AI holder øje med radiologers øjne, når de undersøger for kræft

Når en patient med mistænkt lungekræft eller anden sygdom bliver skannet, er det op til en radiolog at undersøge billederne for tegn på sygdom.

Det er erfarne radiologer ganske gode til, men det er velkendt, at der en gang imellem opstår fejl, at fejl ofte er menneskelige fejl, og at fejlene typisk sker mod slutningen af en lang arbejdsdag.

Her har vi i stedet udviklet et system, der ikke har som sigte at erstatte radiologerne, men som i stedet støtter op om dem og hjælper dem til at minimere risikoen for fejl

Bulat Ibragimov, lektor, Datalogisk Institut ved Københavns Universitet

Selv eksperter kan tage fejl eller være så trætte, at fejlene sniger sig ind, men det kan et nyt system, der er udviklet af forskere fra Københavns Universitet, måske opdage.

Ved hjælp af teknologi til at følge radiologernes øjne og kunstig intelligens til at identificere, om radiologerne får undersøgt hele skanningsbilledet, er det muligt at opsætte et alarmsystem, der helt automatisk kalder på en ”second opinion”, når en radiolog udviser tegn på træthed, og risikoen for fejl stiger.

»Man har i mange år talt om muligheden for at få kunstig intelligens til at undersøge skanningsbilleder af for eksempel patienter med mistænkt lungekræft, men den slags værktøjer kræver nogle helt særlige godkendelseskrav, før det overhovedet kan komme på tale. Her har vi i stedet udviklet et system, der ikke har som sigte at erstatte radiologerne, men som i stedet støtter op om dem og hjælper dem til at minimere risikoen for fejl,« fortæller en af forskerne bag studiet, lektor Bulat Ibragimov fra Datalogisk Institut ved Københavns Universitet.

Forskningen er offentliggjort i IEEE Journal of Biomedical and Health Informatics.

Fejl bliver begået af trætte radiologer

Tidligere har forskning peget på, at mellem 60 og 80 pct. af de fejl, som opstår i billeddiagnostikken, skyldes menneskelige fejl, fordi radiologen enten ikke opdager et tegn på sygdom eller fejltolker et tegn.

Tidligere undersøgelser har også vist, at radiologer laver 30 pct. flere fejl henimod slutningen af en lang arbejdsdag, når hjernen og øjnene bliver trætte af at stirre på en skærm.

Når der opstår fejl i radiologernes arbejde, kan det i værst fald betyde en fejldiagnosticering, og drejer det sig om lungekræft, der ikke bliver diagnosticeret i tide, kan resultatet være fatalt.

Centralt i radiologernes arbejde er at undersøge alle dele af et skanningsbillede, og det er ikke svært at forestille sig, at når man er træt, eller når ens tanker er et andet sted, at man kan komme til at springe dele af billedet over.

»Når man er frisk, bliver hele lungen typisk undersøgt for tegn på for eksempel lungekræft. I takt med at man bliver træt, er man mindre tilbøjelig til at undersøge alle dele af lungerne, og så stiger risikoen for fejl og fejldiagnoser,« forklarer Bulat Ibragimov.

Radiologers øjne undersøger mindre over tid

I forskningen har Bulat Ibragimov undersøgt muligheden for at få et kamera med bagvedliggende kunstig intelligens til at følge radiologers øjne, mens de undersøger skanningsbilleder.

Der kan være meget vundet ved at kunne fange, hvornår radiologerne ikke får undersøgt billederne tilstrækkeligt til at kunne være helt skarpe på diagnosen

Bulat Ibragimov, lektor, Datalogisk Institut ved Københavns Universitet

I forskningsarbejdet har forskerne fået fire radiologer til hver at undersøge 400 skanningsbilleder, og forskerne og den kunstige intelligens har så holdt øje med radiologernes øjne undervejs og undersøgt, om det er muligt at identificere, hvornår radiologernes øjne ikke længere får kigget på hele skanningsbilledet.

Resultatet af undersøgelsen viste, at radiologerne undersøgte mindre og mindre af skanningsbillederne over tid, og at de heller ikke med tiden fik undersøgt alle dele af skanningsbillederne lige grundigt.

Det kan alt andet lige have klinisk betydning.

»Der kan være meget vundet ved at kunne fange, hvornår radiologerne ikke får undersøgt billederne tilstrækkeligt til at kunne være helt skarpe på diagnosen. I de tilfælde vil det være fordelagtigt, hvis man med kunstig intelligens automatisk kan sende skanningsbillederne videre til en anden radiolog, der også kan komme med sin vurdering af sygdomsbilledet. Det kan eliminere mange af de fejl, som kan opstå henimod slutningen af en lang vagt, eller når en radiolog har tankerne et andet sted, og øjnene ikke helt får undersøgt alt det, som de burde,« siger Bulat Ibragimov.

Kan tages i brug med det samme

Det system, som Bulat Ibragimov har udviklet, sigter ikke imod at erstatte radiologerne, men i stedet støtte op om deres arbejde og hjælpe til med at eliminere fejl.

Da systemet ikke skal erstatte radiologerne, behøver det heller ikke være 100 pct. fejlfrit. Hvis systemet overser noget, som radiologerne også har overset, er der ingen ekstra skade sket ved, at systemet er taget i brug.

Omvendt kan systemet formentlig samle en hel del fejl op, inden de når at blive klinisk betydningsfulde.

Drejede systemet sig derimod om at erstatte radiologerne, var behovet til ufejlbarlighed til gengæld ekstremt stort, og så skulle det også igennem en lang række godkendelsesprocedure, før det kunne tages i brug. Det nye system kommer dog med meget mindre risiko, og derfor planlægger forskerne allerede nu at afprøve systemet i en klinisk sammenhæng.

»Det er en anden måde at bruge kunstig intelligens i sundhedsvæsnet, hvor vi ikke overlader beslutninger til kunstig intelligens, men lader det indgå i en støttefunktion,« forklarer Bulat Ibragimov.

Kan træne unge radiologer

Ud over en mulig anvendelse i en støttefunktion til radiologer kan systemet også benyttes til træning af unge radiologer, inden de slippes løs på patienter i den virkelige verden.

Bulat Ibragimov forklarer, at man kan lade systemet følge øjnene hos en ekspert-radiolog for på den måde at etablere et udgangspunkt for, hvordan et skanningsbillede bør undersøges. Derefter kan unge radiologer træne sig hen imod at følge det samme mønster med øjnene.

Først når de unge radiologer undersøger et billede efter samme mønster som en erfaren radiolog, kan man slippe dem løs på rigtige patienter.

»Og så er vi også i færd med flere undersøgelser, hvor vi ikke bare kigger på, hvad radiologerne overser henimod slutningen af en lang vagt, men også hvad de kigger på, og hvad de i mindre grad får undersøgt, når risikoen for fejldiagnosticering stiger,« siger Bulat Ibragimov.