Bröstcancer är den vanligaste cancersjukdomen i Sverige. Trots förbättrad överlevnad insjuknar över 20% av bröstcancerpatienterna med återfall, ofta många år efter operationen. Klinisk patologi är den specialitet som ansvarar för att ställa cancerdiagnos och utreda möjliga behandlingars effektivitet. Hos ungefär hälften av patienterna kan man inte säkert avgöra om patienten har en aggressiv sjukdom som kräver cytostatika eller en snällare sjukdom där operation och strålbehandling är tillräckligt. Onödig överbehandling är kostsam och ger onödiga biverkningar för patienten. Molekylära analyser kan användas för att ge ytterligare information om patientens risk för återfall. Tyvärr är molekylära analyser dyra (25-35 KSEK per analys) och tidskrävande (1-4 veckor innan svar). Det gör att flertalet patienter inte får tillgång till molekylära analyser. Genom forskning på Karolinska Institutet har vi utvecklat en metod som med hjälp av AI-baserad bildanalys kan ge likartad information om patientens risk för återfall direkt från den mikroskopibild som patologen analyserar vid diagnostik. Genom bildbaserad riskanalys kan både kostnaden sänkas radikalt och tiden till fullständig diagnos från veckor till minuter. Metoden är vetenskapligt publicerad, vidareutvecklad via ett KI-Innovations startup; Stratipath, till en kliniskt godkänd produkt. Metoden används nu i rutinsjukvården vid flera svenska sjukhus och möjliggör att alla bröstcancerpatienter kan få tillgång till en kostnadseffektiv riskanalys. Stratipath fick Athenapriset 2022 och grundarna bakom Stratipath fick Karolinska Insitutets pris för Innovation och nyttogörande 2023.