Medicinsk potential för AI

På RISE avdelning för datavetenskap arbetar en forskargrupp med modern maskininlärning, deep learning, som används på flera typer av tillämpningar av AI—från miljöanalyser till medicin. Just nu pågår en studie inom AI och medicin.

—Det handlar om att kunna segmentera hjärntumörer med hjälp av avancerad bildanalys, berättar Ebba Ekblom som arbetar i forskargruppen. 

Genom att ta in en bild, i det här fallet en röntgenbild av hjärnan, vill man få ut information om var i bilden det finns en hjärntumör och inte. Det är en viktig del av diagnosticeringen, ett arbete som tidigare gjordes för hand av läkare. Med hjälp av AI kan man ofta hitta små signaler på avvikelser i ett tidigare skede än vad människan kan göra.

—Detta kan ge en högre träffsäkerhet i att hitta hjärntumörer, vilket sparar liv! fyller Olof Mogren i.

Olof, som är forskningsledare på Centrum för tillämpad AI och avdelningen datavetenskap, menar att AI har en enorm potential i avancerad bildanalys för en rad medicinska tillämpningar, tex för att upptäcka förändringar i ögonbotten och hudcancer.

3D-modeller av sjukhusdata

I praktiken bygger forskarna modeller med tredimensionella träningsdata från verkliga sjukhus. Dessa är uppbyggda av voxlar, vilket visar volymen av hela hjärnan. Maskininlärningsmodellen kan se ljusskillnader och mönster på olika positioner i hjärnan, efter att den har tränats.

—AI-modellen söker efter mönster och skillnader i färg och ljus. Avvikelser kan tyda på en tumör, säger Olof.

Federerad inlärning

Förutom att arbeta på den medicinska aspekten, är målet med studien att hitta tekniker där modellerna fungerar utan att flytta sjukhusdata, då den juridiska och etiska aspekten kan bli problematisk.

Modern maskininlärning är datahungrig, så helst vill man samla ihop all data på ett ställe. En stor modell med stora träningsdata kan generellt få en högre träffsäkerhet än en liten modell.

—Det är där som federerad inlärning kommer in! Vi tränar en modell på den lilla datamängden på en klinik, sen gör vi samma sak på en annan klinik. Därefter nyttjar vi ramverket med federerad inlärning som synkar ihop dessa modeller och drar lärdom från flera datamängder, förklarar Olof.
 

Är sjukvården redo för AI- tekniken?

Många hör av sig till RISE för att lära sig eller få input om hur de kan nyttja AI. Vill man ha konkret hjälp börjar forskarna från grunden, med frågeställningar som vilken data som finns och vad man vill och kan dra för slutsatser av den. 

—Det är en dans vi gör tillsammans och som forskare vet vi inte alltid från början exakt vad vi kommer fram till, säger Olof.

Det finns ibland rädsla och frågetecken om huruvida AI ska få blanda sig i vården—kan AI missa något eller ställa fel diagnos?

—Det kan man tänka sig! Men vågar vi avstå från att använda oss av AI för hälsotillämpningar, när vi kan få högre träffsäkerhet, spara liv och lidande? kontrar Olof. 

Med tanke på att AI i vissa fall kan upptäcka mer än människan, skulle den kunna visa upp specifika bilder som är viktiga för en läkare att titta extra på. På grund av juridiska aspekter kommer det förmodligen krävas att en läkare tar sista beslutet.

—AI behöver inte ersätta en läkare, det kan bli ett samarbete där AI och läkare kompletterar varandra, tänker Ebba. 

Fler tillämpningsområden inom medicin

Det har tagit tid innan AI för bildanalys har börjat användas inom medicinska tillämpningar, och här kommer vi bara se fler och fler fantastiska resultat. Målet är att hitta tidiga signaler som ger bättre chans att behandla sjukdomar. För RISE forskargrupp inom deep dearning väntar flera medicinska projekt och federerad inlärning framöver. Ljudanalys, står på to-do-listan, som kan hjälpa med att detektera problem i hjärt- och lungljud eller röstavvikelser vid sjukdomar som till exempel Parkinsons.

—Jag tror att vi kommer med många spännande och roliga resultat framöver, avslutar Olof.

RISE FÖRKLARAR:

• Maskininlärning

En metod inom AI där datorer tränas att lära sig regler, algoritmer, för att lösa en uppgift.

• Deep learning/Djupinlärning

Djup maskininlärning är en underkategori av maskininlärning, en teknik som använder artificiella neuronnät.

• Distribuerad inlärning/Federerad inlärning

En inlärningsteknik där nätverkets noder nyttjar lokala data på flera olika enheter utan att utbyta dem. Det gör det möjligt för flera aktörer, tex sjukhus, att bygga en gemensam maskininlärningsmodell utan att dela data.

• Federera

Federerad betyder samordnad, och används i olika sammanhang inom IT-branschen, tex samordnade databaser eller samordnad identitetshantering.

• Voxlar

Tredimensionella pixlar, som bygger upp en bild i 3D.