Introduktion: Mammografiscreening är i dagsläget förstahandsmetoden för att undersöka kvinnor i förebyggande syfte för att upptäcka bröstcancer i ett tidigt skede och därefter kunna starta behandling i ett så tidigt skede som möjligt. Utvecklingen inom radiografi går snabbt framåt och det kommer hela tiden nya metoder som gör det lättare att ställa säkrare diagnoser och att spara både resurser och tid. Automatiserat bröstultraljud (ABUS) är ett exempel på hur tekniken inom radiografi har gått framåt och underlättar och förbättrar bröstcancerdiagnostik som ett komplement till bildtagning, och inte minst hjälper till att minska antalet falsktpositiva besked, väntetider och antalet återkallade patienter. En återkallelse kan uppfattas av kvinnorna som en indikation på bröstcancer och leder till oro och ångest, vilket skulle kunna undvikas med integration av ABUS-teknik i samband med bildtagning. Syfte: Att beskriva antal och väntetid för kompletterande undersökningar med ultraljud efter mammografiundersökning på en mammografienhet i Sverige. Metod: En retrospektivkvantitativ studie utfördes med data inom ett givet tidsintervall som hämtades från en digital patientlista där samtliga patienter återkallats för kompletterande undersökning efter bildtagning. Studien genomfördes på ett mellanstort sjukhus i mellersta Sverige. Resultat:Studiens resultat visade att en övervägande del av patienterna efter bildtagning blivit återkallade för kompletterande undersökningar för att få en säkrare diagnos. En stor del av de återkallade patienterna friskförklarades utan andra åtgärder än ultraljud och tillhörande klinisk undersökning, vilket kan tyda på att ett automatiserat ultraljud (ABUS) i direkt samband med undersökningen skulle kunna undvika många återkallelser. Slutsats: Med en ultraljudsundersökning i direkt anslutning till bildtagningen ges möjlighet att undvika onödiga återkallelser. Patienten slipper också väntetiden mellan bildtagning och uppföljande ultraljud och oron som detta innebär. En undersökning med ABUS behöver ej utföras av radiolog utan kan utföras av sjuksköterska/röntgensjuksköterska.

Breast cancer is the most common form of cancer for women around the world. In an attempt to decrease the mortality, women in Sweden between the ages of 40-74 years are called to regular mammography screenings to detect the disease as early as possible. Despite this, around 1400 die from the disease every year in Sweden. Every mammography image has to be analyzed by two radiologists. Despite this and regular screening, there are cases that go unnoticed. The factors that lessen the effectiveness of the system are that some cases go unnoticed and analyzing the mammography images is time consuming. This paper has investigated whether AI can be used to help solve these issues. Earlier research examines both of these aspects. Algorithms performing at approximately the same level of accuracy as radiologists and lessening the workload for examining radiologists has been developed [1]. This paper examined how to develop a similar simplified algorithm, how it can be implemented in healthcare and what the consequences of that would be. Hopefully, usage of similar technology will lead to a decrease in mortality and more accurate assessments. The study was conducted by interviewing two experts within the subject, and an attempt to develop an algorithm that through image analysis can classify tumours from mammography images.  The result shows that there is a big potential for using AI within healthcare, and by that enabling more accurate diagnosis and reducing mortality. During development of the algorithm a deeper understanding of the difficulties was given, such as the need for adequate processing power, processing and organization of image databases and the complexity in developing such a ML-algorithm for image analysis. The developed algorithm performed slightly better than random when detecting breast cancer on mammography images. / Bröstcancer är den vanligaste cancern bland kvinnor i världen. För att minska dödligheten kallas kvinnor i Sverige mellan 40-74 år regelbundet till mammografiscreening, i syfte att upptäcka tumörer i tid. Trots detta avlider ca. 1400 av sjukdomen varje år. Varje mammografibild granskas av två läkare. Trots detta och regelbunden screening finns det fall som missas. De faktorer som gör att systemet inte fungerar optimalt idag är att viss cancer inte upptäcks i tid samt att analysering av mammografibilderna är tidskrävande. Det här arbetet har undersökt huruvida användning av AI kan bidra till att lösa dessa problem. I tidigare forskning undersöks även båda dessa aspekter. Det har utvecklats AI-algoritmer som presterar ungefär i nivå med radiologer samt minskar arbetsbördan för undersökande radiologer [1]. I detta arbete undersöktes hur utvecklandet av en liknande algoritm går till, hur den faktiskt kan implementeras i sjukvården samt vilka konsekvenser detta kan ha. Förhoppningsvis kan tillämpning av liknande teknik leda till minskad dödlighet och säkrare bedömning. Studien genomfördes med intervjuer av två experter inom området, samt försök att utveckla en förenklad algoritm som genom bildanalys kan klassificera tumörer från mammografibilder. Resultatet visade att det finns stor potential för att använda AI inom sjukvården och med hjälp av detta uppnå säkrare bedömning och färre dödsfall. Under utvecklingen av algoritmen gavs en djupare förståelse för de svårigheter som uppkommer i utvecklandet av en sådan algoritm; såsom de krav på tillgänglig processorkraft, behandling och organisering av bilddatabaser och komplexiteten i att utveckla en maskininlärningsalgoritm för bildanalys. Algoritmen som utvecklades presterade något bättre än slumpen i detektion av tumörer på mammografier.

Inledning: Varje dag får ca. 170 kvinnor runt om i världen diagnosen bröstcancer. Förstahandsmetoden för screening av brösten är i dagsläget mammografi. Studier visar på att kvinnor med täta bröst får inte rätt diagnos med enbart mammografiundersökning. Denna litteraturöversikt tar upp alternativa undersökningsmetoder för att diagnostisera och behandla bröstcancer hos kvinnor med täta bröst. Syfte: Syftet med denna litteraturöversikt var att sammanställa betydelsen av magnetresonanstomografi- samt ultraljud vid utredning av täta bröst. Metod: Studien utfördes som en allmän litteraturöversikt där 15 kvantitativa artiklar granskades efter sökningar i både PubMed och Cinahl. Resultat: Resultatet av samtliga artiklar visar att ultraljud och magnetresonanstomografi kan användas för att utesluta misstänka patologier som hittas vid mammografiundersökningar av täta bröst. Dessa artiklar lyfter också fram att det finns samband mellan bröstdensitet och fastställandet av korrekt diagnos, då bröstkörtlar kan tolkas som misstänka patologier i mammografibilderna.  Slutsats: Med kunskap samt adekvat information till kvinnor som har täta bröst är modaliteter som MRT och ULJ ett komplett att upptäcka bröstcancer i tid. Kvinnor som får diagnosen bröstcancer i ett tidigt skede kan snabbt få hjälp och därmed ökar också överlevnadschansen.