Kunstig intelligens har revolusjonert den medisinske diagnostiseringen, poengterer forsker Kyrre Emblem på Avdeling for diagnostisk fysikk ved Oslo universitetssykehus.
I samarbeid med blant andre medisinere, informatikere og fysikere ved UiO forsker han på hvordan kunstig intelligens kan brukes til å slå fast hvordan kreft oppfører seg i hjernen. Hvert år får flere hundre nordmenn denne skumle sykdommen. Halvparten av dem har spredning av kreft fra andre steder i kroppen.
For å oppdage og følge opp sykdommen, må radiologene ta bilder av hjernen. Selv om radiologene er svært erfarne, kan det være vanskelig for dem å se hva som er en voksende kreftsvulst og hva som er arrvev fra behandlingen. Radiologene treffer blink ni av ti ganger. Det betyr at de ikke fanger opp endringer hos hver tiende kreftpasient.
Hjernekreft-undersøkelser
Hjernekreft kan undersøkes med MR, CT, PET og ultralyd.
Undersøkelsen kan si hvor alvorlig kreften er og hvordan behandlingen virker.
Det er vanskelig å skille kreftsvulst og arrvev fra behandlingen. Radiologene treffer blink bare ni av ti ganger.
Med kunstig intelligens kan radiologene få langt mer presise svar.
– Sykdomsområdene kan være ørsmå og vanskelige å finne. Når legene har identifisert sykdommen, må de beskrive hvor alvorlig kreften er. De må dessuten finne ut av hvordan pasientene responderer på behandlingen.
Uansett om pasientene blir undersøkt med MR, CT eller ultralyd, er undersøkelsene så avanserte og komplekse og bildene så mange at radiologene ikke har kapasitet til å tolke alle sammen.
– Det er nesten en umenneskelig oppgave å tolke alle disse bildene manuelt, forteller Emblem.
Leter etter kreftmønstre
Radiologene har derfor i lengre tid brukt dataprogrammer som ser etter bestemte kreftmønstre i bildene. Mørke partier eller bestemte geometriske former kan tyde på kreft. Radiologene har selv definert hva datamaskinen skal lete etter og hva som er forskjellen på friske og syke pasienter.
– Denne måten å tolke sykdommen på er ikke helt optimal.
Kunstig intelligens
Nå kommer kunstig intelligens dem til unnsetning.
– Med kunstig intelligens blir dataene i bildene utnyttet på en langt bedre måte, forteller Kyrre Emblem.
Han er fysiker med doktorgrad i medisinsk bildediagnostikk og har fått 14 millioner kroner i støtte fra Det europeiske forskningsrådet (ERC) for å forske på hvordan kunstig intelligens kan brukes til å undersøke hjernekreft. Han leder nå en gruppe på 15 forskere som skal finne ut av hvordan kunstig intelligens kan hjelpe radiologer med å diagnostisere pasienter og følge med på hvordan sykdommen utvikler seg.
Med kunstig intelligens er det mulig å hente ut langt mer bildeinformasjon enn med dagens tradisjonelle metoder.
Mindre kontrastmiddel
Med kunstig intelligens er det dessuten mulig å finne informasjon med mindre datamengder. Det betyr kortere undersøkelser og forhåpentligvis mindre bruk av kontrastmidler, som kreftpasientene må ta før de gjennom lyses. Når kontrastmiddelet tas opp i kroppen, kan radiologene følge med på blodgjennomstrømningen. Kontrastmiddelet i MR inneholder uheldigvis metallpartikler. De kan gi bivirkninger. I PET-analyse brukes radioaktive stoffer. PET er spesielt egnet til å lokalisere kreftsvulster.
– Om vi greier å redusere bruken av kontrastmiddel, vil det være et stort fremskritt, sier Emblem.
Ikke bare blir belastningen mindre for pasientene. Sykehusene kan også spare penger. Noen av dagens undersøkelser tar så lang tid som halvannen til to timer. Hvis lengden på undersøkelsene kan forkortes, kan radiologene ta imot flere pasienter.
Lærer selv
Før radiologene kan bruke kunstig intelligens i arbeidshverdagen sin, må datamaskinen trenes opp til å lære å finne forskjellen på friske og syke pasienter. Radiologene definerer med andre ord ikke hva som skiller de to pasientkategoriene fra hverandre. Det må datamaskinen selv finne ut av.
Når datamaskinen er trent opp, skal den kunne skille mellom hvem som har og ikke har kreft.
