- först med nyheter om medicin

Professor: AI ska komplettera - inte ersätta - läkarkompetens

Martin Eklund

Artificiell intelligens är på väg till vården. Men inte för att ersätta läkare, mer för att hjälpa dem att göra säkrare bedömningar.

– Tekniken skulle kunna användas till att försynt påpeka för den patolog som är på väg att missa en viktig detalj att här bör du nog ta dig en titt till, säger Martin Eklund professor vid institutionen för medicinsk epidemiologi och biostatistik vid Karolinska institutet och som framför allt jobbar med att förbättra diagnostiken och behandlingen av män med prostatacancer. Han är en av dem som försöker få AI att bli ett effektivt verktyg inom cancervården.

Artificiell intelligens, AI, tillskrivs ofta fantastiska förmågor. Ett påstående som helt säkert kan vara sant, och i vissa situationer möjligen lika falskt.

– Att AI-tekniken främst drivs fram av andra sektorer än den medicinska betyder att utvecklingen är extremt snabb, baksidan är att de ingenjörer som utvecklar lösningarna inte sällan har en brist på förståelse för de medicinska villkor och förutsättningarna, säger Martin Eklund. 

Fördelarna är att tekniken har potential att lösa en lång rad av de utmaningar samhället har, till exempel finns förhoppningar om att självkörande bilar ska minska antalet olyckor i trafiken. Nackdelen är att tekniken ännu inte har förmåga att resonera sig fram till en lösning. Den blir därför beroende av vilken data den har tränats på, och utifrån den givna informationen sedan oreflekterat svara ja eller nej på en fråga. Som om en tumör är malign eller benign. 

Ny tekniken måste ut snabbare, men inte för snabbt 

Det som driver Martin Eklund är en tro på att AI kan bli ett viktigt verktyg inom cancervården men även att tekniken ska göra det möjligt att snabbare få ut forskningsresultat till den kliniska verksamheten. 

– I dag kan det ta decennier att få ut resultat, och här måste vi bli bättre.  Men vi måste inse att det aldrig kommer att gå blixtsnabbt att implementera ny teknik inom medicinområdet. Om vi ska utsätta patienter för nya innovationer måste vi vara säkra på att det kan ske på ett säkert sätt, vi vill ju för allt i världen inte göra om de misstag som gjordes för 50–60 år sedan gjorde med till exempel neurosedyn.

AI är dock inget nytt påfund, inte ens inom medicinområdet. Det som har hänt under senare år är att man har börjat använda djupa neurala nätverk på storskaliga datamängder, framför allt bilddata. Det betyder att datorer kan läras upp, utbildas, inom intelligenta funktioner som bildigenkänning. Det är som när ett barn ska lär sig något nytt, när de sett ett tillräckligt stort antal katter har de även införlivat den generella kunskapen: ’katt’. 

Djupa neurala nätverk kan på motsvarande sätt ”tränas” att ge korrekta svar utifrån givna förutsättningar, men för att klassas som intelligent måste systemet även ha en förmåga att lära sig helt nya saker.

– Det som är nytt med djupa neurala nätverk, eller mer korrekt convolutional neural network och vision transformers, är att tekniken på egen hand kan lära sig vilka delar av en bild som ska utnyttjas för att göra säkra prediktioner, utan att en människa manuellt skapar specifika ’features’ från en bild. Det är också förutsättningen för att vi ska kunna använda metoderna mer storskaligt. 

Martin Eklund arbetar framför allt med att få tekniken att fungera för prostatacancer. Ett område med en rad utmaningar, inte minst för att det är en cancerform som både är svår att upptäcka och kan vara besvärlig att ställa korrekt diagnos för och – framför allt – avgöra dess allvarlighetsgrad.

Oeniga patologer kan få en hjälpande hand

– Osäkerheterna i diagnostiken och graderingen av prostatacancer är stor, och eftersom patologer inte alltid är överens om vad det är de ser så skapas en klinisk osäkerhet. Och om de inte är säkra på diagnosen eller graderingen av allvarlighetsgraden, blir det svårt för att fatta beslut om vilka insatser som är mest lämpliga att sätta in.

AI skulle även kunna vara ett effektivt verktyg för att både sortera fram de patienter som har störst sannolikhet att ha prostatacancer. På så sätt skulle patologerna kunna lägga mer tid på dem som behöver dem bäst. Men som ett första steg, menar Martin Eklund, kommer AI sannolikt att användas som ett sätt att öka reproducerbarheten i de patologiska bedömningarna.

