AI kan kompensere for mangel på radiologer i kampen mod brystkræft, men det er ikke klar endnu

For nylig udviklede et hold af forskere fra Imperial College London og Google (GOOGL ) Health en computer vision-model, der er designet til at diagnostisere brystkræft fra røntgenbilleder. Ifølge CNN blev modellen trænet på røntgenbilleder af over 29.000 kvinder, og da den blev testet mod seks radiologer, lykkedes det modellen at overgå lægernes vurderinger.

I øjeblikket bruger NHS beslutningerne fra to læger til at diagnostisere brystkræft fra røntgenbilleder. Hvis de to læger ikke er enige, indkaldes en tredje læge til at konsultere billederne. Mens lægerne havde adgang til patienternes medicinske journaler, havde AI-enheten kun mammografierne at basere sine beslutninger på. Trods denne begrænsning viste AI-modellen sig at være lige så god til at diagnostisere brystkræft som to læger. Faktisk udførte modellen bedre end en enkelt læge til at opdage brystkræft. Når man sammenligner de falske positive rater mellem AI og lægerne, reducerede AI’en de falske positive med omkring 1,2% og var omkring 1,2% mere præcis i det hele taget. Ifølge resultaterne fra forskningsrapporten reducerede AI’en også de falske negative rater (hvor en ægte positiv kræfttilfælde bliver overset) med omkring 2,7%.

En af forfatterne til artiklen, direktør for Cancer Research UK Imperial Center, Ara Darzi, forklarede, at forskningsteamet ikke havde forventet, at deres system ville levere så højkvalitetsresultater. Darzi er dog begejstret over muligheden for at forbedre produktiviteten og nøjagtigheden i kræftscreening.

Brystkræft er den næsthyppigste dødsårsag blandt kvinder, men udfaldet kan dramatisk forbedres, hvis sygdommen diagnosticeres tidligt. Problemet er, at selv store skærmingsprogrammer i øjeblikket overser omkring en af fem tilfælde, ifølge American Cancer Society.

Af denne grund er forskningsteamet håbefuldt, at deres system kan forbedres og til sidst overgå selv de bedste kliniske læger. Forskningsteamet har også udtalt, at deres algoritme potentielt kan løse manglen på radiologer. En rapport udarbejdet af Royal College of Radiologists fandt, at der i Storbritannien vil være en mangel på næsten 2.000 radiologer i 2023, medmindre der gøres noget for at løse situationen.

Men Darzi indrømmer, at systemet på nuværende tidspunkt ikke er klar til at erstatte mennesker og bruges som sekundær fortolker. AI-værktøjer i sundhedssektoren fejler ofte i at leve op til deres oprindelige løfter på grund af komplekse faktorer, som ikke kan simuleres tilstrækkeligt i træning. En af begrænsningerne i studiet er, at alle billederne kom fra ét mammografisystem, og billederne manglede diversitet. Ifølge QZ havde forskningsteamet ikke adgang til oplysninger, der kunne bruges til at fastslå billedernes diversitet i datasset, og derfor er det ikke muligt at vide, om systemet stadig var meget præcist, når det blev bedt om at undersøge røntgenbilleder af minoriteter. Der er racemæssige uligheder i både Storbritannien og USA, når det kommer til diagnose af brystkræft, hvor sorte kvinder er mindre tilbøjelige til at få kræftscreening i Storbritannien.

Google planlægger at bruge tid på at løse uligheden i de data, som modellen er trænet på, før det bliver tilgængeligt for sundhedsparterne, med målet om at skabe en større, mere inklusiv datasaet. Systemet skal også testes i kliniske forsøg, før det bliver tilgængeligt til brug i kliniske omgivelser. Algoritmernes udviklet af forskningsteamet har potentialet til at forbedre sundhedsresultaterne og redde liv, men kun hvis de testes omhyggeligt og rigorøst.