Bruker kunstig intelligens i kampen mot kreft

- Bakteppet er en økende kreftforekomst. Min bakgrunn er fra patologi, hvor vi ser et stadig høyere antall vevsprøver fra kreftutredningen. Samtidig gjøres det mer med hver enkelt prøve. Og så har vi Helsepersonellkommisjonens rapport, som forteller om trykket vi står i både nå og fremover. I helsevesenet trenger vi mer ressurseffektive måter å jobbe på.

Det sier Marit Valla, førsteamanuensis og overlege ved Avdeling for patologi, St. Olavs hospital – og prosjektleder for «AICAN – Artificial Intelligence and digital pathology in CANcer».

Hvert år diagnostiseres rundt 38 000 nordmenn med kreft. Moderne kreftutredning genererer store mengder data om pasienten og kreftsvulsten. Informasjonsmengden fra kreftdiagnostikken er blitt så stor at helsetjenesten har behov for beslutningsstøtteverktøy.

Det er nettopp det prosjektet tar sikte på – å utvikle kunstig intelligens-modeller (KI) som på bakgrunn av disse dataene kan forutsi kreftpasienters kliniske forløp og prognose. Det vil kunne gi en mer bærekraftig utnyttelse av ressursene og en mer persontilpasset kreftbehandling.

KI gir nye muligheter

- De digitale vevsprøve-bildene gir nye muligheter for automatisk fortolkning. Da kan vi bruke KI til å tolke bildet av kreftsvulsten og samtidig legge til annen informasjon fra diagnostikken, både om pasienten og svulsten. Ved å koble alt dette sammen håper vi at vi på en mer presis måte kan si noe om forløpet, sier Valla.

I prosjektet er det blitt skannet vevssnitt fra cirka 3000 bryst- og lungekreftsvulster med tilhørende data, fra St. Olavs hospital, NTNU og fra samarbeidspartnere nasjonalt og internasjonalt. For å gjøre KI-modellene lett tilgjengelige har prosjektet utviklet programvaren FastPathology, som allerede er lastet ned over 900 ganger.

- Programmet er brukervennlig og tilpasset kliniske brukere uten programmeringsferdigheter. KI-modellene vi utvikler legger vi åpent tilgjengelig i FastPathology, og de som ønsker det kan laste opp egne vevssnitt og bruke våre eller egne KI-modeller i programmet, sier Hanne Sorger, som er ansvarlig for lungekreftforskningen i prosjektet.

Digitalt læringsverktøy

Selv om det over flere år har vært en massiv økning i forskning på KI og kreft, er vi langt unna å ta ut det fulle potensialet av moderne teknologi som KI i klinikken. Det er bakgrunnen for opprettelsen av den kliniske akademiske gruppen UNICAN CAG (UNIte AI and CANcer) med bidragsytere både regionalt og nasjonalt.

Visjonen er å sikre kreftpasientene mulighet for mer individtilpasset behandling ved å bruke KI-verktøy i klinisk beslutningsstøtte, forteller Valla.

- I tillegg til kursing av helsepersonell i KI, jobber vi for bedre undervisning av fremtidens helsepersonell. Derfor har vi utviklet det digitale læringsverktøyet LearnPathology. Tanken er at det skal tas i bruk på medisinstudiet og til opplæring på patologiavdelinger, sier Valla.

CAG-statusen gir langsiktighet og har bidratt til mer oppmerksomhet rundt prosjektet. Det har også ført til kompetanseoverføring til andre helseregioner, forteller prosjektlederen.

- Og så opplever vi å få drahjelp regionalt. Vi er blitt kjent med flere ressurspersoner innen helse og teknologiforskning i regionen, og har i større grad fått samlet trådene. Det har vært veldig fint.

Vil bli sentralt i kreftbehandling

Det er en lang vei å gå før en KI-algoritme kan tas i bruk. Ikke minst krever det kompetanseheving i hele regionen. Men på sikt vil KI kunne brukes til mye innen kreftbehandling.

- KI kan brukes i diagnostikken for å gjøre den raskere og mer presis. Det kan ta unna arbeidsoppgaver som er tidkrevende, men ikke vanskelige. Den kan hjelpe oss å finne sammenhenger vi ikke klarer å se på egenhånd. For pasientenes del kan det for eksempel bety at ventetiden blir kortere før de får svar på kreftprøven sin, sier Valla.

