Artificiell Intelligens kan revolutionera vården


Foto: Many Wonderful Artists

Artificiell intelligens kan hitta frakturer med samma säkerhet som en ortopedläkare, visar ny forskning. Vår studie är den första i världen inom området, men med hjälp av ny teknik kan utvecklingen vidare gå snabbt.

Bedömning av röntgenbilder är i dag både ett kunskaps- och tidskrävande arbete, vars resultat till stor del färgas av den läkare som gör bedömningen. Men i framtiden kan det här arbetet komma att förenklas väsentligt, med hjälp av artificiell intelligens, AI. Vår forskargrupp har publicerat en studie kring hur röntgenbilder kan tolkas med hjälp av datorprogram som tränas i igenkänning. Det är första gången det används för ortopediska röntgenbilder och vi ser stora utvecklingsmöjligheter redan nu.

Lär datorn känna igen frakturer
Artificiell intelligens inom bildtolkning fick sitt stora genombrott 2012. Den algoritm som slog datorvärlden med häpnad, var jämfört med en människa 3 gånger sämre på att känna igen objekt, men utvecklingen därefter gick fort. 2015 var resultaten i nivå med människan och året därpå dubbelt så bra. Det fick mig att fundera kring hur tekniken skulle kunna användas inom ortopedi och röntgenbedömningar.

I studien som nu publicerats har vi använt färdiga AI-nätverk, algoritmer som visat bra resultat när det gäller att sortera semesterbilder, och kört Danderyds sjukhus bildarkiv genom dessa. Underlaget som omfattat 256 000 bilder på händer, handleder, fotleder, har delats upp i tre grupper, varav de två första har använts för att träna nätverket i att känna igen frakturer. Varje nätverk består av miljontals parametrar som tillsammans tolkar bilderna och genom att hela tiden göra små justeringar blir igenkänningen bättre och bättre.

Datorer kan bedöma röntgenbilder
De bästa nätverken har sedan fått göra bedömningar av röntgenbilder ur den tredje gruppen, bilder som de alltså aldrig tidigare bedömt. Parallellt har två överläkare gjort bedömningar av samma bilder. Resultatet blev att datorn och doktorerna gjorde lika bra bedömning givet samma bildkvalitet. I drygt 80 procent av fallen kunde både doktorerna och datorn avgöra att det fanns en fraktur. Vår studie visar att man kan ta färdiga nätverk och utveckla dessa, utan allt för stora justeringar, till att göra bedömningar i samma nivå som med tränade människor.

Snabb utvecklingspotential
Bilderna i studien hade en bildkvalitet på 224×224 pixlar, vilket har varit vad som krävts för att träna bildprogram för igenkänning av saker som ballonger och lastfartyg. Men med hjälp av ännu högre upplösning, som är fallet med traditionella röntgenbilder, skulle man kunna nå ännu bättre resultat. Vi ser även möjligheterna med att kunna träna programmet till att zooma in på en bild, på samma sätt som läkare ofta gör.

Ny studie inleds i samarbete med Danderyds Sjukhus
Nästa studie inom området är redan inledd, där Danderyds sjukhus hela ortopediska röntgenregister kommer att användas som bas, vilket innebär en dryg miljon bilder i högupplöst format. Det här kan bidra till en enhetligare klassificering och gemensam måttstock inom röntgenbedömning. Det skulle också kunna öppna upp massiv forskning om vi kan gå tillbaka till våra digitala arkiv och göra studier kring överlevnad, sjukdomsutveckling och arbetsförmåga, studier som tidigare har varit omöjliga på grund av mängden data som skulle behöva hanteras.

Det vi har visat är de första resultaten inom ortopedin och med tanke på hur snabbt utvecklingen har gått inom självlärande datorer är det spännande att tänka på var vi kommer att befinna oss bara fem-tio år framåt. Gällande begränsningar inom artificiell intelligens är de svåra att förutspå, eftersom tekniken är inspirerad av våra egna hjärnor. Teorin har funnits sedan mitten på 1900-talet men det är först nu som vi kunnat applicera den i tillräckligt stor skala. Processen kan liknas med att flyga; flygplan är inspirerade av fåglarna, men behöver inte flaxa med vingarna.


Läs mer