Kunstig intelligens (AI) er brudt ind i sundhedsområdet og revolutionerer tidlig opsporing af brystkræft, en af de vigtigste udfordringer i moderne medicin. Styrken ved AI-systemer, især dem der er udviklet af virksomheder som Google, transformerer screeningen og diagnosen af denne sygdom takket være deres nøjagtighed, hastighed og evne til at behandle store mængder data.
I øjeblikket er brystkræft en af de mest almindelige kræftformer på verdensplan, hvor langt de fleste tilfælde rammer kvinder, ifølge data fra Verdenssundhedsorganisationen (WHO). Tidlig opsporing er nøglen til at øge overlevelsesraten og reducere invasive behandlinger. I denne sammenhæng positioneres kunstig intelligens anvendt i medicin som et grundlæggende støtteværktøj for sundhedspersonale.
Hvordan fungerer Googles kunstige intelligens i forbindelse med opsporing af brystkræft?
Googles kunstige intelligens er blevet trænet ved hjælp af dybe neurale netværk (dyb læring) med store databaser med medicinske billeder, primært mammogrammer. Denne træning giver mulighed for identificere subtile mønstre eller mikrolæsioner i billeder, der måske endda går ubemærket hen af det menneskelige øje, hvilket forbedrer diagnosens følsomhed og specificitet.
I de mest relevante undersøgelser, mere end 76.000 anonyme mammogrammer af kvinder fra Storbritannien og 15.000 fra USA, samt uafhængige datasæt til at evaluere algoritmens ydeevne. Resultaterne viste en betydelig reduktion i falsk negative og positive resultater, hvilket hjælper med at minimere fejldiagnoser og den angst og de omkostninger, der er forbundet med unødvendige tests og behandlinger.
- Reduktion af falske negative resultater: 9,4% hos kvinder i USA og 2,7% i Storbritannien, hvilket betyder, at AI identificerede tilfælde, som læger muligvis ville overse.
- Reduktion af falske positiver: 5,7 % i USA og 1,2 % i Storbritannien, hvilket strømliner klinisk beslutningstagning og undgår unødvendige interventioner.
I tests på tværs af lande, hvor AI'en blev trænet på data fra ét land og testet på data fra et andet – for eksempel trænet på britiske mammogrammer og testet på amerikanske – Reduktionen i falsk negative resultater nåede 8,1 %, og antallet af falsk positive resultater nåede 3,5 %.. Disse resultater demonstrerer Google-modellens robusthed og generaliseringsevne.
Fordele ved kunstig intelligens i forhold til traditionel diagnose
Konventionel mammografi har, på trods af at være standardmetoden til screening for brystkræft, iboende begrænsninger: brysttæthed kan maskere tumorer, der er variation blandt radiologer, og der er en estimeret diagnostisk fejlrate på op til 20 %. AI præsenteres som en allieret til at overvinde disse barrierer og giver adskillige fordele:
- Behandling af store mængder data: Analysér tusindvis af billeder på få minutter, og opdag umærkelige mønstre.
- Reduktion af radiologernes arbejdsbyrde: Det gør det muligt at fokusere indsatsen på komplekse sager og udføre dobbeltlæsninger uden at øge presset på plejen.
- Diagnostisk smidighed: Ventetiden på resultater kan variere fra to uger til blot tre dage – en afgørende forskel i patientens angst og prognose.
- Større præcision og retfærdighed: Det reducerer menneskelig variabilitet og bidrager til mere ensartede diagnoser, uanset hvilket lægecenter eller hvilken fagperson der udfører testen.
Nogle systemer, som f.eks. LYNA (Lymfeknudeassistent) fra Google har vist sig at kunne lokalisere metastaser, der er næsten usynlige for det menneskelige øje, hvilket fremskynder diagnosen og starten af behandlingen. Og internationalt har AI-værktøjer som MIA, udviklet af Kheiron Medical Technologies og Microsoft i samarbejde med University of Aberdeen, øget sagsregistreringen med 13 % sammenlignet med konventionelle metoder og kan reducere sagsbelastningen med 30 %.
Nuværende begrænsninger og fremtidige udfordringer ved AI i forbindelse med kræftopdagelse
Mens kunstig intelligens når et niveau af nøjagtighed, der er bedre end mange menneskelige eksperters, har stadig betydelige begrænsninger:
- Begrænset adgang til kontekstuel information: AI analyserer typisk kun det seneste billede uden adgang til en komplet sygehistorie eller tidligere mammografier, hvilket kan begrænse muligheden for at opdage subtile ændringer over tid.
- Mangel på læring i realtid: Af regulatoriske årsager deaktiverer nogle kliniske forsøg maskinlæring i valideringsfasen for at undgå bias eller ukontrollerede fejl. Hver opdatering kræver menneskelig tilsyn og nye valideringer.
- Det erstatter ikke menneskelig vurdering: Selvom det reducerer fejl, bør det altid bruges som et supplement til en lægelig vurdering, aldrig som en fuldstændig erstatning. Der er tilfælde, hvor radiologer opdager anomalier, som AI ikke identificerer.
- Privatliv og anonymisering: Beskyttelse af personoplysninger – for eksempel ved at fjerne identifikatorer, før mammogrammer uploades til skyen med henblik på AI-analyse – er afgørende for at sikre patienters fortrolighed.