– Dette er en vesentlig forskjell fra dagens metode. I dag er det i stor grad bestemt hvordan datamaskinen skal tolke bildene. Det nye er at datamaskinen selv skal tolke bildene, forklarer Emblem.
Et av de store, generelle ankepunktene mot kunstig intelligens har vært at man ikke vet hvordan datamaskinen tolker dataene.
– Når datamaskinen selv skal finne forskjellene på bildene, er det ikke alltid mulig for radiologene å skjønne hvordan den skiller mellom syke og friske.
Radiologer over hele verden forsøker nå å forstå hvorfor svarene blir som de blir. De ønsker med andre ord at maskinen skal bli «gjennomsiktig».
– Dette er et viktig poeng. For en behandlende lege er det etisk vanskelig hvis datamaskinen foreslår noe legen er uenig i og det ikke finnes noen forklaring på konklusjonen til datamaskinen, selv om det i aller høyeste grad kan tenkes at datamaskinen har rett.
Det er derfor viktig for Kyrre Emblem å få mest mulig informasjon om hvordan datamaskinen har kommet frem til resultatene sine. Han påpeker likevel at den kunstige intelligensen ikke skal overta arbeidet til radiologene. Den skal bare bli et supplement.
– Radiologene er ekstremt gode til å gjenkjenne sykdommer og forstå dem. Det fine er at legen kan ta en beslutning i samråd med datamaskinen. Maskinen kan derfor redusere risikoen for menneskelige feil, poengterer han.
Kunstig intelligens treffer blink i 90 til 95 prosent av tilfellene. En vesentlig fordel er at denne metoden alltid vil gi det samme svaret på de samme bildene, mens eksperter kan gi ulike svar.
– Oppsummert er poenget med kunstig intelligens sikrere og raskere behandling og færre feildiagnoser.
Vil du ha flere forskningsnyheter om realfag og teknologi: Følg Titan.uio.no på Facebook eller abonner på nyhetsbrevet vårt
Internasjonalt hot
Radiologer over hele verden har de siste årene kastet seg på bølgen. Kunstig intelligens er blitt et hot tema på alle mulige internasjonale konferanser for radiologer.
Norske forskere har en stor fordel. Forklaringen ligger i datamaterialet. Norge har systematisk, over lang tid, samlet inn data på alt om kliniske forhold, pasientenes sykdomshistorier og hvordan det har gått med dem.
– Vi har hele forløpet til norske pasienter fra de har kommet inn på sykehuset og gjennom hele sykdomsperioden.
Den norske behandlingen er dessuten standardisert. Kyrre Emblem har derfor tilgang til det som kalles for homogene data.
– Jeg får ukentlig henvendelser fra forskere over hele verden som ønsker å samarbeide med oss. Deling av data er helt avgjørende for best mulig å kunne utnytte kunstig intelligens.
Forskningen deres har allerede vist lovende resultater. Nå ønsker Kyrre Emblem å prøve ut det nye systemet for å se om metoden også fungerer i den kliniske hverdagen.
Emblems gruppe har ikke utviklet dataprogrammene selv. Blant annet bruker de Googles programvare for kunstig intelligens. Google har programvare som folk over hele verden bruker for å kategorisere bilder, slik som å skille mellom bilder av katt og hund.
– Vi slipper derfor i stor grad å finne opp hjulet på ny. Det er likevel ikke sikkert at programvaren fra Google er egnet til å følge opp en sykdom over tid. Da må man i større grad tilpasse modellene, endre på parametrene og kunne mestre strukturen til algoritmene, den logiske oppskriften i et dataprogram, poengterer Kyrre Emblem.
Mye å vinne
Nevroradiolog Paulina Due-Tønnessen, leder for Klinikk for radiologi og nukleærmedisin på Oslo universitetssykehus, bekrefter at radiologene ser frem til å kunne bruke kunstig intelligens. Det kan spare dem for svært tidkrevende oppgaver. Hun sier at det likevel gjenstår mye arbeid før de vet om kunstig intelligens vil utgjøre en vesentlig forskjell i den kliniske hverdagen deres.
– Hva betyr kunstig intelligens for diagnostiseringen av pasienter med hjernekreft?
– For disse pasientene er MR-undersøkelsene spesielt omfattende. Kunstig intelligens kan hjelpe radiologen med å definere hva som er sykt og friskt vev i hjernen. Da kan vi enklere bestemme hva som er kreft på bildene. Hvis kunstig intelligens kan hjelpe oss med å lage bedre og gjerne kortere undersøkelser, vil det være til stor støtte, sier Paulina Due-Tønnessen.
Artikkelen ble først publisert i Apollon
