Bakgrunn
Uvealt melanom er den vanligste primære kreftformen i øyet hos voksne. Forekomsten i Europa følger en nord–sør-gradient, og Norge og Danmark rapporterer over åtte tilfeller per million. Ved Oslo universitetssykehus (Oslo University Hospital/OUH) behandles rundt 40 pasienter årlig.
I preklinisk forskning brukes ofte 3D-tumorsfæroider, som er tredimensjonale klynger av kreftceller, men analyser og effektmålinger blir likevel ofte dominert av 2D-bilder eller indirekte mål. Samtidig kan tradisjonell histologi være ressurskrevende og vanskelig å rekonstruere presist i 3D (tap/artefakter i snitt). Kontrastforsterket mikro-CT kan gi et volumetrisk “forhåndsbilde” av hele prøven og støtte mer målrettet og robust sammenstilling med histologi.
Om prosjeketet
SPOTMEL (Advanced 3D Imaging and Deep Learning Detection for Uveal Melanoma) er et tverrfaglig prosjekt som utvikler en helhetlig metodeplattform for å studere og påvise uvealt melanom (UM). Kjernen i forskningsprosjeket er å kombinere:
- biologisk relevante 3D-tumormodeller,
- kontrastforsterket nano-/mikro-CT for ikke-destruktiv 3D-avbildning av bløtvev (ned mot submikron oppløsning), og
- dyp læring (KI) for automatisert tumordeteksjon, segmentering og mer “histologi-lik” visualisering av 3D-data.
- Prosjektets arbeid er organisert i tre arbeidspakker (WP1–WP3) med planlagt aktivitet gjennom 2026–2029.
Dette vil SPOTMEL oppnå
Målet med SPOTMEL er å bygge en helhetlig og mer presis 3D-metodeplattform for uvealt melanom, der biologiske modeller, avansert avbildning og kunstig intelligens utvikles og valideres i sammenheng. Først skal prosjektet etablere og karakterisere biologisk relevante 3D-sfæroider som inkluderer både uvealt melanom-celler og normale koroidale melanocytter. Dette gir et mer realistisk bilde av tumor–mikromiljøet og gjør ex vivo behandlingstesting mer relevant enn enklere modeller.
Deretter skal SPOTMEL utvikle og optimalisere kontrastforsterkede nano-/mikro-CT-protokoller for bløtvev, slik at tumorarkitektur og tumorgrense kan visualiseres tydelig i tre dimensjoner. Dette innebærer systematisk optimalisering av kontrast/staining og utnyttelse av avanserte CT-systemer for høyoppløselig 3D-avbildning.
Til slutt skal prosjektet utvikle og validere KI-modeller basert på dyp læring som kan automatisere segmentering og klassifisering av tumor i 3D-data. Ambisjonen er både å redusere manuelt tolkningsarbeid og å gjøre 3D-volumer mer tolkningsvennlige, slik at resultatene lettere kan brukes i forskning og – på sikt – i klinisk relevante arbeidsflyter.
Bærekraft og ressursbruk
Prosjektet legger opp til mer digitaliserte arbeidsflyter og avanserte in vitro-modeller, og oppgir at ingen dyr er planlagt brukt.
Partnere
Prosjektet ledes av Håvard Jostein Haugen ved UiO (Avdeling for biomaterialer), som er prosjektleder og ansvarlig for arbeidspakke 2 (WP2) om kontrastforsterket nano-/mikro-CT. Goran Petrovski leder arbeidspakke 1 (WP1), som omhandler utvikling av en biologisk relevant UM-modell. WP1 gjennomføres i tett samarbeid med Hanne Scholz og Athina Samara, som sammen med Petrovski leder arbeidet med 3D-sfæroider og cellekultur. Farhan Akram ved Erasmus MC – University Medical Centre Rotterdam leder arbeidspakke 3 (WP3), der det utvikles dyp læring-metoder for tumorgjenkjenning i 3D-data. CHU de Québec–Université Laval (nanopartikler)
Klinisk/brukernær forankring og økosystem
Den kliniske og brukernære forankringen i SPOTMEL sikres gjennom et bredt økosystem av samarbeidspartnere. Prosjektet knyttes tett til Centre for Eye Research and Innovative Diagnostics ved Oslo universitetssykehus (OUS/OUH), som bidrar med klinisk kompetanse og relevans innen uvealt melanom. På metode- og analyse¬siden støttes arbeidet av Biomedical Imaging Group Rotterdam ved Erasmus MC, som er et sentralt fagmiljø for utvikling av kvalitet og robusthet i KI-basert bildetolkning.
For å styrke avbildningsprotokollene bidrar Centre de recherche du CHU de Québec–Université Laval med funksjonelle nanopartikler som kan forbedre visualisering av tumor i 3D, inkludert partikler i nanometerskala. Videre bidrar Oncosyne AS med en klinisk plattform for in vitro legemiddelscreening og funksjonelle data som kan kobles mot avbildning og KI-modeller.
Prosjektet vil også bruke Oslo Cancer Cluster som arena for formidling, workshops og kobling mot translasjon og innovasjon. I tillegg inngår EATRIS som en pan-europeisk translasjonsinfrastruktur, blant annet med støtte knyttet til implementeringsnære spørsmål. Brukerperspektivet ivaretas gjennom involvering av pasientorganisasjoner, som bidrar med pasientnær innsikt og innspill til relevans og kommunikasjon.