Kunstig intelligens giver gevinst i billeddiagnostik

(Artiklen har tidligere været bragt i Danske Bioanalytikere #04)

Omkring ti patienter slipper nu hver uge for en CT-skanning på Rigshospitalet i København. De kan nøjes med en PET/ MR-skanning. I diagnostikken er der stadig brug for CT, men billedet dannes i dag automatisk ud fra PET/MR-billedet. Datalog Claes Nøhr Ladefoged har ved hjælp af kunstig intelligens udviklet en algoritme, der bruger MR-billedet til at danne et ”falsk” CT-billede. En grundig validering har vist, at metoden er sikker, og nu bruges den konsekvent klinisk.

Den nye arbejdsgang benyttes blandt andet til patienter med demens. Undersøgelserne skal udelukke, at det er for eksempel en tumor, der er skyld i deres symptomer. Det er ofte ældre og dårligt gående patienter. Det er en stor lettelse for dem og deres pårørende, at de ikke skal i to skannere.

Men det er også en stor gevinst for radiografer og bioanalytikere. Det letter presset på CT-skannerne. Færre CT-undersøgelser giver også mindre strålebelastning.

”Det var et irritationsmoment også at skulle have patienterne gennem en CTskanning,” siger bioanalytiker Marianne Federspiel. ”Efter PET/MR-skanningen skulle de puttes ind i programmet ved CT-skanneren. Der var ikke sat tider af til det. Det var ikke værdsat, og ingen kunne forstå, hvor lang tid der gik med det.”

Omlægningen ved hjælp af kunstig intelligens har skabt stor begejstring hos Marianne Federspiel og hendes kolleger. De giver nye ideer til Claes Nøhr Ladefoged om andre steder, hvor machine learning og deep learning måske kan forbedre diagnostik og lette for patienter og ansatte.

Marianne Federspiel har netop sammen med en kollega indsendt et abstract til det internationale Society of Nuclear Medicine and Molecular Imaging (SNMMI). Heri redegør de for, hvordan arbejdsgange byggende på kunstig intelligens kan implementeres og bruges. Hvordan bioanalytikere, radiografer og andre kan arbejde med dem.

”For mange år siden var der stor opmærksomhed om hjertetransplantationer, og mange forskningsmidler gik til det område. Nu er det kunstig intelligens, der hitter. Vi bioanalytikere og radiografer har fået et nyt vigtigt arbejdsredskab,” siger Marianne Federspiel.

Der står kun 3 PET/MR-skannere i Danmark og omkring 150 på verdensplan. De har givet betydelige gevinster i diagnostikken, men de påviser ikke knogledele, som er en nødvendighed under rekonstruktion af PETbillederne. Derfor har CT-skanningen været nødvendig som supplement. På Rigshospitalet var arbejdsmetoden, at CT-billedet manuelt blev lagt sammen med PET/MR, så én samlet optagelse gav radiologerne alle informationer. Det skete i løbet af et par dage.

I dag er processen nærmest fuldautomatiseret. Når Marianne Federspiel har lavet de nødvendige MR-optagelser, sender hun billedet til en dedikeret computer, der står ved PET/MR’en. Her dannes CT-billedet og sendes automatisk retur til Marianne Federspiel. Det er med det samme indlejret i PET/MR-billedet. Hun kan så kontrollere og rekonstruere PET-billedet, mens patienten stadig ligger på lejet.

”De her patienter er sådan set ikke svære at skanne. Men de er tunge, og derfor er det en stor gevinst, at vi ikke længere skal følge dem videre til CT,” siger Marianne Federspiel.

Claes Nøhr Ladefoged sidder i en særlig sektion på Klinik for Klinisk Fysiologi, Nuklearmedicin og PET på Rigshospitalet. Den hedder Clinically Applied Artificial Intelligence (CAAI) – frit oversat til klinisk brug af kunstig intelligens.

Det er formentlig det sted på Rigshospitalet, der er længst fremme med praktisk at tage machine learning og deep learning i brug i så stor stil. Det sker med omkring 10 ansatte dataloger og andre.