- Innen lungekreft har vi blant annet en pasientstudie der vi vil teste om KI kan gi svar på celleprøver underveis i en undersøkelse, mens prøvetakingen pågår. Det kan gjøre at pasientene får en kortere og mer målrettet undersøkelse, med raskere vei fram til beslutning om behandling, sier Sorger.

- Og så kommer det mer. Vi ser bruk av KI innen bruddiagnostikk, og planlegging av strålefelt. Det er spennende studier innen mammografiscreening og i vurdering av tarmpolypper, sier Valla.

KI er en del av et større puslespill, sier hun. En vil nok aldri lene seg 100 prosent på KI, men bruke det som en del av bildet som pusles sammen for å ta kliniske beslutninger. Forklarbare modeller, som gjør det mulig for klinikeren å sjekke om KI-vurderingen er fornuftig, vil bidra til at det blir lettere å ta teknologien i bruk.

Tverrfaglighet sentralt

Tverrfaglighet har vært helt sentralt i prosjektet. Hver og en av deltakerne kan noe som de andre ikke kan.

- Det er slik vi jobber. Vi gjør det vi er gode på, og så tar vi med oss ulik kunnskap til bordet. Vi har for tiden fem doktorgradsstudenter som jobber og driver prosjektene fremover. Vi har med leger fra ulike fagområder og sykehus, i tillegg til teknologer fra SINTEF og KI-miljøet på NTNU. Vi sitter mye i tverrfaglige møter og diskuterer problemer og løsninger sammen, sier Valla.

- Det er behovene i sykehusene som er utgangspunktet her. Vi begynner ikke på noe før det er et klinisk behov. Vi er flere ulike disipliner i samme rom. Legene må ha KI-opplæring, men teknologene må også ha opplæring i helse og medisin. Vi må komme på et nivå der vi kan ha fornuftige diskusjoner, sier SINTEF-forsker Ingerid Reinertsen.

- Vi merker at bruk av KI i helse er et kjærkomment tema, og både NTNU og helseforetakene er glade for at vi tar tak i dette. Det er et takknemlig situasjon å være i, sier Marit Valla.

FAKTA

• AICAN – Artificial Intelligence and digital pathology in CANcer, ved St. Olavs hospital, avdeling for patologi. AICAN er en tverrfaglig forskningsgruppe som involverer NTNU, St. Olavs hospital, Sykehuset Levanger og SINTEF, med samarbeidspartnere nasjonalt og internasjonalt. Finansiert av Helse Midt-Norge, Kreftfondet og Laboratoriemedisinsk klinikk ved St. Olavs Hospital, Institutt for Klinisk og Molekylær Medisin (IKOM) på NTNU, NTNU Toppundervisning, Direktoratet for Høyere Utdanning og Kompetanse og SINTEF.
• Det sentrale spørsmålet i AICAN er: Kan vi utvikle kunstig intelligens-modeller (KI) som kan forutsi kreftpasienters kliniske forløp og prognose?
• En CAG (Clinical Academic Groups) er en modell for å bedre den faglige samhandlingen mellom klinikere og forskere i helseforetak og vitenskapelig ansatte ved universiteter og høgskoler. Les mer på www.helse-midt.no/CAG
• Prosjektleder: Overlege patologi/førsteamanuensis Marit Valla. Medarbeidere og samarbeidspartnere: Seksjonsoverlege i lungemedisin/førsteamanuensis Hanne Sorger. Forskningsleder SINTEF/førsteamanuensis Ingerid Reinertsen, Seniorforsker Erik Smistad, og seniorforsker/førsteamanuensis Cecilie Våpenstad fra SINTEF. Førsteamanuensis Gabriel Kiss og senioringeniør Borgny Ytterhus (lab og skanning). Fem stipendiater er i gang med PhD-er innen digital patologi og KI.

PUBLIKASJONER:

• Pedersen A, Smistad E, Rise TV, Dale VG, Pettersen HS, Nordmo TS, Bouget D, Reinertsen I, Valla M. H2G-Net: A multi-resolution refinement approach for segmentation of breast cancer region in gigapixel histopathological images. Front Med (Lausanne). 2022
• Pedersen, M. Valla, A. M. Bofin, J. P. De Frutos, I. Reinertsen and E. Smistad, FastPathology: An Open-Source Platform for Deep Learning-Based Research and Decision Support in Digital Pathology. IEEE Access. 2021.
• Nettside: www.ntnu.no/ikom/aikan#/view/about