Hur AI kan upptäcka sjukdomar som läkare inte letar efter

Getty Images ”Opportunistic” screening av AI kan hitta sjukdomar som läkare inte letade efter. Detta är den sjätte funktionen i en serie i sex delar som tittar på hur AI förändrar medicinsk forskning och behandlingar. När 58-årige Will Studholme slutade upp i olycka och akut på ett NHS-sjukhus i Oxford 2023 med gastrointestinala symtom, förväntade han sig inte en diagnos av osteoporos. sjukdom, starkt förknippad med ålder, gör att benen blir svaga och sköra, vilket ökar risken för frakturer. Det visade sig att Mr Studholme hade ett allvarligt fall av matförgiftning, men tidigt i sin sjukdomsutredning fick han en CT-skanning av buken. skanningen genomfördes sedan genom artificiell intelligens (AI)-teknik som identifierade en kollapsad kota i Mr Studholmes ryggrad, en vanlig tidig indikator på benskörhet. Ytterligare tester följde, och Mr Studholme dök upp inte bara med sin diagnos, utan en enkel behandling: en årlig infusion av ett osteoporosläkemedel som förväntas förbättra hans bentäthet. ”Jag känner mig väldigt lyckligt lottad”, säger Mr Studholme, ”Jag tror inte att det här skulle ha tagits upp utan AI-tekniken.” Will Studholme Medan Will Studholme behandlades för matförgiftning hittade AI tecken på osteoporos. radiolog kanske noterar något tillfälligt i en patients avbildning – en oupptäckt tumör, ett problem med en viss vävnad eller ett organ – utanför vad de ursprungligen hade kontrollerat för. Men att tillämpa AI i bakgrunden för att systematiskt kamma igenom skanningar och automatiskt identifiera tidiga tecken på vanliga förebyggbara kroniska sjukdomar som kan vara under uppkomst – oavsett anledningen till att skanningen ursprungligen beställdes – är nytt. Den kliniska användningen av AI för opportunistisk screening eller opportunistisk avbildning, som det kallas, ”har bara börjat” konstaterar Perry Pickhardt, professor i radiologi och medicinsk fysik vid University of Winconsin-Madison, som är bland dem som utvecklar algoritmerna. Den anses vara opportunistisk eftersom den drar fördel av bildbehandling som redan har gjorts för ett annat kliniskt syfte – oavsett om det är misstänkt cancer, bröstinfektion, blindtarmsinflammation eller magsmärtor. Det har potential att fånga tidigare odiagnostiserade sjukdomar i tidiga skeden, innan symtomen debuterar, när de är lättare att behandla eller förhindra att de utvecklas. ”Vi kan undvika mycket av bristen på förebyggande som vi har missat tidigare”, säger prof Pickhardt. Regelbundna fysiska eller blodprover misslyckas ofta med att upptäcka dessa sjukdomar, tillägger han. Getty Images CT-skanningar innehåller mycket information som är inte undersökt Det finns mycket data i datortomografi relaterade till kroppsvävnader och organ som vi egentligen inte använder, konstaterar Miriam Bredella, en radiolog vid NYU Langone som utvecklar också algoritmer inom området. Och även om analys av det teoretiskt skulle kunna göras utan AI av radiologer som gör mätningar – det skulle vara tidskrävande. Det finns också fördelar med tekniken när det gäller att minska bias, konstaterar hon. En sjukdom som osteoporos t.ex. anses det mesta drabba smala, äldre vita kvinnor – så läkare tänker inte alltid titta utanför den populationen. Opportunistisk bildbehandling, på å andra sidan, diskriminerar inte på det sättet. Herr Studholmes fall är ett bra exempel. Eftersom han är relativt ung för osteoporos, man och utan historia av brutna ben, är det osannolikt att han skulle ha fått diagnosen utan AI. Förutom osteoporos tränas AI för att opportunistiskt kunna identifiera hjärtsjukdomar, fettleversjukdomar, åldersrelaterad muskel förlust