Swedish Skin Cancer Artificial intelligence for eNhanced Diagnostic Accuracy tooL study (SSCANDAL)

Background: Misdiagnosis of skin cancer is common, which might lead to missed skin cancer with serious consequences for patients. On the contrary, benign skin lesions, mistaken for malignant, burden health care by unnecessary visits, biopsies, and pathology assessments. Therefore, new technologies are needed to improve diagnostic accuracy. Image analysis using a subclass of artificial intelligence have been shown to achieve diagnostic accuracy in parity with skin cancer experts. However, clinical testing of these AI:s is rare.
Objective: With a randomized, retrospective study we will evaluate the diagnostic accuracy in teledermoscopic assessments between teledermatologists receiving aid from a diagnstic AI-based tool, to teledermatologists without such aid.
Work plan: An AI algorithm classifying skin lesions into 9 classes, has been constructed. 2000 historic teledermascopic referrals will be reassessed by teledermatologists blinded to the prior consultation report. The assessments will be randomized regarding use of the AI-based tool. Diagnostic accuracy measures will be compared between the groups. In depth analyses will be performed for misdiagnosed cases. Acceptability and usefulness of the AI will be analysed. An application for a prospective randomized clinical trial will be prepared.
Importance: Increased diagnostic accuracy achieves better outcomes for patients and reduces the burden on health care.

Hudcancer är den vanligaste och snabbast ökande cancerformen i Sverige. Melanom är den mest aggressiva och bör upptäckas i tidigt stadium för att inte orsaka sjukdom och död. Flera andra hudcancerformer har god prognos men belastar sjukvårdssystemet enormt då de är så vanliga. Tyvärr är det ofta svårt att ställa rätt diagnos på hudförändringar, speciellt tidigt i sjukdomsförloppet, vilket kan ha flera ogynnsamma följdverkningar. Speciellt olyckligt blir det om hudcancrar missas, då det kan ha stora konsekvenser för individen. Det är dock också vanligt att ofarliga hudförändringar undersöks och provtas vilket leder till oro och ärr för individen och stora kostnader för samhället. För att öka den diagnostiska träffsäkerheten har vi skapat och tränat en diagnostisk algoritm med hjälp av artificiell intelligens, som ska användas som ett stöd när hudläkare diagnosticerar hudförändringar som fotograferats i primärvården på distans. Vi ämnar i den planerade studien undersöka om tillgången till ett sådant hjälpmedel förbättrar diagnostiken och handläggningen av hudtumörer utan att riskera försämrad patientsäkerhet. Vi börjar med en bakåtblickande studie som använder historiska fall i en databas men planerar samtidigt för en framåtblickande studie i pågående klinisk verksamhet. Med bättre diagnostisk träffsäkerhet får rätt patienter rätt vård vid första besöket i primärvården.