AI-baserede modeller kan overgå menneskelige eksperter i at opdage kræft i æggestokkene

AI-baserede modeller kan overgå menneskelige eksperter i at opdage kræft i æggestokkene

En ny international undersøgelse ledet af forskere ved Karolinska Institutet i Sverige viser, at AI-baserede modeller kan udkonkurrere menneskelige eksperter i at identificere kræft i æggestokkene i ultralydsbilleder. Undersøgelsen er publiceret iNaturmedicin.

"Ovarietumorer er almindelige og opdages ofte tilfældigt," siger professor Elisabeth Epstein fra afdelingen for klinisk videnskab og træning på Södersjukhuset (Stockholm Syd General Hospital) på Karolinska Institutet og overlæge på hospitalets afdeling for obstetrik og gynækologi. "Der er en alvorlig mangel på ultralydseksperter i mange dele af verden, hvilket har ført til bekymringer om unødvendige procedurer og forsinkede kræftdiagnoser. Vi ønskede at finde ud af, om AI kunne supplere menneskelige eksperter."

AI overgår eksperter

Forskere udviklede og validerede neurale netværksmodeller, der er i stand til at skelne mellem benigne og ondartede ovarielæsioner ved at træne og teste AI på over 17.000 ultralydsbilleder fra 3.652 patienter på 20 hospitaler i otte lande. De sammenlignede derefter modellernes diagnostiske kapacitet med en stor gruppe eksperter og mindre erfarne ultralydsundersøgere.

Resultaterne viste, at AI-modellerne klarede sig bedre end både eksperter og ikke-eksperter i at opdage kræft i æggestokkene, og opnåede en nøjagtighedsrate på 86,3 procent sammenlignet med 82,6 procent og 77,7 procent for henholdsvis eksperter og ikke-eksperter.

Dette tyder på, at neurale netværksmodeller kan være en værdifuld hjælp til diagnosticering af kræft i æggestokkene, især i svære at diagnosticere tilfælde og i situationer, hvor der er mangel på ultralydseksperter."

Professor Elisabeth Epstein, Institut for Klinisk Videnskab og Træning, Södersjukhuset (Stockholm Syd General Hospital), Karolinska Institutet

Reducerer behovet for ekspertanbefalinger

AI-modellerne kan også reducere behovet for ekspertanbefalinger. I en simuleret triage-situation reducerede AI-støtte antallet af henvisninger med 63 procent og fejldiagnosefrekvensen med 18 procent. Dette kan føre til hurtigere og mere omkostningseffektiv behandling af patienter med ovarielæsioner.

På trods af de lovende resultater understreger forskere, at yderligere undersøgelser er nødvendige, før det fulde potentiale af neurale netværksmodeller og deres kliniske begrænsninger er fuldt ud forstået.

"Gennem kontinuerlig forskning og udvikling kan AI-baserede værktøjer være en integreret del af morgendagens sundhedsvæsen, frigøre eksperter og optimere hospitalsressourcer. Vi skal dog sikre, at de kan tilpasses forskellige kliniske miljøer og patientgrupper," siger Filip Christiansen, der er ph.d.-studerende i professor Epsteins forskningsgruppe ved Karolinska Institutet og fælles førsteforfatter med Emir Konuk Teknologisk Institut ved KTH.

Vurdering af sikkerheden ved AI-understøttelse

Forskerne udfører i øjeblikket prospektive kliniske forsøg på Södersjukhuset for at vurdere den daglige kliniske sikkerhed og anvendeligheden af ​​AI-værktøjet. Fremtidig forskning vil også omfatte et randomiseret multicenterforsøg for at undersøge indvirkningen på patientbehandling og sundhedsomkostninger.

Undersøgelsen er udført i tæt samarbejde med forskere ved KTH Kungliga Tekniska Högskolan og blev finansieret af bevillinger fra det svenske forskningsråd, den svenske cancerforening, Stockholms regionråd, Radiumhemmet Cancer Research Funds og Wallenberg AI, Autonomous Systems and Software Program (WASP).

Elisabeth Epstein, Filip Christiansen og tre medforfattere har søgt patent på metoder til computerstøttet diagnostik gennem firmaet Intelligyn. Elisabeth Epstein, Filip Christiansen og Kevin Smith, forskere ved KTH, ejer også aktier i Intelligyn, som professor Epstein er frivillig leder for. En komplet liste over interessekonflikter kan findes i papiret.

Kilder: