– Tumörer i äggstockarna är vanliga och de upptäcks ofta av en slump. På många håll i världen råder det brist på ultraljudsexperter. Detta har lett till oro för onödiga ingrepp och försenade cancerdiagnoser. Därför ville vi undersöka om artificiell intelligens (AI) kan komplettera mänskliga experter, säger Elisabeth Epstein, professor vid institutionen för klinisk forskning och utbildning, Södersjukhuset (KI SÖS), och överläkare vid Kvinnokliniken.
AI överträffar experter
Hennes forskargrupp har utvecklat och validerat AI-modeller som kan skilja mellan godartade och elakartade äggstocksförändringar. Över 17 000 ultraljudsbilder från 3 652 patienter vid 20 sjukhus i åtta länder har använts för att träna och testa AI-modellerna.
AI-modellerna har jämförts mot en stor grupp experter och mindre erfarna ultraljudsundersökare. Resultaten visade att AI-modellerna presterade bättre än båda dessa grupper när det gäller att identifiera äggstockscancer. Modellerna uppnådde en genomsnittlig träffsäkerhet på 86,3 procent jämfört med 82,6 för experterna och 77,7 procent för de mindre erfarna undersökarna.
– Det tyder på att AI-modeller kan erbjuda ett värdefullt stöd i diagnostiken av äggstockscancer, särskilt i svårdiagnostiserade fall och i situationer där det råder brist på ultraljudsexperter, säger Elisabeth Epstein.
Minskat behov av remisser
AI-modellerna kan på sikt minska behovet av remisser till experter, något som i framtiden kan leda till en snabbare och mer kostnadseffektiv vård för patienter med äggstocksförändringar.
– Med fortsatt forskning och utveckling kan AI-baserade verktyg bli en integrerad del av framtidens sjukvård som kan avlasta experter och optimera vårdresurser. Det är dock viktigt att säkerställa att dessa verktyg kan anpassas till olika kliniska miljöer och patientgrupper, säger Filip Christiansen, doktorand i forskargruppen och anställd på Södersjukhusets kvinnoklinik.
– Vi genomför nu kliniska studier på Södersjukhuset för att utvärdera användningen av AI-modellerna som ett diagnostiskt beslutstöd. Därefter följer en randomiserad studie för att undersöka dess påverkan på patienthantering och sjukvårdskostnader, säger han.
Studien har genomförts i nära samarbetet med forskare vid KTH och finansierades av Vetenskapsrådet, Cancerfonden, Region Stockholm, Radiumhemmets forskningsfond och Wallenberg AI, Autonomous Systems and Software Program (WASP).
Foton: Erik Flyg och Janik Hopf