– Viktigare är att vi med AI kan skapa ett skyddsnät som säkerställer att fler får rätt diagnos. Det kan vi göra genom att låta ett AI-system kika över axeln på en patolog och försynt påpeka att här bör du nog ta dig en titt när en bedömning är tveksam. AI skulle även kunna bli ett effektivt utbildningsverktyg. 

AI har dock, och kommer sannolikt under överskådlig tid att ha, några tydliga begränsningar. En av de viktigare är att tekniken inte klarar av att resonera sig fram till ett svar, och att de bara kan förhålla sig till det underlag som det får sig till hands. Av samma skäl är det svårt att lära ett AI-system att hantera alla de fallgropar som en erfaren patolog kan orientera och resonera sig runt. 

– Det finns inte alltid ett binärt svar och därför kommer patologer även fortsättningsvis att behövas och jag tror att deras jobb dessutom bara att bli roligare när AI-systemen kan börja ta hand om en del trista rutinuppgifterna.

AI har under de senare åren börjat bli ett mer etablerat verktyg för radiologer som bedömer mammografibilder. Bland annat i Köpenhamn där det sedan en tid bara är en person, i stället för två som annars är det vanliga, bedöma bilder från kvinnor med låg risk för bröstcancer. Förutsatt att de gör jobbet ihop med ett AI-system. 

Radiologin ligger före 

Användningen inom patologi ligger hittills efter användningen inom radiologi, dels för att digitaliseringen inom patologin ligger efter radiologin, dels på att de digitaliserade patologbilderna troligen är ännu svårare att standardisera eftersom den manuella processen kan variera från labb till labb när det gäller snittning och infärgning.

Nästa steg i utvecklingen är därför att säkerställa att AI-systemen kan generalisera och ge tillförlitliga svar oberoende var vävnadsproverna hanteras, vilken typ av patologiscanner som använts för digitalisering eller vilket etnicitet mannen som vävnadsproverna tagits från har. 

– Och i väntan på att tekniken ska kunna hantera alla de variabler som finns är ett minimikrav att systemet tydligt ska flagga för sådant som det inte kan bedöma.

Finns det en risk att vi har en övertro på vad AI kan åstadkomma?

– Ja, framför allt om AI bara blir en utmaning för ingenjörer. Ska vi lyckas måste de gå hand i hand med dem som har medicinsk kompetens. Vi måste även säkerställa att det inte kommer att vara möjligt att manipulerat AI-systemet. Men det finns även frågor om hur patienters integritet ska hanteras, inte minst om data ska tillåtas flyta mellan olika vårdinstanser, samt medikolegala utmaningar. 

Dessutom måste AI, precis som all ny teknik, bevisa sitt värde, menar Martin Eklund. Att den är ny och häftig är inte nog.

Vardagens problem måste hanteras

– Personligen är jag övertygad om att AI kommer att bli ett fantastiskt verktyg men för att den ska bli det även i praktiken måste vi först lära oss att hantera alla de problem som dyker upp när en teknik ska ta steget från forskningsprojekt till att bli en del av den kliniska vardagen. Jag hyser stor tillförsikt till att vi snart kommer att ha AI för patologi som tillför värde för såväl läkare och vårdgivare som patienter – och väl där öppnar sig stora möjligheter att väga ihop information från bilder, blodprov, genetik och kliniska variabler i så kallade multi-modal AI för att skapa än mer träffsäker diagnostik och behandlingsval.

Martin Eklund har tillsammans med kollegor vid Karolinska Institutet även genomfört en tävling där det gällde att utveckla AI-system som klarar av att diagnosticera och gradera prostatacancer. Tävlingen, som gick under namnet PANDA var även en del av i en studie som har publiceras i Nature Medicine.

Under tre månader kämpade 1000 AI-experter med att utveckla system som hade så hög noggrannhet som möjligt. Men redan tio dagar hade deltagarna tagit fram algoritmer som matchade de bästa patologer.

– De som deltog hade ingen medicinsk kompetens men trots det kunde den lösa tävlingsuppgiften snabbt och effektivt. Det imponerade på mig och visar att vi med hjälp av AI både kan få snabb innovation och tillförlitliga resultat, säger Martin Eklund.

 

Chefredaktör och ansvarig utgivare:

Kristian Lund
kristian@onkologisktidskrift.se

Chefredaktör:

Nina Vedel-Petersen
nina@onkologisktidskrift.se

Kommersiell chef

Benjamin Müller
benjamin@onkologisktidskrift.se

Kontakt och information

Annonser

Personuppgiftspolicy

Cookiepolicy

Kontaktinfo

Prenumerera
birgitte@onkologisktidskrift.se

Skicka e-post till redaktionen

Skicka e-post till Nytt om namn