MAGI: Kunstig intelligens (AI) til diagnostik af brystkræft

Årligt foretages ca. 70.000 screeninger for brystkræft i Region Syddanmark, hvor der ved hver brystkræftscreening bliver taget fire røntgenbilleder. Hver enkelt røntgenbillede bliver vurderet af to uafhængige radiologer for at sikre højeste kvalitet. Det er ressourcekrævende, og derfor er der behov for et klinisk værktøj, der kan reducere behovet for radiologer og samtidig bevare og/eller øge kvaliteten.

MÅL

Det overordnede formål med projektet var at udvikle og afprøve et AI-værktøj til diagnostik af brystkræft for at sikre tidligere og mere præcis diagnostik, som kunne føre til hurtigere igangsættelse af behandling – og dermed bedre chance for overlevelse og øget livskvalitet.

De to overordnede aktiviteter i projektet var:

• Automatisering af dataudtræk
  Dataudtræk til AI-projekter er essentielle, men tidskrævende at gøre manuelt. Derfor skal processen tidsoptimeres gennem automatisering af dataudtræk. Dette vil være til gavn for fremtidige AI-valideringsprojekter samt understøtte fremtidig datainfrastruktur til brug af klinisk AI.
• Validering af AI-værktøj til billeddiagnostik
  Projektet ville afprøve og validere AI til at understøtte kliniske beslutninger ved diagnosticering af brystkræft. AI har potentiale til at øge kvaliteten i vurderingen af røntgenbilleder og optimere de tilgængelige lægeressourcer. Projektet skulle testes på alle billeddiagnostiske afdelinger i Region Syddanmark og inkludere både kvinder fra det almindelige screeningsprogram (screeningsmammografi) og kvinder henvist fra egen læge (klinisk mammografi).

Se en video med introduktion til projektet.

RESULTATER

Projektet har været et afgørende skridt i retning af at forstå potentialet og præstationsniveauet af AI-løsninger i mammografiscreening, og forskningen har fokuseret på flere vigtige faktorer, herunder præstationsniveauet afhængigt af placering i workflowet, arbejdsbyrde, cancerdetektionsrate og intervalcancerrate ved forskellige tærskelværdier. Studierne i projektet fremhæver bl.a. vigtigheden af datakvalitet og forskelle i anvendelsesområder afhængigt af værktøjets funktion og den specifikke kontekst.

Erfaringerne fra projektet er samlet i ph.d.-projektet "Large-scale validation of artificial intelligence for breast cancer detection in Danish mammography screening" af Mohammad Talal Elhakim. Se Mohammads publikationer her.

Den overordnede konklusion i ph.d.-afhandlingen er, at en AI-løsning (med passende tærskelværdi og implementeringssted i screeningsarbejdsgangen) potentielt kan erstatte en af de to radiologer eller delvist erstatte begge i dobbeltlæst mammografiscreening.

Der er fortsat behov for prospektive kontrollerede forsøg før storskalaintegration for at sikre, at langtidskræft-resultater ikke påvirkes negativt af AI-integreret screening. Valget af passende AI tærskelværdi og implementeringssted i screeningsarbejdsgangen er vigtige aspekter for forskere og medicinske beslutningstagere at overveje ved lokal implementering af AI i brystkræftscreening.

Resultaterne fra MAGI-projektet bliver arbejdet videre med i et nyt projekt, der skal undersøge mulighederne for indkøb af en AI-løsning til driften i mammografien.

PARTNERE

Ole Graumann, forskningsleder, og Benjamin Schnack Rasmussen, postdoc, fra forskningsenheden UNIFY på Radiologisk Afdeling på Odense Universitetshospital tog initiativ til projektet.

Projektet var et samarbejde mellem de radiologiske afdelinger på alle sygehusene i Region Syddanmark.

Da projektet involverede kunstig intelligens, var det også forankret hos Center for Klinisk Kunstig Intelligens (CAI-X).