Lungcancer är den ledande orsaken till cancerdöd i USA, och rökning är den största enskilda riskfaktorn. Eftersom sjukdomen sällan ger tydliga symtom i ett tidigt skede upptäcks den ofta sent. Lågdos-CT-screening erbjuder dock en möjlighet att hitta tumörer tidigt, när de fortfarande går att bota, och rekommenderas idag för personer med förhöjd risk – exempelvis äldre som röker eller har rökt under lång tid.
Screeningen har dock sina begränsningar. Undersökningarna är kostsamma och tidskrävande, och risken för falsklarm kan leda till onödiga uppföljande undersökningar samt oro för patienterna. Det är här artificiell intelligens (AI) kan komma att spela en avgörande roll.
Vid CT-screening avbildas lungorna med datortomografi (CT) med låg stråldos. Studier har visat att metoden kan minska dödligheten i lungcancer bland högriskgrupper jämfört med traditionell lungröntgen. För att screeningen ska bli effektiv krävs dock att rätt personer undersöks vid rätt tidpunkt – och att fynden tolkas korrekt.
Artificiell intelligens utvecklas snabbt och har potential att förändra många delar av vården, inte minst cancerscreening. AI-algoritmer kan tränas att identifiera lungcancer på CT-bilder med hög träffsäkerhet och användas för att bedöma vilka patienter som löper störst risk att insjukna. Det skulle kunna göra screeningen både effektivare och mer träffsäker.
Ett av de mest lovande områdena är djupinlärning (deep learning), en form av maskininlärning där algoritmer tränas på enorma bildmängder. Algoritmerna lär sig då känna igen subtila mönster i bilderna som kan vara osynliga för det mänskliga ögat. Det kan hjälpa radiologer att upptäcka små tumörknutor tidigare och samtidigt minska antalet falsklarm.
En annan intressant tillämpning är bearbetning av naturligt språk (NLP). Med sådana algoritmer kan stora mängder patientdata analyseras automatiskt – exempelvis rökhistorik, journalanteckningar och laboratorieresultat – för att identifiera patienter som hör till högriskgruppen. På så sätt kan screeningens resurser riktas mot dem som behöver dem mest.
Trots potentialen finns flera hinder innan AI kan tas i bruk i stor skala. En utmaning är behovet av stora, väl annoterade bilddatabaser för att träna algoritmerna. En annan är att algoritmerna måste kunna generalisera till nya patientgrupper och olika CT-system utan att tappa precision. Frågor om validering, patientsäkerhet och regelverk måste också lösas innan AI kan bli en rutinmässig del av vården.
Sammanfattningsvis har AI potential att revolutionera lungcancerscreeningen. Algoritmerna kan förbättra diagnostikens träffsäkerhet, identifiera patienter med hög risk och göra screeningen effektivare. Allt eftersom tekniken utvecklas är det troligt att AI får en allt viktigare roll – inte bara vid lungcancer, utan inom många andra delar av hälso- och sjukvården.
Hälsa och Sjukdom © https://www.sjukdom.online