AI kan kompensere for mangelen på radiologer i kampen mot brystkreft, men det er ikke klar til bruk enda

For nylig utviklet et team av forskere fra Imperial College London og Google (GOOGL ) Health en datamodell for å diagnostisere brystkreft fra røntgenbilder. Ifølge CNN ble modellen trent på røntgenbilder av over 29 000 kvinner, og da den ble sammenlignet med seks radiologer, klarte modellen å overgå legenes vurderinger.

For tiden bruker NHS beslutningene til to leger for å diagnostisere brystkreft fra røntgenbilder. Hvis de to legene ikke er enige, blir en tredje lege hentet inn for å konsultere bildene. Mens legene hadde tilgang til pasientenes medisinske journaler, hadde AI-enheten bare røntgenbildene å basere sine beslutninger på. Likevel viste AI-modellen seg å være like god som to leger til å diagnostisere brystkreft. Faktisk utførte modellen bedre enn en enkelt lege når det kom til å oppdage brystkreft. Når man sammenligner feil-positiv rate mellom AI og leger, gjorde AI-en en liten reduksjon i feil-positiver, med om lag 1,2 % bedre nøyaktighet generelt. Ifølge resultater fra forskningsrapporten, reduserte AI-en også feil-negativ raten (hvor en ekte positiv brystkreft-sak blir oversett) med om lag 2,7 %.

En av forfatterne av artikkelen, direktør for Cancer Research UK Imperial Center, Ara Darzi, forklarte at forskningsteamet ikke hadde forventet at deres system ville levere så høykvalitetsresultater. Likevel er Darzi begeistret for muligheten til å forbedre produktiviteten og nøyaktigheten når det gjelder kreftscreening.

Brystkreft er den nest ledende dødsårsaken blant kvinner, men utfallene kan forbedres dramatisk hvis sykdommen diagnostiseres tidlig. Problemet er at, ifølge American Cancer Society, selv store skjermscreeningsprogrammer overser om lag en av fem tilfeller.

Arsaken til at forskningsteamet er håpefullt om at deres system kan forbedres og at det kan overgå selv de beste klinikerne. Forskingsteamet har også uttalt at deres algoritme potensielt kan løse mangelen på radiologer. En rapport fra Royal College of Radiologists fant at det i Storbritannia vil være en nesten 2 000 radiolog-mangel i 2023, med mindre noe gjøres for å løse situasjonen.

Likevel innrømmer Darzi at systemet ikke er klar til å erstatte mennesker og brukes som sekundær tolker enda. AI-verktøy i helsefeltet feiler ofte i å levere på sine opprinnelige løfter, takket være komplekse faktorer som ikke kan simuleres i trening. En stor begrensning i studien er at alle bildene kom fra ett enkelt mammografi-system og at bildene manglet mangfold. Ifølge QZ hadde forskningsteamet ikke tilgang til detaljer som kunne brukes til å fastslå mangfoldet i bildene i datasettet, og derfor er det ikke mulig å vite om systemet var like nøyaktig når det ble bedt om å undersøke røntgenbilder av minoriteter. Det er rasemessige ulikheter i både Storbritannia og USA når det gjelder diagnostisering av brystkreft, med at svarte kvinner er mindre sannsynlig å få kreftscreening i Storbritannia.

Google planlegger å bruke tid på å rette opp ulikheten i dataene som modellen er trent på, før den blir tilgjengelig for helsepartnere, med mål om å lage en større, mer inkluderende datasett. Systemet må også testes i kliniske forsøk før det blir tilgjengelig for bruk i kliniske settinger. Algoritmene som er utviklet av forskningsteamet har potensialet til å forbedre helseutfall og redde liv, men bare hvis de testes nøye og grundig.