Derfor går den internationale konsensus, støttet af foreninger som College of Radiologists of the United Kingdom, ind for Samarbejde mellem kunstig intelligens og radiologerRadiologen, der bruger valideret kunstig intelligens, vil i stigende grad blive en central og robust figur i klinisk pleje.
Globale anvendelser og klinisk validering af kunstig intelligens i forbindelse med brystkræftdetektion
Brugen af kunstig intelligens Det er allerede blevet godkendt af enheder som FDA i USA, Det Europæiske Lægemiddelagentur og ANMAT i Argentina.. Mere end 20 institutioner i XNUMX lande bruger det i øjeblikket til at fortolke mammografi, ultralyd og MR-scanninger.
I forsøg udført på britiske og andre europæiske hospitaler har værktøjer som MIA været i stand til at identificere tumorer mindre end 6 millimeter, som ikke blev opdaget ved genundersøgelser af mennesker, hvilket demonstrerer AI's evne til at opdage læsioner i deres tidlige stadier. I større internationale studier, en diagnostisk følsomhed på op til 98% og en reduktion på op til 30% i unødvendige biopsier af godartede læsioner, hvilket optimerer ressourcerne og minimerer den følelsesmæssige og fysiske påvirkning på patienterne.
Derudover har kunstig intelligens vist sig nyttig, selv i sammenhænge med høj efterspørgsel og arbejdsstress, hvilket bidrager til at reducere radiologers træthed og forbedre den diagnostiske kvalitet. Dens integration i kliniske arbejdsgange muliggør for eksempel en automatisk indledende vurdering af risikoen for malignitet og prioritering af de mest presserende tilfælde.
Succeshistorier og videnskabelig anerkendelse
- I Storbritannien identificerede kunstig intelligens 11 tilfælde af brystkræft, som ikke var blevet opdaget af læger, hvilket muliggjorde mindre invasive behandlinger og forbedrede overlevelsesraten for tumorer mindre end 15 mm, som kan overstige 90 %.
- I Sverige viste nylige forsøg en forbedring på 20 % i tumorpåvisning, når mammografi blev evalueret af AI og en radiolog sammenlignet med dobbelttjek foretaget af mennesker.
Derudover har det videnskabelige samfund anerkendt den banebrydende effekt af AI med priser lige så vigtige som Nobelprisen i fysik til Geoffrey Hinton og John Hopfield for hans bidrag til neurale netværk – et fundamentalt teknologisk grundlag for udviklingen af nuværende algoritmer til medicinsk billeddannelse – og Nobelprisen i kemi til Google DeepMind-forskere for AlphaFold, et program, der forudsiger proteinstrukturer og åbner nye horisonter inden for diagnosticering og behandling af kræft.
Fremtiden for kunstig intelligens inden for brystkræft: muligheder og udfordringer
Vejen til fuldt ud at implementere kunstig intelligens i brystkræftdetektering involverer at overvinde lovgivningsmæssige, tekniske og etiske udfordringer. For masseadoption er det afgørende:
- Standardiser diagnostiske data og systemer: Algoritmer skal valideres i forskellige populationer og trænes med billeder af patienter med forskellig etnicitet og karakteristika.
- Beskyt privatlivets fred: Dataanonymisering er en uundværlig forudsætning for tillid og adoption i sundhedssektoren.
- Togfagfolk: Løbende træning er nødvendig, efterhånden som radiologens rolle udvikler sig, for at fortolke resultater og træffe kliniske beslutninger i samarbejde med kunstig intelligens.
- Undersøg den langsigtede effekt: Prospektive studier (som dem, der er udført i Storbritannien og Ungarn) er i gang for at vurdere den reelle indvirkning på dødelighed, omkostningsreduktion og forbedret patientoplevelse.
Opgraderinger til AI-systemer forventes at muliggøre kontinuerlig læring i virkelige kliniske miljøer, forbedre opdagelsen af vanskelige tilfælde og tilpasse sig ændringer i billeddannelsesteknologier og epidemiologiske mønstre.
Kønsperspektiv og teknologisk lighed
Adriana Noreña, Googles vicepræsident for Latinamerika, understreger vigtigheden af kvinder deltager aktivt i udviklingen af disse teknologierog dermed sikre mere retfærdige løsninger, der er skræddersyet til det kvindelige køns specifikke behov. Integrering af det kvindelige perspektiv fra de tidligste stadier af AI-design og -implementering vil være afgørende for at sikre effektiviteten, anvendeligheden og etikken af de udviklede værktøjer.
Det medicinske samfund og teknologivirksomheder som Google har et engagement i at fortsætte med at fremme demokratiseringen af adgangen til præcis, hurtig og personlig sundhedspleje. Kunstig intelligens er ikke kun en allieret i opsporing, men også i forebyggelse, overvågning og i sidste ende personlig behandling af brystkræft.
Integrationen af kunstig intelligens i opsporing af brystkræft repræsenterer en af de største milepæle inden for moderne medicin. Kliniske forsøg og erfaringer fra det virkelige liv bekræfter, at kunstig intelligens, brugt som supplement til traditionel medicinsk vurdering, muliggør mere præcise, hurtigere og mere retfærdige diagnoser. Efterhånden som teknologien modnes, og etiske standarder og privatlivsstandarder bliver mere etablerede, vil AI fra Google og andre førende virksomheder fortsætte med at redde liv og transformere sundhedsparadigmet.