och diabetes. Medan huvudfokus ligger på datortomografi, till exempel av mage eller bröst, pågår ett arbete med att opportunistiskt samla in information från andra typer av bildbehandling också, inklusive lungröntgen och mammografi. Algoritmerna tränas på många tusen taggade tidigare skanningar, och det är viktigt att träningsdatan inkluderar skanningar från ett brett spektrum av etniska grupper om tekniken ska bli utplacerad på en mängd olika människor, betonar experterna. Och det är tänkt att det finns en nivå av mänsklig granskning – om AI:n hittar något misstänkt skulle det skickas till radiologer för att bekräfta innan det sedan rapporteras vidare till läkare. AI-tekniken som används för att undersöka Mr Studholmes skanning tillhör det israeliska företaget Nanox.AI, som är ett av endast en handfull företag som arbetar med AI för opportunistisk screening – långt fler är fokuserade på att använda AI för att hjälpa till med exakta och snabba diagnoser av de specifika tillstånd som skanningarna faktiskt utförs för.Nanox.AI erbjuder tre opportunistiska screeningprodukter som syftar till att hjälpa till att identifiera osteoporos, hjärtsjukdomar respektive fettleversjukdomar från rutinmässiga CT-skanningar. Oxford NHS-sjukhus började testa Nanox.AI:s osteoporosfokuserade produkt 2018 innan den officiellt lanserades 2020. Resultaten från Oxfords sjukhus visar en upp till sexfaldig ökning över NHS-genomsnittet i antalet patienter som identifieras med kotfrakturer – patienter som sedan kan kontrolleras för osteoporos och påbörja behandling för att bekämpa sjukdomen, säger Kassim Javaid, professor i osteoporos och sällsynta skelettsjukdomar vid University of Oxford som har gått i spetsen för algoritmens introduktion. Ytterligare försök med algoritmen pågår nu också på sjukhus i Cambridge, Cardiff, Nottingham och Southampton. ”Vi vill bygga bevis för att använda det över hela NHS”, säger prof Javaid.Men även om tekniken kan gynna individer, finns det bredare konsekvenser som måste övervägas, säger Sebastien Ourselin, professor i sjukvårdsteknik vid Kings College London, som leder AI Center for Value Based Healthcare. Ett stort problem som måste balanseras, konstaterar han, är det extra patientantal som användningen av tekniken kan skapa. ”Detta ökar efterfrågan på hälso- och sjukvårdssystemet och minskar inte det,” säger han. För det första kommer personer som flaggas av den opportunistiska screeningen som potentiellt ha en sjukdom sannolikt att behöva ytterligare bekräftande tester, vilket tar resurser. Och om AI:n är felaktig eller för känslig kan det resultera i många onödiga tester. Då måste tjänster finnas på plats för de extra personer som i slutändan får diagnosen. Den extra belastningen är en utmaning som kommer med tekniken erkänner prof Javaid – men det finns lösningar. Patienter som bekräftats ha frakturerna i Oxford skickas för uppföljning till en frakturförebyggande tjänst som till stor del levereras av en sjuksköterska för att inte överbelasta läkare. ”AI:n tvingar dig att ändra din väg,” säger han. Och i det långa loppet, tror prof Javaid, att få ett större antal personer med osteoporos i tidigt skede identifierade och att få den förebyggande behandling de behöver kommer att spara NHS pengar . ”Fraktur är en av de främsta anledningarna till att människor hamnar på sjukhus”, säger han. Studholme har sett förödelsen av osteoporos från första hand: det ledde till att hans mamma bröt båda hennes höfter. Det brukade bara betraktas som en gammal människas tillstånd utan att man kunde göra något, säger han. ”Jag känner mig ganska privilegierad att jag kan göra något innan mina ben förvandlas till krita”, säger han.