AI-baserte modeller kan overgå menneskelige eksperter når det gjelder å oppdage eggstokkreft

AI-baserte modeller kan overgå menneskelige eksperter når det gjelder å oppdage eggstokkreft

En ny internasjonal studie ledet av forskere ved Karolinska Institutet i Sverige viser at AI-baserte modeller kan utkonkurrere menneskelige eksperter når det gjelder å identifisere eggstokkreft i ultralydbilder. Studien er publisert iNaturmedisin.

«Ovarietumorer er vanlige og oppdages ofte ved en tilfeldighet,» sier professor Elisabeth Epstein fra Institutt for klinisk vitenskap og opplæring ved Södersjukhuset (Stockholm Sør General Hospital) ved Karolinska Institutet og overlege ved sykehusets avdeling for obstetrikk og gynekologi. "Det er en alvorlig mangel på ultralydeksperter i mange deler av verden, noe som har ført til bekymring for unødvendige prosedyrer og forsinkede kreftdiagnoser. Vi ønsket å finne ut om AI kunne utfylle menneskelige eksperter."

AI overgår eksperter

Forskere utviklet og validerte nevrale nettverksmodeller som er i stand til å skille mellom godartede og ondartede eggstokklesjoner ved å trene og teste AI på over 17 000 ultralydbilder fra 3 652 pasienter i 20 sykehus i åtte land. De sammenlignet deretter den diagnostiske kapasiteten til modellene med en stor gruppe eksperter og mindre erfarne ultralydundersøkelser.

Resultatene viste at AI-modellene overgikk både eksperter og ikke-eksperter i å oppdage eggstokkreft, og oppnådde en nøyaktighetsgrad på 86,3 prosent, sammenlignet med 82,6 prosent og 77,7 prosent for henholdsvis ekspertene og ikke-ekspertene.

Dette antyder at nevrale nettverksmodeller kan være et verdifullt hjelpemiddel ved diagnostisering av eggstokkreft, spesielt i tilfeller som er vanskelig å diagnostisere og i situasjoner der det er mangel på ultralydeksperter."

Professor Elisabeth Epstein, Institutt for klinisk vitenskap og opplæring, Södersjukhuset (Stockholm Sør General Hospital), Karolinska Institutet

Redusere behovet for ekspertanbefalinger

AI-modellene kan også redusere behovet for ekspertanbefalinger. I en simulert triage-situasjon reduserte AI-støtte antallet henvisninger med 63 prosent og feildiagnosefrekvensen med 18 prosent. Dette kan føre til raskere og mer kostnadseffektiv behandling for pasienter med eggstokklesjoner.

Til tross for de lovende resultatene, understreker forskere at ytterligere studier er nødvendig før det fulle potensialet til nevrale nettverksmodeller og deres kliniske begrensninger er fullt ut forstått.

"Gjennom kontinuerlig forskning og utvikling kan AI-baserte verktøy være en integrert del av morgendagens helsevesen, frigjøre eksperter og optimalisere sykehusressurser. Vi må imidlertid sørge for at de kan tilpasses ulike kliniske miljøer og pasientgrupper," sier Filip Christiansen, doktorgradsstudent i professor Epsteins forskningsgruppe ved Karolinska Institutet og felles førsteforfatter med Emir Konuk ved KTH.

Vurderer sikkerheten til AI-støtte

Forskerne gjennomfører for tiden prospektive kliniske studier ved Södersjukhuset for å vurdere den daglige kliniske sikkerheten og nytten av AI-verktøyet. Fremtidig forskning vil også inkludere en randomisert multisenterstudie for å undersøke effekten på pasientbehandling og helsekostnader.

Studien ble utført i nært samarbeid med forskere ved KTH Kungliga Tekniska Högskolan og ble finansiert av bevilgninger fra det svenske forskningsrådet, det svenska kreftforeningen, Stockholms regionråd, Radiumhemmet Cancer Research Funds og Wallenberg AI, Autonomous Systems and Software Program (WASP).

Elisabeth Epstein, Filip Christiansen og tre medforfattere har søkt patent på metoder for datastøttet diagnostikk gjennom selskapet Intelligyn. Elisabeth Epstein, Filip Christiansen og Kevin Smith, forskere ved KTH Royal Institute of Technology, eier også aksjer i Intelligyn, som professor Epstein er frivillig leder for. En fullstendig liste over interessekonflikter finnes i avisen.

Kilder: