Solveig Hofvind

Kunstig intelligens kan trolig støtte radiologene i arbeidet med å tyde mammografibilder. Målet er at kunstig Intelligens også kan oppdage svulster radiologene ikke ser og frigjøre tid.

Det håper Kreftregisteret som er forskningsansvarlig institusjon og dataansvarlig for prosjektet som skal undersøke om den nye teknologien kan brukes for å gjøre tydingen av screeningmammogrammer mer presis.

- Bruk av kunstig intelligens vil også kunne frigjøre tid slik at radiologene kan brukes til andre oppgaver. Dessuten vil vi også teste om kunstig intelligens kan benyttes for å vurdere bildekvalitet slik at subjektive vurderinger kan erstattes av objektive målemetoder, sier leder av Mammografiprogrammet ved Kreftregisteret, Solveig Hofvind. Hun forteller at dette også vil kunne sikre stabil og god bildekvalitet.

Norske kvinner mellom 50 og 69 år får tilbud om mammografi i offentlig regi annethvert år. De fleste som kommer til screening har ingen tegn på brystkreft. Likevel bruker røntgenlegene mye tid på å granske normale funn. Nå håper Kreftregisteret at nye studier med bruk av kunstig intelligens kan bidra til å bedre kvaliteten i Mammografiprogrammet ved å få mer effektiv og presis screening som igjen fører til bedre diagnostikk og behandling for kvinner som får påvist brystkreft.

Flere studier

Mammografiseksjonen ved Kreftregisteret er involvert i flere prosjekter knyttet til kunstig intelligens.

- Vi jobber med flere retrospektive kohortstudier hvor vi tester ulike systemer for kunstig intelligens for tyding av mammogrammer med den hensikt å sammenligne ytelsen til disse systemene med tyding utført av radiologer i Mammografiprogrammet, forteller Hofvind.

Seinere, når analyser fra retrospektive data foreligger, planlegger Kreftregisteret å gjennomføre randomiserte, kontrollerte studier for å få kunnskap om effekten. Da vil man også få informasjon om blant annet fordeler, ulemper, og kostnader.

Det norske Mammografiprogrammet har et stort og unikt datagrunnlag, med screeningmammogrammer fra over fire millioner undersøkelser, tilhørende informasjon om selve undersøkelsen og eventuelle brystkrefttilfeller.

- Vi er dermed i en veldig god posisjon til både å teste allerede utviklede systemer og utvikle egne systemer basert på kunstig intelligens tilpasset norske kvinner, sier Hofvind.

Etiske og juridiske aspekter

Hun opplyser at Kreftregisteret også er involvert i forskningsprosjekter hvor de utvikler egne algoritmer som kan brukes til tyding av screeningmammogrammer. I samarbeid med Norsk Regnesentral jobber de med å utvikle robuste systemer med kunstig intelligens for screening som kan håndtere mammogrammer fra ulike leverandører over tid, og som kan utnytte data fra flere undersøkelser. Dessuten må dette være systemer som er tilpasset bruk i klinisk sammenheng i kombinasjon med radiologens vurderinger.

Hofvind understreker at det i tillegg til at kunstig intelligens kan bidra i radiografenes screeningsarbeid og faglig bildekvalitet, er det også viktig å ha kunnskap om etiske og juridiske aspekter knyttet til en eventuell implementering av kunstig intelligens i Mammografiprogrammet.

Hvilke fordeler vil kunstig intelligens ha for Mammografiprogrammet?

- I dagens screeningprogram tydes bildene av to radiologer uavhengig av hverandre. Dette er et tidkrevende arbeid. Å redusere screeningarbeidet for radiologene vil kunne spare ressurser, øke sensitiviteten, men også frigjøre tid for dem, sier Hofvind, som også legger til at det er stor mangel på brystradiologer både i Norge og i Europa.

Hvilke forventninger har Kreftregisteret til bruk av kunstig intelligens i oppdagelsen av brystkreft?

