Utmaning för AI att skilja friskt från sjukt

Vilken roll kan artificiell intelligens spela i framtidens sjukvård? Det var ämnet när den amerikanske radiologiprofessorn Eliot Siegel talade på Röntgenveckan 2017 i Linköping. Han sa att medicinsk bildanalys är ett av de svåraste områdena för AI.

Eliot Siegel i talarstolenEliot Siegel talade om artificiell intelligens i vården vid Röntgenveckan 2017. Foto: Karin Söderlund Leifler/LiU
Föreställ dig en bild av livet på en bondgård. Här finns kossor som betar, ankor som simmar i en damm och en flicka som klappar en katt. Men det finns också en hund som rastar sin husse i koppel och en anka som kör traktor.

Ett barn i femårsåldern skulle kunna peka ut knasigheterna. Hon eller han skulle dessutom kunna förklara varför bilden inte ser rätt ut.

Barnets bedömning har en del likheter med arbetet som röntgenläkare, eller radiologer, gör när de analyserar bilder från avbildande undersökningar av kroppen, som röntgen- och magnetkameraundersökningar. Ser allt normalt ut, eller finns det någon avvikelse som skulle kunna bero på sjukdom?

– Men ingen dator i dag kan svara på frågan: ’Vad är fel i den här bilden?’ Datorer är väldigt bra på att tala om vad som finns på bilden, men att hitta det som är fel, vilket ligger mycket närmare det som vi radiologer gör, är fortfarande svårfångat, sa Eliot Siegel, professor vid University of Maryland i USA, när han höll föreläsningen som avslutade Röntgenveckan 2017 i Linköping.

AI som lär sig själv

På radiologikonferensen Röntgenveckan var artificiell intelligens och dess möjliga plats i framtidens vård ett av många ämnen som diskuterades. När man avbildar kroppens inre med olika bilddiagnostiska metoder skapas en mycket stor mängd data. Det finns stort intresse för möjligheterna att använda AI-metoder för att på kort tid bearbeta stora mängder information, hitta mönster och på olika sätt fungera som ett stöd för människan. Radiologin är ett av de områden där många ser en potential att ta hjälp av datorernas kapacitet.konceptbild av hjärna som tittar på många bilderUtvecklingen inom bildigenkänning har gått snabbt framåt. Foto: chombosan/iStock

På senare år har utvecklingen inom en sorts AI, djup maskininlärning, gått mycket fort. Djup maskininlärning kan något förenklat beskrivas som datorsystem som hittar mönster bland en stor mängd data och skapar regler för att kunna göra förutsägelser. Det har bland annat använts för att skapa datorsystem som lär sig att spela olika datorspel genom att observera vad som händer på skärmen när en människa spelar spelet. Efter någon timme kan programmet spela själv, och det fortsätter att lära sig så att det spelar allt bättre.

Också inom bildigenkänning har utvecklingen tagit enorma kliv framåt, vilket bidragit till att det pratas mycket om möjligheterna att använda djup maskininlärning för bildanalys. Olika datorprogram har blivit så bra på att känna igen människor och andra objekt på bilder att de på många sätt närmar sig människans förmåga att särskilja olika bilder. Men inte fullt ut, och Eliot Siegel visade exempel på hur små avvikelser i form av brus, som inte stör en människas bilduppfattning, kan förvirra en dator så att den felbedömer vad bilden visar.

– Medicinsk bildanalys är antagligen ett av de svåraste områdena för AI, sa Eliot Siegel.

Han menade att det finns andra uppgifter där AI skulle kunna vara till stor hjälp inom vården, och nämnde smartare taligenkänning vid diktamen som ett exempel. Eliot Siegel var tydlig med att han inte håller med dem som förutspår att AI-metoder kommer att ersätta röntgenläkarna. Han menar att det snarare kommer det att behövas fler radiologer, inte färre, när AI-metoder gör det möjligt att kombinera stora mängder information vid diagnostik och uppföljning av patienter.

– Vi har redan snabba datorer, mjukvaran och teknologin. Jag tror att om vi lyckas använda dem klokt kan artificiell intelligens bli en pålitlig och hjälpsam partner till radiologer och inom medicin i allmänhet. Jag ser fram emot det och jag är inte alls rädd för att bli ersatt av en dator, sa Eliot Siegel.

Bra utgångsläge för svensk forskningEliot Siegel och moderatorn i samtal på scenenEliot Siegel (höger) i samtal om framtiden för AI i radiologi. Foto: Karin Söderlund Leifler/LiU

Föreläsningen avslutades med en frågestund. En av frågorna var om Siegel hade något råd när det gäller var svenska initiativ ska lägga kraften för att röra sig framåt inom området. Siegel lyfte fram att Sverige är välkänt för banbrytande arbete inom bland annat thoraxradiologi och att det finns unikt material här som skulle kunna användas inom forskning.

– Jag tror att det är radiologer som ska visa vägen i utvecklingen. Jag skulle bli mycket uppmuntrad av att se forskning från Sverige där ni använder er av den unika kunskap som finns här och utvecklar sätt att använda djup maskininlärning på kliniskt relevanta frågeställningar, för det är det vi behöver, sa Eliot Siegel.

Röntgenveckan är Sveriges största konferens inom radiologi och hölls i år i Linköping. Under den 12–15 september träffades runt 1 500 röntgenläkare, röntgensjuksköterskor, undersköterskor, sekreterare och forskare på Konsert & Kongress. Konferensen anordnades av Röntgenkliniken vid Universitetssjukhuset i Linköping och CMIV vid LiU, i samarbete med svensk Förening för Medicinsk Radiologi och Svensk Förening för Röntgensjuksköterskor.

Senaste nytt från LiU