– I dag finns det för få läkare med tillräcklig kompetens som kan bedöma äggstockstumörer. Det beror på att gynekologer träffar för få patienter med äggstockstumörer – och därmed får för lite erfarenhet av det. Varje år utförs cirka 10 000 äggstockskirurgiska ingrepp i Sverige. Vi uppskattar att cirka en fjärdedel av dessa är onödiga operationer som kan undvikas om bedömningen av äggstockstumörer skett av en läkare med expertkompetens, säger Elisabeth.
Ultraljudsbedömningar av äggstockstumörer genomförda av mindre erfarna läkare kan leda till att operationer utförs i onödan, vilket i sin tur kan medföra minskad eller till om med förlorad fertilitet, onödigt lidande för patienten och onödiga kostnader för sjukvården. Det kan också innebära att en cancerdiagnos försenas, vilket kan försämra patientens chanser till överlevnad.
Spelbaserat lärande ökar kunskapsnivån
För att öka kunskapsnivån berättar Elisabeth att de har tagit fram en mobilapp för att ge läkare en chans att öva på att bedöma olika tumörer. I appen finns flera hundra ultraljudsbilder på äggstockstumörer. Ett femtiotal läkare har än så länge testat appen, och av de som deltagit i studien har den diagnostiska träffsäkerheten ökat med ungefär 15 procentenheter. När testfasen har avslutats och resultatet sammanställts under våren/försommaren är förhoppningen att appen kan släppas. I projektet medverkar Erica Smedberg, ST-läkare på kvinnokliniken Sös och blivande doktorand.
– De preliminära resultaten är väldigt bra. Som läkare behöver man se många fall för att bli bättre på att bedöma äggstockstumörer och här ges möjligheten att öva. Det är ett exempel på så kallat spelbaserat lärande som inte tar så mycket tid i anspråk men som gör läkaren säkrare i sin bedömning för att välja rätt behandling, säger Elisabeth.
AI-teknik för säker bedömning
I nästa projekt ligger fokus på hur AI-tekniken kan hjälpa till att kategorisera äggstockstumörer för att bedöma vilka åtgärder som ska sättas in. Elisabeth hoppas att tekniken kan underlätta att triagera, det vill säga bedöma och prioritera, så att patienter snabbare får den hjälp de behöver utifrån vad ultraljudsbilderna visar.
Efter att ha tränat AI-modellerna på tidigare ultraljudsbilder från kvinnor som genomgått kirurgi får AI-lösningen själv kategorisera äggstockstumörer som godartad, elakartad eller svårbedömd. Resultatet visade att AI-modellerna kunde skilja cancer från godartade tumörer i nivå med en ultraljudsexpert.
– Med hjälp av AI-teknik som beslutsstöd kan farliga och ofarliga tumörer kategoriseras och därmed triangera patienter till rätt åtgärd. De tumörer som bedöms som sannolikt godartade förändringar kan följas upp i öppenvården enligt nationella riktlinjer, och de tumörer som misstänks vara cancer skickas till gynekologiskt tumörkirurgiskt center. I svårbedömda fall kan en "second opinion" ges av en ultraljudsexpert antingen via en webbaserad lösning eller genom ett vanligt patientbesök, säger Elisabeth.
Artikeln om studien går att läsa i Ultrasound in Obstetrics and Gynecology.
AI-lösning testas i internationell studie
Nu testas AI-lösningen i en stor internationell studie för att se om den ger lika goda resultatet på bilder från andra sjukhus och ultraljudsapparater. Tjugotvå ultraljudsspecialistmottagningar från hela världen kommer vara med och bidra till denna studie. Sjukhusen planerar att skicka minst hundra fall. Sedan ska materialet analyseras och kategoriseras av AI-modellen och av externa ultraljudsexperter, för att jämföra resultatet. I AI-studierna medverkar bland annat Filip Christiansen, forskarassistent på kvinnokliniken Sös och masterstudent i maskininlärning vid KTH.
För vem gör AI-tekniken mest nytta?
– AI-tekniken kan hjälpa till att uppskatta risken för cancer och ge en förbättrad första bedömning så att patienter hamnar rätt från början. Tekniken kan också ge stöd till mindre erfarna läkare, och till specialister, som en "second reader", säger Elisabeth.
