av åldrandet. Detta leder till långa väntelistor och ökade kostnader. För närvarande skickas alla polyper in för patologisk forskning. Omkring 80 till 90 % av alla dessa polyper är små polyper med minimal risk för tjocktarmscancer. På grund av den höga prevalensen av små polyper med vid den tiden minimal risk för tjocktarmscancer, har den ”optiska diagnosstrategin” utvecklats. Vid användning av den ”optiska diagnosstrategin” bedöms små polyper i tjocktarmen av endoscopisten med hög eller låg säkerhet. Med hög säkerhet tar denna strategi bort den lilla polypen och kastar bort den utan bedömning av patologen. Samtidigt lämnas små hyperplastiska polyper in situ eftersom de anses vara oskyldiga. Men om en endoscopist kan göra en optisk diagnos baserad på polypens utseende endast med låg tillförlitlighet, skickas polyp till patologen. Den optiska diagnosstrategin leder till en betydande minskning av tiden och kostnaderna för koloskopi. Dessutom bidrar innovationen till att minska risken för komplikationer, eftersom inte varje polyp måste avlägsnas längreRekta studier visar att den diagnostiska noggrannheten i denna ”optiska diagnosstrategi” är mycket beroende av träning och erfarenhet av endoscopisten. För att öka den optiska diagnosens noggrannhet har den senaste forskningen om datorstödd diagnos (CAD) genomförts. Artificiellt intelligenta program kan utvecklas som hjälper endoscopists i den exakta klassificeringen av polyper. Trots att artificiell intelligens har visat sig vara ett diagnostiskt verktyg i nyligen publicerade internationella studier används denna teknik ännu inte i en operativ miljö. Mot bakgrund av ovanstående vill projektpartnerna utveckla ett klassificeringsverktyg, kallat POLAR, för polyper. Genom att använda konvolutionella neurala nätverk avser projektpartnerna att införliva den gyllene standarden för patologisk analys i ett system för att på ett betydande sätt bidra till tillförlitligheten i den ”optiska diagnosstrategin” och hållbarheten i den nederländska vården. Projektet bidrar till att öka värdet och innovationen inom ZiuZ och relevanta små och medelstora företag. Samarbetet mellan ZiuZ, AMC/AMR, MCL och Society är ett bra exempel på en övergång mellan ”livsvetenskap” och ”högteknologisk” sektor. Projektet passar också sömlöst med samhällsutmaningen ”hälsa, demografi och välbefinnande”. Med detta projekt tänker projektpartnerna tänja på gränserna för artificiell intelligens inom hälso- och sjukvården. De tekniker som används av ZiuZ vid utvecklingen av klassificeringsverktyget, t.ex. konvolutionella neurala nätverk, är mycket innovativa tekniker och utgör de nuvarande spjutspetsarna för forskning om artificiell intelligens. Särskilt i den medicinska världen är dessa tekniker fortfarande mycket begränsade. Innovativ är också utvecklingen av ett verktyg som kan klassificera polyper på makroskopisk nivå. Projektpartnerna räknar med att ha stor inverkan på minskningen av hälso- och sjukvårdskostnaderna i Nederländerna, Europa och USA. De första numeriska analyserna visar att POLAR leder till besparingar på tiotals miljoner. Dessutom ökar efterfrågan på artificiell intelligens inom hälso- och sjukvården enligt forskningsföretaget Gartner. Med en ny inkomstmodell, ZiuZ förväntar sig sjukhus att gå ombord lätt. Utifrån detaljerade beräkningar anses det rimligt att POLAR kan uppnå en omsättning på 6,1 miljoner euro 2025 och en personalökning på 18,7 heltidsekvivalenter. Detta är högkvalitativa jobb.Den viktigaste aspekten av hållbarhet är att det finns en optimering av klassificeringen av polyper. Detta bidrar i hög grad till att hålla vården överkomlig. Dessutom minskar risken för komplikationer. Det leder också till en mycket snabbare diagnos för en grupp patienter, vilket minskar stress. Utredningen kommer att genomföras i enlighet med den allmänna dataskyddsförordningen.