AI — en resurs vid medicinsk bedömning  

Vid RISE, Centrum för tillämpad AI, arbetar en dator för högtryck med maskininlärning, en metod där datorn lär sig genom att följa samma algoritm upprepade gånger.

— Artificiell intelligens handlar om att få en maskin att förstå saker som en människa genom att lära sig själv, berättar Fehmi Ben Abdesslem som är senior forskare inom intelligenta system på RISE, Centrum för tillämpad AI.

När datorn är nöjd med inlärningen, efter cirka två veckors arbete och tusentals vändor, plockar den ut en tredimensionell modell av en binjure, ihopsatt av hundratals bilder på bara någon minut. På datorskärmen syns organets kontur markerat[1] i rött och grönt, vilket konkret visar på skillnaden mellan människans och datorns förmåga att rita konturen av samma organ.

— Träning av AI-algoritmer syftar till att ta bort skillnaden mellan den röda och den gröna markeringen, då tror modellen att datorn gör lika bra jobb som människa, förklarar Fehmi.

Pilotprojektet genomförs i samarbete mellan RISE, Karolinska Institutet och Karolinska Universitetssjukhuset, med stöd av Region Stockholm. Forskningsprojektets idé är att med hjälp av AI tydligare se och upptäcka metastaser, vilket skulle underlätta för sjukvården och patienter med cancer. Som lämpligt organ att undersöka, valde man ut binjuren, ett organ som bland annat producerar det livsnödvändiga hormonet adrenalin.

— Binjuren är viktig att studera just för att det är en vanlig lokalisation för metastaser – av lungcancer, melanom, och andra cancerformer. Dessutom är det ett anatomiskt komplext organ som är svårt att mäta för hand på grund av sin oregelbundna form och där små metastaser är lätta att missa, berättar överläkare Vitali Grozman på röntgenavdelningen vid Karolinska Universitetssjukhuset. 

Fehmi skapar en formel, som på datorspråk kallas algoritm, där datorn programmeras till vad och vad den inte ska titta på utifrån uppsatta parametrar. I det här fallet, hitta gränserna för organet! Algoritmen måste hela tiden utvecklas för att datorn ska lära sig nya saker själv, dessutom behövs det material att öva på och lösningar. I det här fallet används bilder från datortomografi, en undersökningsmetod med hjälp av en röntgen-apparat (CT) som har kapacitet att generera flera tusen bilder i tvärsnitt av en helkropp. Utifrån dessa bilder, där läkarna ritat in konturerna av binjurar för hand, kan AI:n tränas. Med tiden lär sig datorn att göra egna slutsatser, och det är då man kan få oanade resultat bortom den mänskliga förmågan.

— Det vi ser i studien är att AI kan identifiera voxlarna[2] i ett organ bättre än den mänskliga handen. I början av vår studie betydde skillnaden mellan rött och grönt på bilden nästan alltid att AI gjorde sämre jobb än människa, nu är det ibland precis tvärtom. Dessutom har vi sett att datorn lär sig mer än bara rita konturen för binjuren, och vi kan nu med försiktighet säga att vi kan lära algoritmen att hitta tumörer även i andra organ, avslöjar professor Magnus Boman vid Karolinska Institutet.

Eftersom en ökning av volymen på binjuren kan vara ett tecken på cancer eller metastaser, skulle artificiell intelligens vara till stor hjälp för radiologerna. Både när det gäller att mer precist hitta tumörer i binjurarna, räkna ut volym på organet och effektivisera läkarnas arbetsprocess. Detta i sin tur kan bidra till snabbare och personifierad behandling, så kallad precisionsmedicin. Samarbetet mellan RISE forskare, läkare och akademin betyder mycket, eftersom resultatet av träningen behöver diskuteras regelbundet för att utveckla algoritmerna. På sikt vill teamet utöka samarbetet och applicera sina erfarenheter på andra tillämpningsområden för AI inom medicin.

RISE förklarar mer om maskininlärning

Maskinlärning handlar om att lära datorn att lära sig själv. Det sker i en enhet som i dagligt tal kallas GPU (Graphics processing unit). Det är en komponent som utför specifika operationer extremt fort, som en extra superhjärna för datorn. Vid inlärningen behövs också:

1. Exempel och lösningar (supervised learning)
2. Exempel utan lösningar (för att gissa utifrån första exemplet)
3. En programmerad algoritm (ett ”recept”)

Så här instrueras datorn att lära sig själv:

1. Titta närmare på det här området!
2. Gör det med bättre precision!
3. Gör samma sak men med andra organ!
4. Använd kunskaperna i praktiken!

[1] Röd markering är ritad av radiolog, grön är ritad av AI.

[2] Voxlar är tredimensionella pixlar.

Text: Helena Erngård