”Vi udvikler ikke metoderne for metodernes skyld. De skal ind i klinikken. Det kan optimere tidsforbruget og automatisere processer. Det kan hjælpe med at fastlægge de korrekte diagnoser og træffe de rigtige beslutninger om behandling,” siger Claes Nøhr Ladefoged.

Laboratoriespecialet har faktisk i mange år været førende med at bruge teknikker, der ligner kunstig intelligens. Det er for eksempel billedgenkendelse i patologien, der sådan set bygger på machine learning.

Et populært andet eksempel er computeren, der spiller skak. Det kan også Bioanalytiker Marianne Federspiel har til et internationalt selskab indsendt et abstract om, hvordan kunstig intelligens kan implementeres og bruges i blandt andre bioanalytikernes daglige arbejde. være automatisk læsning af adresser på breve hos PostNord og hospitalernes brug af talegenkendelse til at få lægernes notater direkte ind i journalerne – uden at lægesekretærer taster.

”Men der skete et voldsomt spring i mulighederne, da vi i 2012 fik deep learning. Det er en teknik, der kan lære sig nye ting baseret på tidligere udfald. Deep learning kan bruges til at analysere store mængder data. Mulighederne er udvidet enormt for, hvad der kan processeres,” beskriver Claes Nøhr Ladefoged.

Mange bærer en angst for, at maskinerne på sigt overtager mere og mere af vores arbejde. Men Marianne Federspiel frygter overhovedet ikke for hendes og kollegernes job – selv om de altså har set et meget konkret eksempel på, at CT-skanninger falder væk.

”Har du hørt om kræftpakker? Vi har rigeligt at bestille, og det skal nok fortsætte,” beroliger Marianne Federspiel.

Claes Nøhr Ladefoged har også hørt frygten. Men han fornemmer, at der i sundhedsvæsenet er kommet et skift i holdningen. Han hørte det for nylig udtrykt på denne måde:

”De radiologer, der bruger kunstig intelligens, kommer til at erstatte dem, der ikke gør. Teknikken vil overtage nogle af de kedelige opgaver. Til gengæld kommer den ind som automatisk støtte til at træffe de rigtige beslutninger.

Bioanalytikere og radiografer skal ikke være bange for kunstig intelligens. Det skal tage mulighederne til sig,” opfordrer Claes Nøhr Ladefoged.

På afdelingen på Rigshospitalet er der et stærkt tværfagligt samarbejde. Det er Claes Nøhr Ladefoged og hans datalogkolleger fuldstændig afhængige af.

”Jeg taler aldrig nogen sinde med en patient. Det er bioanalytikere, radiografer og andre ansatte, der skal komme til os med inspiration til områder, hvor kunstig intelligens måske kan forbedre arbejdsgange og styrke diagnostikken.

Derfor er det også vigtigt, at vi sidder på hospitalet som en del af afdelingen. Hvis vi i stedet var anbragt på universitetet eller et andet sted, så kunne vi kun udvikle black box-metoder. Det kliniske arbejde vil ikke sætte præg på samme måde. Indkøbte black box-metoder må ikke være det eneste tilbud,” advarer Claes Nøhr Ladefoged.

Marianne Federspiel oplever, at bioanalytikerne og radiograferne er en integreret del af udviklingen i at bruge kunstig intelligens. Hun presser datalogerne.

”Hvornår har I noget klar til tumorhjernerne,” spørger hun Claes Nøhr Ladefoged.

Det handler om patienter, der er opereret for svulst i hjernen. Der kan være indopereret metaldele. Dem fungerer MR-skanningen ikke så godt sammen med. Derfor skal de også have ekstra CT-skanninger.

”Vi er færdige med at udvikle en metode, der også kan skabe falske CTbilleder ud fra deres MR-skanninger. Arbejdsgangen skal nu valideres, og vi skal publicere vores resultater. Vi skal være helt sikre på metoden, før den tages i brug konsekvent klinisk,” siger Claes Nøhr Ladefoged.

”Det kommer,” lover han.