AI-baserade modeller kan överträffa mänskliga experter när det gäller att upptäcka äggstockscancer

AI-baserade modeller kan överträffa mänskliga experter när det gäller att upptäcka äggstockscancer

En ny internationell studie ledd av forskare vid Karolinska Institutet i Sverige visar att AI-baserade modeller kan överträffa mänskliga experter när det gäller att identifiera äggstockscancer i ultraljudsbilder. Studien publiceras iNaturmedicin.

– Äggstockstumörer är vanliga och upptäcks ofta av en slump, säger professor Elisabeth Epstein från avdelningen för klinisk vetenskap och träning vid Södersjukhuset (Stockholm Syd allmänna sjukhus) vid Karolinska Institutet och överläkare på sjukhusets obstetrik och gynekologiska avdelning. "Det finns en allvarlig brist på ultraljudsexperter i många delar av världen, vilket har lett till oro för onödiga ingrepp och försenade cancerdiagnoser. Vi ville ta reda på om AI skulle kunna komplettera mänskliga experter."

AI överträffar experter

Forskare utvecklade och validerade neurala nätverksmodeller som kan skilja mellan benigna och maligna äggstocksskador genom att träna och testa AI på över 17 000 ultraljudsbilder från 3 652 patienter på 20 sjukhus i åtta länder. De jämförde sedan modellernas diagnostiska kapacitet med en stor grupp experter och mindre erfarna ultraljudsundersökare.

Resultaten visade att AI-modellerna överträffade både experter och icke-experter i att upptäcka äggstockscancer, och uppnådde en noggrannhetsgrad på 86,3 procent, jämfört med 82,6 procent och 77,7 procent för experterna respektive icke-experterna.

Detta tyder på att neurala nätverksmodeller kan vara ett värdefullt hjälpmedel vid diagnos av äggstockscancer, särskilt i svårdiagnostiserade fall och i situationer där det råder brist på ultraljudsexperter."

Professor Elisabeth Epstein, Institutionen för klinisk vetenskap och utbildning, Södersjukhuset (Stockholms sydsjukhus), Karolinska Institutet

Minskar behovet av expertrekommendationer

AI-modellerna kan också minska behovet av expertrekommendationer. I en simulerad triage-situation minskade AI-stödet antalet remisser med 63 procent och antalet feldiagnoser med 18 procent. Detta kan leda till snabbare och mer kostnadseffektiv vård för patienter med äggstocksskador.

Trots de lovande resultaten betonar forskarna att ytterligare studier behövs innan den fulla potentialen av neurala nätverksmodeller och deras kliniska begränsningar är fullt förstådda.

"Genom kontinuerlig forskning och utveckling kan AI-baserade verktyg vara en integrerad del av morgondagens sjukvård, frigöra experter och optimera sjukhusresurser. Däremot måste vi se till att de kan anpassas till olika kliniska miljöer och patientgrupper", säger Filip Christiansen, doktorand i professor Epsteins forskargrupp vid Karolinska Institutet och gemensam förstaförfattare med Emir Konuk vid KTH.

Utvärdering av säkerheten för AI-stöd

Forskarna genomför för närvarande prospektiva kliniska prövningar på Södersjukhuset för att bedöma den dagliga kliniska säkerheten och användbarheten av AI-verktyget. Framtida forskning kommer också att omfatta en randomiserad multicenterstudie för att undersöka effekten på patienthantering och vårdkostnader.

Studien har genomförts i nära samarbete med forskare vid Kungliga Tekniska Högskolan och finansierades av anslag från Vetenskapsrådet, Cancerfonden, Stockholms läns landsting, Radiumhemmets cancerforskningsfond och Wallenberg AI, Autonoma System och Programvara Program (WASP).

Elisabeth Epstein, Filip Christiansen och tre medförfattare har sökt patent på metoder för datorstödd diagnostik genom företaget Intelligyn. Elisabeth Epstein, Filip Christiansen och Kevin Smith, forskare vid Kungliga Tekniska Högskolan, äger också aktier i Intelligyn, som professor Epstein är volontärchef för. En fullständig lista över intressekonflikter finns i tidningen.

Källor: