Sam Polesie

Sam Polesie är docent, överläkare och adjungerad universitetslektor vid Sahlgrenska universitetssjukhuset, Hud- och könssjukvården. Han är forskningsanknuten till Avdelningen för dermatologi och venereologi vid Institutionen för kliniska vetenskaper, Sahlgrenska akademin, Göteborgs universitet.

Han kombinerar kliniskt arbete med forskning och undervisning med fokus på hur bilddiagnostik och maskininlärning kan förbättra diagnostik, riskbedömning och beslutsstöd inom hudcancersjukvård. 

Fokusområde 

Sams forskning är inriktad på utveckling och klinisk validering av AI-baserade metoder för diagnostik av hudcancer, särskilt melanom och skivepitelcancer. Arbetet omfattar analys av kliniska och dermatoskopiska bilder med hjälp av konvolutionella neurala nätverk samt utveckling av registerbaserade riskprediktionsmodeller. Ett centralt mål är att skapa tillförlitliga beslutsstöd för mer personanpassad diagnostik och möjliggöra riktad screening baserad på individuella riskprofiler. 

Utvalda publikationer 

Gillstedt M, Polesie S. 
Ability to Predict Melanoma Within 5 Years Using Registry Data and a Convolutional Neural Network: A Proof of Concept Study. 
Acta Derm Venereol. 2022. 


Polesie S, Gillstedt M, Kittler H, m.fl. 
Assessment of melanoma thickness based on dermoscopy images: an international diagnostic study. 
J Eur Acad Dermatol Venereol. 2022. 


Liang V, Engström E, Gillstedt M, m.fl., Polesie S. 
Assessing differentiation in cutaneous squamous cell carcinoma: A machine learning approach. 
JAAD International. 2025. 


Gillstedt M, Hedlund E, Paoli J, Polesie S. 
Discrimination between invasive and in situ melanomas using a convolutional neural network. 
J Am Acad Dermatol. 2022. 


Papachristou P, Söderholm M, Pallon J, m.fl., Polesie S. 
Evaluation of an AI-based decision support for detection of cutaneous melanoma in primary care: a prospective clinical trial. 
Br J Dermatol. 2024. 

Pågående & planerade forskningsprojekt 

  • AI för diagnostik av hudtumörer 
    Utveckling och validering av maskininlärningsmodeller för att särskilja invasiva och in situ-melanom. 
  • AI-baserad bedömning av melanomtjocklek 
    Huvudprövare för klinisk studie av AI-verktyg för preoperativ tjockleksbedömning. 
  • Registerbaserade riskprediktionsmodeller 
    Utveckling av modeller för hudcancerrisk baserat på svenska hälsoregister och maskininlärning.

Handledningsengagemang 

Huvudhandledare för doktorand 
Biträdande handledare för flera pågående doktorandprojekt