PEACE
AI-projekt der i realtid identificerer områder med cellulære forandringer (dysplasi) i kolposkopivideoer og viser disse som et visuelt overlay til klinikeren — med henblik på mere målrettede biopsier og bedre cervixkræftdiagnostik.
Beskrivelse af systemet
PEACE er et AI-projekt ved Gynækologisk og Obstetrisk Afdeling på OUH der anvender computer vision til at identificere områder med dysplastisk væv i realtid under kolposkopiprocedurer. Systemet viser AI-genererede visualiseringer som et overlay på kolposkopivideostrømmene og guider klinikeren til de steder, hvor cellulære forandringer er mest sandsynlige. Formålet er at muliggøre mere målrettede biopsier og reducere antallet af biopsier per patient. Projektet er finansieret af Region Syddanmarks Innovationsfond og gennemføres i samarbejde med SDU (Maersk Mc-Kinney Moller Instituttet), Cellari ApS og CAI-X.
Projektet løb fra januar 2023 til december 2024 og var finansieret af Region Syddanmarks Innovationsfond.
Systemet anvender computer vision og maskinlæringsalgoritmer til at analysere kolposkopivideoer i realtid og identificere mønstre der indikerer dysplastisk væv. AI-analysen vises som et visuelt overlay direkte i kolposkopibilledet, så klinikeren kan se hvilke områder der har størst sandsynlighed for cellulære forandringer og målrette biopsier derefter.
Systemet er udviklet og valideret på kolposkopidata og biopsidata fra cervixscreeningsprogrammer. Der er ikke fundet yderligere oplysninger om træningsdatasættets størrelse og sammensætning.
Systemet er designet til at understøtte — ikke erstatte — klinikeren under proceduren. Den endelige beslutning om biopsitagning forbliver hos den behandlende læge. Der er ikke fundet yderligere oplysninger om sikkerhedsforanstaltninger.
Der er ikke fundet oplysninger om pilotprojekter forud for det nuværende projekt.
Kolposkopi med biopsi er standardproceduren ved mistanke om dysplasi i livmoderhalsen, men biopsier er ubehagelige og ressourcekrævende. AI-guidet realtidsvisualisering kan reducere antallet af nødvendige biopsier per patient og forbedre præcisionen i diagnostikken, til gavn for både patienter og sundhedsvæsen.
EUCanScreen (PROJ-021): EU-projekt der forbereder implementeringsrammer for bl.a. cervixkræftscreening på europæisk plan. ALIVE (PROJ-022): Anvender ligeledes maskinlæring til billedanalyse af vævsprøver til kræftdiagnostik. DaiSiCaM (PROJ-023): AI til billedanalyse ved hudkræftdiagnostik med realtidsvejledning til klinikere.
Realtids-AI-overlay under kliniske procedurer kræver høj systemstabilitet og præcision — tekniske fejl eller forsinkelser under en procedure kan have direkte kliniske konsekvenser. Algoritmer udviklet på specifikke populationsdata kan have reduceret præcision på andre demografiske grupper.
Bidrag til offentlig-ai
Har du supplerende oplysninger, ønsker du ændringer som projektejer eller vil du give et bidrag til offentlig-ai.dk og vores arbejde med at synliggøre AI i den offentlige sektor?
Bidrag med oplysninger til offentlig-ai.dkStøt forskningen finansieltÆndringshistorik (1 opdatering)
Citér dette projekt
APA 7
Odense Universitetshospital. (2023). PEACE. I «Offentlig AI – Database over kunstig intelligens i den offentlige sektor». Tilgået 7. september 2026 fra https://offentlig-ai.dk/projekter/peace
Citér databasen
APA 7
Küçüksu, A., & Gyldenkærne, C. H. (2026). Offentlig AI - Kunstig Intelligens i det offentlige v2 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.20660412