AI kan kompensera för bristen på radiologer i kampen mot bröstcancer, men det är inte redo ännu

Nyligen skapade ett team av forskare från Imperial College London och Google (GOOGL ) Health en datorseende-modell som syftar till att diagnostisera bröstcancer från röntgenbilder. Enligt CNN tränades modellen på röntgenbilder av över 29 000 kvinnor, och när den jämfördes med sex radiologer lyckades modellen överträffa läkarnas bedömningar.

För närvarande använder NHS de kombinerade besluten från två läkare för att diagnostisera bröstcancer från röntgenbilder. Om de två läkarna inte är överens, kommer en tredje läkare att kallas in för att granska bilderna. Medan läkarna hade tillgång till patienternas medicinska journaler, hade AI-enheten endast mammografibilderna att basera sina beslut på. Trots denna begränsning visade sig AI-modellen vara minst lika bra på att diagnostisera bröstcancer som två läkare. Faktum är att modellen presterade bättre än en ensam läkare när det gällde att upptäcka bröstcancer. När man jämförde de falska positiva resultaten mellan AI och läkare, gjorde AI en liten minskning av falska positiva, med cirka 1,2 % högre noggrannhet i allmänhet. Enligt forskningsrapporten minskade AI också de falska negativa resultaten (där ett verkligt positivt cancerfall missas) med cirka 2,7 %.

En av författarna till artikeln, chef för Cancer Research UK Imperial Center, Ara Darzi, förklarade att forskarteamet inte hade förväntat sig att deras system skulle leverera så högkvalitativa resultat. Darzi är dock entusiastisk över möjligheten att förbättra produktiviteten och noggrannheten när det gäller cancer-screening.

Bröstcancer är den vanligaste dödsorsaken för kvinnor, men resultaten kan förbättras dramatiskt om sjukdomen diagnostiseras tidigt. Problemet är att, enligt American Cancer Society, även storskaliga screeningsprogram missar cirka en av fem fall.

Därför hoppas forskarteamet att deras system kan förbättras och att det kan komma att överträffa även de bästa kliniska läkare. Forskarteamet uppgav också att deras algoritm potentiellt kan lösa bristen på radiologer. En rapport från Royal College of Radiologists fann att det i Storbritannien kommer att finnas en brist på nästan 2 000 radiologer år 2023, om inte något görs för att åtgärda situationen.

Men Darzi medger att systemet inte är redo att börja ersätta människor och användas som sekundär tolk. AI-verktyg inom hälso- och sjukvården misslyckas ofta med att infria sina initiala löften på grund av komplexa faktorer som inte kan simuleras tillräckligt bra i utbildningen. En stor begränsning i studien är att alla bilder kom från ett enda mammografisystem och att bilderna saknade mångfald. Enligt QZ hade forskarteamet inte tillgång till uppgifter som kunde användas för att fastställa mångfalden i datamängden, och därför är det inte möjligt att veta om systemet fortfarande var mycket exakt när det skulle undersöka röntgenbilder av minoritetsgrupper. Det finns rasrelaterade skillnader i både Storbritannien och USA när det gäller diagnostisering av bröstcancer, där svarta kvinnor är mindre benägna att få cancer-screening i Storbritannien.

Google planerar att ägna tid åt att åtgärda dispariteten i datamängden som modellen tränas på innan den görs tillgänglig för hälso- och sjukvårdsparter. Systemet måste också testas i kliniska prövningar innan det kan användas i kliniska miljöer. Algoritmerna som utvecklats av forskarteamet har potentialen att genuint förbättra hälsoresultat och rädda liv, men endast om de testas noggrant och rigoröst.