- Vi forventer at disse systemene minst skal ha samme sensitivitet som en radiolog. Det er også et potensiale for at kunstig intelligens kan oppdage svulster som radiologene ikke ser, sier hun.

Ifølge Hofvind er det stor utålmodighet blant radiologer for å ta i bruk kunstig intelligens så raskt som mulig. Mange vil implementere dette nå, uten å teste det ut. Men uttesting tar tid.

Mye testing

- Vi må vite hva vi setter i gang og unngå de største fallgrubene. Det betyr at vi må ha oppdaterte IT-systemer som snakker sammen uavhengig av helseregion. Dessuten må vi ha godkjenninger og ansvarliggjøring. For hvem skal stå ansvarlig for beslutningene som gjøres av en maskin? Spør hun.

Gode studier med tilstrekkelig statistisk styrke krever minst fire års datainnsamling. I framtiden ser Kreftregisteret for seg at kunstig intelligens kan tas i bruk ved alle brystsentre i landet, men det kan fort gå åtte til ti år før vi er der.

Hvordan kan man sikre seg at maskinen/roboten blir programmert slik at den er til å stole på?

- Dette krever et tålmodig og presist valideringsarbeid. Vi må først analysere retrospektive data, deretter gjennomføre randomiserte gode studier med ulike systemer for kunstig intelligens, forteller Hofvind.

Til nå er det innhentet dokumentasjon og godkjenninger for de ulike prosjektene, Det er blant annet godkjenning fra regionale komiteer for medisinsk og helsefaglig forskningsetikk (REK), samarbeidsavtaler og databehandleravtaler. Dessuten er personvernkonsekvensvurdering (DPIA) godkjent ved Kreftregisteret og forankret hos personvernombudet ved Oslo Universitetssykehus, OUS. Løsningsdesign og risiko- og sårbarhetsanalyse (ROS) er også godkjent pluss forankring hos personvernombudet hos lokale samarbeidspartnere som forskerne samarbeider med.

I første halvår i 2022 vil et CE-merket system testes ut på et regionalt helseforetak.

- Vi ser for oss et betydelig arbeid med å teste ut ulike CE-merkede systemer på retrospektive data og på egenutviklede system på andre data enn dem modellen er bygget på, sier Hofvind. Først etter det kan systemene testes ut i klinisk praksis.

- Hvordan sikre at teknologien hele tiden er oppdatert og trent på oppgaven den er satt til?

- Det er svært viktig å utvikle metoder som er generaliserbare, det betyr at de er trent på et mangfoldig datasett med hensyn til blant annet ulike populasjoner og bildetakingsutstyr, sier Hofvind.

Dette er et sentralt tema i det nystartede forskningsprosjektet «AlforScreening: Robust and trustworth Al for breast cancer screening with mammography» som er et samarbeid med Norsk Regnesentral.

Hofvind mener også at det er nødvendig med store treningsdata med nok krefttilfeller. Studiene må dessuten gå over lang tid slik at forskerne kan stole på resultatene de finner. I tillegg er det viktig at en ferdig utviklet modell stadig forbedres og oppdateres med nye data.

GDPR og dokumentasjon

Hvordan håndteres forskningen i forhold til GDPR-reglene og de juridiske utfordringene?

- Det viktig at informasjonssikkerheten og personvernet beskrives og vurderes nøye i slike prosjekter. Men prosessene knyttet til datainnsamling har tatt betydelig mer tid, krefter og ressurser enn forventet. Dette skyldes at GDPR har et mye større behov for dokumentasjon og tunge prosesser, men også at det krever at svært mange ulike Instanser blir involvert i uttrekk og oversendelse av bildedata. Siden vi er de første som tester ut dette fins det heller ingen maler å følge. Heldigvis har vi gjort oss mange nyttige erfaringer som gjør at oppstart av nye prosjekter vil bli mer håndterlig framover, avslutter Hofvind.