Så kan AI förbättra bröstcancerdiagnostiken

Fredrik Strand drivs av att göra skillnad. Det var därför han började intressera sig för sitt forskningsområde: hur artificiell intelligens, AI, kan användas för att granska mammografibilder och upptäcka misstänkt cancer. Tidig upptäckt av cancertumörer är viktigt för att snabbt kunna sätta in behandling och därmed rädda liv.
 
– Det började med att jag intresserade mig för området bröstcancer. Eftersom bröstcancer är en så vanlig sjukdom, så kan vi hjälpa många genom att förbättra bröstcancerdiagnostiken, säger han.

Datorer och programmering har Fredrik Strand hållit på med sedan barnsben. Redan som tioåring fascinerades han av de möjligheter som datorerna öppnade. När han många år senare skulle välja forskningsinriktning blev AI ett sätt att gjuta ihop hans båda utbildningar och intresseområden.
 
– Redan när jag pluggade teknisk fysik i Lund var jag fascinerad av artificiell intelligens. Det var något magiskt med hur datorer kan härma mänskligt beteende, säger han. 

Samarbetar med KTH

I dag delar Fredrik Strand sin tid mellan Karolinska universitetssjukhuset där han är röntgenläkare och Karolinska institutet där han är docent. Hans forskargrupp, som också samarbetar med KTH, utvecklar, validerar och testar de AI-algoritmer som ska upptäcka cancer.

Den mänskliga hjärnan har en begränsad volym, det har inte AI.
 

Vid traditionella mammografiundersökningar granskas varje mammografibild av två röntgenläkare som bedömer om personen behöver kallas tillbaka till ytterligare undersökning. I en färsk studie, ScreenTrust CAD, som publicerades i Lancet Digital Health i september kunde Fredrik Strand och hans forskargrupp visa att den testade AI-algoritmen och en röntgenläkare var bättre än två röntgenläkare på att upptäcka misstänkt cancer i bilderna.

– I flera tidigare studier, då på arkivbilder, har man kunnat visa att den senaste generationen AI var lika träffsäker som en röntgenläkare på att upptäcka cancer. Men det betyder inte automatiskt att det skulle fungera i den kliniska vardagen. I vår nya studie har vi för första gången statistiskt säkerställt kunnat visa att AI tillsammans med en röntgenläkare bidrog till att fler cancrar upptäcktes vid screening, säger Fredrik Strand.

I en annan studie, ScreenTrust MRI, är målet att bedöma vilka kvinnor som efter vanlig mammografi är i behov av ytterligare undersökning med magnetkamera (MR). Magnetkamera är en känsligare undersökningsmetod och fångar även upp cancrar som av olika skäl är svårupptäckta i vanliga mammografibilder.
 
För att identifiera dessa kvinnor visade det sig att det inte räckte med en AI-algoritm, utan forskarna fick kombinera tre olika typer av algoritmer som tittar på olika parametrar i bilderna. Algoritmerna utvecklades tillsammans med forskare från KTH. 
 

“Algoritmerna ska tränas att skilja mellan bilder med och utan bröstcancer.”

Det är spännande men också utmanande att på detta sätt samarbeta över olika akademiska discipliner, enligt Fredrik Strand.
 
– Det tar ett tag innan man förstår varandra. För att göra något riktigt bra behöver vi från medicinskt håll förstå möjligheterna och begränsningarna med tekniken. Ingenjörerna behöver förstå vad som är viktigt och vad som går att påverka och inte i den medicinska diagnostiken och handläggningen, säger Fredrik Strand.

Krävs stora mängder data

Den stora utmaningen för forskare inom AI och diagnostik är annars tillgången på data som algoritmerna kan tränas på. Det krävs både stora mängder data och kvalitetssäkrad data. 
 
Till Fredrik Strands forskning hämtas mammografibilderna in från olika kliniker. Bilderna är framtagna för sjukvården och inte för att träna algoritmer på, därför behöver de ofta bearbetas innan de går att använda.
 
– Om en bild har för dålig kvalitet så kommer AI-algoritmen inte att hitta någon cancer. Vi behöver också se till att etiketterna på bilderna stämmer, alltså om en bild verkligen innehåller bröstcancer. Algoritmerna ska tränas att skilja mellan bilder med och utan bröstcancer, då måste etiketterna vara rätt, säger han.
 
I princip går det till så att man delar in bilderna i två kategorier, bilder som innehåller cancer och bilder utan cancer. Algoritmerna ska sedan, genom att gå igenom tusentals bilder, lära sig vad som är skillnaden mellan de två. 
 
– Man testar, ändrar i modellen, testar igen, ändrar… Till sist hittar man en modell som gör så lite fel som möjligt.

“Jag tror att vi alla blev överraskade av chatGTP och hur fort framåt det har gått.
 

Målet är att få ut en siffra som anger sannolikheten för att det finns cancer i en bild. Efter att algoritmerna har tränats ska de valideras, och sedan testas på bilder som de inte har ”sett” tidigare. Alla dessa steg tar väldigt mycket tid och resurser.
 
– Därför är det väldigt viktigt att det är hög kvalitet på den ursprungliga datan. Algoritmerna blir inte bättre än kvaliteten på den första bilden, säger Fredrik Strand.

Olika på olika utrustning

Bara för att en algoritm har fungerat på en viss sorts bilder är det inte heller säkert att den fungerar på bilder från en annan typ av utrusning. Fredrik Strand och hans forskargrupp driver därför också en studie, VAI-B eller Valideringsplattform för AI och bröstcancerradiologi, där de samlar in data från olika regioner och vårdgivare för att testa och kvalitetssäkra algoritmer. 
 
Intresset för forskningsområdet som helhet är jättestort, enligt Fredrik Strand. 
 
– Jag får fler förfrågningar om att bli intervjuad eller vara med på konferenser än vad jag har tid med. I första hand vill jag lägga ner tid på forskning och utveckling, även om jag såklart också vill berätta om det vi gör, säger Fredrik Strand.

Hur ser du på framtiden för AI inom bröstcancerradiologi? 
 
– Jag tror att vi alla blev överraskade av chatGTP och hur fort framåt det har gått. Även AI inom bilddiagnostik tror jag kommer att överraska oss. Den stora skillnaden är att chatGTP tränar på hela internet. Vi begränsas av att det är svårt att få tillgång till den känsliga data vi behöver. Därför kommer det att dröja längre innan vi får se samma stora framsteg hos oss som på områden som använder data som är allmänt tillgänglig, säger Fredrik Strand.

Hur bra kan AI-algoritmerna bli?

– Väldigt bra. Minst lika bra som röntgenläkare. Men det går mycket snabbare att träna upp en algoritm. Dessutom kan algoritmerna göra saker som en röntgenläkare inte är tränad att göra, som att avgöra risken för en patient att drabbas av bröstcancer i framtiden. Den mänskliga hjärnan har också en begränsad volym, det har inte AI. Medan läkare på grund av denna begränsning har olika specialiteter så kan AI potentiellt vara bra på allt, säger Fredrik Strand.