Prostatacancer (PCa) och benign prostatahyperplasi (BPH) är betydande hälsoproblem, särskilt bland åldrande manliga populationer. Nuvarande diagnostiska metoder är invasiva och saknar ofta specificitet, vilket leder till onödiga biopsier och överdiagnostik. Detta förslag syftar till att vidareutveckla ett icke-invasivt diagnostiskt tillvägagångssätt som använder kärnmagnetisk resonans (NMR) metabolomik kombinerat med maskininlärningstekniker (ML) för att effektivt skilja mellan PCa och BPH. Framgångsrik implementering av detta projekt skulle kunna revolutionera prostatahälsodiagnostik och erbjuda ett icke-invasivt, pålitligt och kostnadseffektivt alternativ till nuvarande metoder. Resultaten kommer att inkludera vetenskapliga publikationer med öppen tillgång, ett validerat diagnostiskt verktyg och en skalbar metod som kan tillämpas på andra typer av cancer och kroppsvätskor, och därigenom bredda dess samhälleliga påverkan.

2025

2026