Denne artikkelen er produsert og finansiert av Universitetet i Oslo - les mer.
Tverrsnitt av ein nyoperert hjerne. Det til høgre er MR-bilete konstruert med KI, til venstre same skannerbilete konstruert med tradisjonelle metodar.(Foto: Jon André Ottesen)
– Kunstig intelligens kan erstatta behandlarar som vi ikkje har
MR-undersøkingar er tidkrevjande for pasienten og kan vera kompliserte å tolka riktig. Djuplæringsmodellar kan spara tid i begge tilfella.
Når ein skal ta ei MR-undersøking, må ein liggja i ro så lenge undersøkinga varar. Tida kan variera etter kva område på kroppen som vert undersøkt. Det kan fort ta ein halvtime og til og med endå lenger.
– Ein må liggja musestille, elles vert bileta uskarpe og vanskelege å tolka. Eg har tatt ein god del MR-skanningar undervegs i prosjektet mitt. For min del går det greitt å liggja i ro, seier forskar Jon André Ottesen ved Fysisk institutt på Universitetet i Oslo.
– Men eg har ikkje vondt. For personar med smerter er det ei større belasting å liggja i den same posisjonen så lenge utan å røra seg. Og ein kan jo førestilla seg korleis det er å få eit barn til å liggja stille så lenge, fortel han.
Testa på verkelege data
Løysinga er ofte å godta kortare og færre undersøkingar med lågare biletkvalitet, sjølv om det kan gje klinikarane eit noko tynnare avgjerdsgrunnlag.
Det problemet kan verta mindre dersom pasienten ikkje trong å liggja så lenge.
– Eg har sett på om dette er noko KI kan hjelpa til med i samband med svulstar i hjernen. Vi vidareutvikla fyrst ein modell som alt var laga og publiserte resultatet på eit såkalla leaderboard, der vi får samanlikna metoden vår mot andre metodar innan same felt, forklarar Ottesen.
– Det funka bra. Så då fann vi ut at vi måtte testa på verkelege kliniske data.
Forskarane gjorde ein blindtest
Av kirurgisk avdeling fekk dei rådata frå MR-skanningar som er gjorde under hjernekirurgi.
Desse skanningane vert gjorde raskare enn ein vanleg MR sidan ein ikkje ynskjer å ha operasjonsstaden open og utsett for infeksjonar lenger enn nødvendig.
– I ein vanleg MR-skannar er det dessutan titals signalmottakarar, men når ein skannar under operasjon, brukar ein berre to. Dermed inneheld bileta nødvendigvis mindre informasjon, forklarar Ottesen.
– Det er framleis visse område som kan forbetrast i modellane, seier Jon André Ottesen.(Foto: UiO)
Forskarane gjorde ein blindtest der dei bad ein nevrokirurg og to nevroradiologar om å vurdera kva bilete dei føretrekte, eit vanleg og eit som var laga med djuplæring.
– Dei var ikkje einige. Nevrokirurgen føretrekte det vanlege biletet, medan radiologane valde djuplæringsbiletet, fortel Ottesen.
150 små tumorar
– Det er ein veldig god moglegheit for at djuplæring kan gje betre bilete. Men det er framleis visse område som er unike for dei kirurgiske bileta som kan forbetrast i modellane, og det er det kritisk å vera klar over når ein skal utvikla metodar for dette, seier han.
Den andre delen av arbeidet hans gjekk ut på å tolka MR-bilete med djuplæring. Det er eit tidkrevjande arbeid for nevroradiologane å tolka slike bilete for å gje prognosar.
– Dei ynskjer meir tid per pasient, og det kan modellen vår hjelpa med. Vi køyrde modellen vår på eit eksisterande sett av MR-bilete av hjernar med kreftsvulstar, og han fanga opp 80–85 prosent av tumorane, fortel Ottesen.
Annonse
– Med eitt unntak. Ein pasient hadde 150 små tumorar, og modellen vår fann berre 50 av dei. Men det spørst om det har så mykje å seia i praksis. Med så mange tumorar vil det vera færre moglege behandlingsformer, så det kan ha mindre betydning om det er 50 eller 150 tumorar det er snakk om. Det er mykje meir kritisk dersom modellen bommar på pasientar som har ein enkelt tumor.
Eit supplement til klinikarar
80 prosent kan kanskje høyrast ut som i minste laget, men Ottesen understrekar at arbeidet med modellen ikkje er i mål endå. Når det skjer, meiner han modellen kan verta eit viktig bidrag i behandlinga.
Menneske er ikkje perfekte og gjer feil. Jon André Ottesen seier at det då er det nyttig å ha endå ein ekspert som kan lese biletet. Men han understrekar at det neppe er nokon i norsk helsevesen som ser for seg at djuplæring skal erstatta radiologane.
– Snarare er det eit supplement. Det er ikkje snakk om at KI skal erstatta eksisterande klinikarar. Men han kan erstatta klinikarar som vi manglar, seier han.
Referanse:
Jon André Ottesen: Improved Brain Tumor Diagnostics Using Deep Learning on Magnetic Resonance Imaging. Doktoravhandling ved Universitetet i Oslo, 2024. Samandrag.
