Kan kunstig intelligens stille en sikker diagnose hos pasienter med lungebetennelse og tuberkulose? Det har forskere ved University of the West Scotland undersøkt.

Studien er publisert i det vitenskapelige tidsskriftet Computer Methods and Programs in Biomedicine. .

Vil få bukt med ventetid

Lungebetennelse og tuberkulose er potensielt dødelige infeksjoner. I Norge er det riktignok svært få som blir rammet av tuberkulose: omtrent fem av 100.000 årlig.

Røntgenbilder, blodprøver og ultralyd er noen av måtene å stille en av disse diagnosene på.

Testene kan være kostbare, men viktigere er ventetiden.

Forskerne ser for seg at kunstig intelligens i fremtiden kan brukes mer for å dempe presset på sykehusene i vintersesongen, når mange blir syke på en gang.

LES OGSÅ

Norsk forskning setter den 5.300 år gamle ismannen Ötzi fra Alpene i nytt lys

Høy treffsikkerhet

Forskerne har troen på å bruke røntgenbilder i kombinasjon med kunstig intelligens. En datamaskin analyserer bildene i stedet for at en lege eller radiolog gjør det.

Teknologien er basert på maskinlæring. Da bruker man statistiske metoder for å la datamaskiner finne mønstre i store datamengder, forklarer Store norske leksikon.

Røntgenbildene av en pasient blir lagt inn i en database. Der blir den sammenlignet med flere tusen bilder av andre pasienter med lungebetennelse, tuberkulose eller korona. Så ser datamaskinen etter mønstre og vurderer diagnosen.

Flere studier har blitt gjort på den samme teknologien. Treffsikkerheten var på over 98 prosent i scanninger av barn med lungebetennelse, kommer det frem i den vitenskapelige artikkelen.

Allerede i bruk

– Jeg er spent på potensialet for denne teknologien. Den kan gjøre diagnostisering enklere og dempe presset på helsepersonell, sier forsker Milan Radosavljevic i en pressemelding fra universitetet. Han har vært med i arbeidet med studien.

Kunstig intelligens' evne til å stille diagnoser ble også omtalt i en artikkel fra OsloMet, publisert på forskning.no 5. november.

Å bruke maskinlæring i medisinsk diagnostikk og behandling blir faktisk mer og mer vanlig, skriver OsloMet i artikkelen. Bruk av kunstig intelligens har noen utfordringer.

– Vi vet ikke alltid hvordan den lærer, og det gjør det vanskelig å avdekke feil, sier Steven Hicks i artikkelen. Han har tatt en doktorgrad i ingeniørvitenskap på OsloMet om emnet.

Gode resultater betyr ikke alltid at ting fungerer i praksis

Det er mye hemmelighold i forskningen på maskinlæring, ifølge Hicks. Det er ett av temaene for forskningen hans. Han vil dessuten jobbe for å gjøre forskningen mer åpen og tilgjengelig i fremtiden.

– Forskning på medisinsk kunstig intelligens har i dag vanligvis upresise metodebeskrivelser, private data, lukket kildekode og ufullstendige evalueringer, sier Hicks i artikkelen fra OsloMet.

Problemet med det er at forskere ikke kan korrigere eller kritisere resultatene - slik forskning vanligvis fungerer.

Skal samarbeide med legen

Hicks påpeker dessuten at veien kan være lang fra forskning til sykehus.

– Vi ser mange eksempler hvor folk bygger et system som fungerer skikkelig bra. De kan ha mye data, men når de setter det ut i praksis, fungerer det ikke i det hele tatt.

Steven Hicks presiserer at den kunstige intelligensen ikke er ment å skulle erstatte legen, men å jobbe sammen med den.

– Om legen fanger opp noe som kunstig intelligens ikke finner og kunstig intelligens fanger opp noe legen ikke finner, så gjør de det bedre sammen enn hver for seg.

Referanse:

Okolo, Gabriel Iluebe., Katsigiannis, Stamos og Ramzan, Naeem. (2022). IEViT: An enhanced vision transformer architecture for chest X-ray image classification. Computer Methods and Programs in Biomedicine.

les også

Hva er egentlig renter og hvor kommer de fra?