Læger tester, om kunstig intelligens kan opdage lungekræft

Pletterne på scanningsbilledet popper op i grynede, gråtonede farver på den sorte baggrund i dét, der er omridset af patientens lunger.

For det utrænede, men også for det selv erfarne, menneskelige øje kan det være mere end vanskeligt at vurdere, hvilke pletter, der er harmløse, og hvilke pletter der er ved at udvikle sig til kræftknuder. I hvert fald i de tilfælde, hvor pletten ikke har de typiske, fysiske karakteristika, som en potentiel kræftknude normalt har.

Men nu tester lægerne på Sygehus Lillebælt, om kunstig intelligens i form af en særlig kompleks algoritme kan blive et værktøj, som lægerne kan få værdifuld støtte af, når de skal vurdere, om pletten på lungen er noget alvorligt eller ej.
- Kunstig intelligens kan se et system i dét, som vi mennesker ser som kaos. Det kan jo at se forskelle, som vi mennesker har svære ved at se – og se det i en højere detaljegrad. Derfor kan kunstig intelligens blive et supplement og hjælpe os, fortæller læge Peter Jacob Hjorth-Hansen fra kræftafdelingen på Vejle Sygehus - han er midt i et ph.d.-studie, der skal belyse projektets muligheder og begrænsninger.

Kan algoritmen gøre det endnu bedre?

Lægerne tester algoritmen på CT-scanningsbilleder og data fra omkring 1000 patienter, der alle har sagt god for at deltage – anonymt – i projektet. Fælles for patienterne er, at de har haft pletter på lungen og siden gennemgået en udredning for lungekræft, og man ved altså, hvilke patienter, der siden fik konstateret kræft – og hvem der ikke gjorde. Lægerne vil på den måde – forenklet beskrevet – se, hvor effektiv den avancerede computer-algoritme er til at vurdere hvilke pletter på lungen, der udviklede sig til kræft.
- Vi kan præsentere det for forløb, hvor vi siger: ”Sådan her så billedet ud, sådan her blev resultatet”. Vi vil dermed kunne træne det til at kunne sortere i billedmaterialet, så det kan vurdere, hvilke pletter der er begyndende kræftknuder, fortæller cheflæge på Røntgen og Scanning, Jakob Møller.

Jakob Møller forklarer, at det gælder om – endnu hurtigere – at spotte de pletter på lungen, der er ved at udvikle sig til kræftknuder, så lægerne hurtigt kan indlede en behandling. Men samtidig er det også vigtigt at spotte de pletter, der ikke udvikler sig til noget alvorligt. For i gennemsnit er 96 af 100 pletter ikke noget alvorligt, men derimod for eksempel ufarligt arvæv eller små eftervirkninger af en lungebetændelse. 

Og kan man finde netop de ufarlige pletter, kan patienten undgå en vævsprøve, hvor lægen stikker en nål ind i lungen – som er næste skridt i diagnosticeringen for kræft. Sygehus Lillebælt laver 700 af den type vævsprøver om året.
- I 25 procent af tilfældene vil vævsprøven desværre føre til, at lungen klapper sammen, hvilket kræver yderligere behandling og en indlæggelse. Så det er en undersøgelse med risici – især hvis man i forvejen er svækket. Derfor skal vi skære de undersøgelser væk, der ikke har værdi, siger Jakob Møller.

Kan berolige patienter

Der kan være mange pletter på scanningsbilledet af lungen, og det kan være vanskeligt at sortere i dem. Men algoritmen har opbygget en ”erfaring” i at analysere billedet ud fra den viden, systemet har fået om, hvorvidt en knude viste sig at være godartet eller ondartet. Det gør den for eksempel ved at finde mikroskopiske forskelle i gråtonerne på billedet, men også ved at vurdere plettens afgrænsning. Er pletten rund som en bold, er det et godt tegn. Er den mere knudret i kanten, kan det være tegn på, at den er ved at sprede sig langs vævet.

Lægerne ser på det såkaldte ”Malignancy Similarity Index” – hvor den kunstige intelligens giver en score fra 0 til 1. Er scoren over 0,9, er der en væsentlig forøget risiko for, at det er en kræftknude, mens risikoen nærmest er lig nul, hvis scoren er under 0,1. Den viden kan lægerne så bruge til at træffe en beslutning om det videre forløb – krydret med andre vigtige prøver og informationer om patientens tilstand.
- Potentialet er jo, at vi i langt højere grad vil kunne vurdere hvem, der skal videre i undersøgelses-forløbet, og hvem kan vi sige til: ”Det ser helt fredeligt ud. Gå hjem og lev dit liv videre. Det skal du ikke tænke mere på”. Så vi kan gøre patienterne en stor tjeneste, og vi kan lette vores arbejdsmængde og kun bruge tiden og kræfterne på dem, der har behov for det, siger Peter Jacob Hjorth-Hansen.

Han og kollegaerne skal i den kommende tids kvalitetstjekke algoritmens arbejde for at vurdere, om den på endnu bedre vis end mennesker kan vurdere, om en plet er en begyndende kræftknude eller ej. Til februar næste år skal Peter Jacob Hjorth-Hansen aflevere sin ph.d. om emnet.