Radiologin är nog den grenspecialitet inom läkaryrket där mest tekniska framsteg sker dagligen, och det till trots har radiologerna svårt att motivera sitt varande. Samtidigt som man kämpar med att försöka etablera en större roll, där helst en som följer patienten från diagnos till terapi, så måste man också kunna visa att man förbättrar utfallet för patienten. Det finns många som anser att artificiell intelligens (AI) skulle kunna vara lösningen för disciplinen att uppnå detta, men det skulle likväl kunna vara dess fall.

Det finns en rad företag som inriktar sig på att applicera AI på radiologin. Ett av dem är Enlitic. Baserade i San Fransisco skickade de ut ingenjörer med algoritmer för djupt lärande som man kopplade ihop med bildbehandlingsprogrammen på 80 olika medicinska center, och inom snar framtid räknar man med att automatiskt kunna identifiera sjukdomstecken på alla röntgenbilder som tas.

Under tiden håller IBM’s superdator Watson på att hjälpa läkare ställa diagnoser, bland annat genom att automatiskt köra patienters journaler mot omkring 300 medicinska tidskrifter, 200 böcker och 15 miljoner sidor läkemedelsinformation, samt en stor del kliniska studier. Tanken är att datorn inte bara ska identifier, utan även förutspå risk för hjärt-, ögon- och hjärnsjukdom, såväl som cancer och diabetes. Man räknar således kallt med att dess djupa neuronala nätverk en dag kommer ta tag i tyglarna och styra bedömningen av patienten själv, kanske genom att optimera skanningsprotokollen för att detektera sjukdom – ju mer data Watson samlar in desto mer kan den optimera protokollen och dess egna datainsamling.

Problemet med att en superdator själv styr bedömning av bilder och patienter är att datorn i sig måste godkännas av läkemedelsverk världen över vilket, inom dagens regelverk, närmast ser ut som en omöjlighet.

En alternativ tillämpning skulle därför kunna vara en algoritm som gör flera mänskliga experters bedömning till ett kollektivt konsensus. Unanimous AI är ett företag som tagit fram just en sådan algoritm som kallas för ”svärmad AI”. Begreppet är lånat från naturen där man refererar till individens otillräcklighet att uppnå saker jämför med om den samarbetar i t.ex. flock eller svärm.

I en studie publicerad av Public Library of Science, lyckades man med hjälp av den kollektiva AI’n att minska antalet falska positiva och falska negativa bedömningar av mammografiska bilder. I en annan studie fann man att den svärmade AI’n var bättre på att diagnosticera skelettabnormaliteter jämfört med vad enskilda radiologer gjorde. Företaget erbjuder därmed en unik infrastruktur som tillåter radiologer att tillsammans komma till konsens genom intelligenta svärmar för varje enskild radiologisk bild, något man i verkligheten aldrig skulle ha resurser till. Rutinfall skulle då kunna granskas av individuella radiologer, emedan mer komplicerade fall skulle kunna taggas för senare bedömning av svärmen, vilket skulle kunna öka diagnosens tillförlitlighet, samtidigt som man effektiviserar processen. Oavsett om maskin- eller människobaserade hjälpmedel tas fram, så är radiologin i stora behov av det, och aldrig har effektivisering varit så viktigt för en grenspecialitets framtid.

 

Se filmen “Examples of Artificial Intelligence in Medical Imaging Diagnostics.” 

Se filmen “Development of Artificial Intelligence to Aid Radiology,” en intervju med Mark Michalski, M.D., ansvarig för Center for Clinical Data Science på Massachusetts General Hospital, som förklarar grunderna till artificiell intelligens inom radiologin.