Denne artikkelen er produsert og finansiert av UiT Norges arktiske universitet - les mer.
Her ser vi en PET/CT-skanner. Kan kunstig intelligens forutsi nødvendig informasjon fra blodet, direkte fra PET-bildene? Da kan pasientene slippe stadige blodprøver.(Foto: Universitetssykehuset Nord-Norge)
Kunstig intelligens kan spare kreftpasienter for ubehagelige undersøkelser
Når kunstig intelligens henter ut riktig informasjon fra bilder av blodet, så kan pasienter få det litt bedre.
Sammen med forskere på kunstig intelligens har stipendiat Samuel Kuttner utviklet en metode som gjør at pasienter slipper kontinuerlige blodprøver underveis i en PET-undersøkelse.
I fremtiden håper forskerne at man faktisk skal kunne stille diagnoser ut ifra PET-bildene ved hjelp av kunstig intelligens, en såkalt virtuell biopsi. Da vil man også slippe å stikke pasientene for å få vevsprøver av kreftsvulsten.
– Det som motiverer meg er at jeg kan gjøre noe for pasientene, slik at de får det bedre, sier Samuel Kuttner.
Han har arbeidet med sin doktorgrad på Institutt for klinisk medisin ved UiT Norges arktiske universitet, innen forskningsfeltet nukleærmedisin og strålebiologi.
Samuel Kuttner tar nå doktorgrad i medisinsk fysikk.(Foto: UiT)
Kreftceller lyser opp
Han har spesialisert seg på analyse av PET-bilder.
– En PET-undersøkelse er en avansert medisinsk undersøkelse på innsiden av kroppen. Den foregår ved å sprøyte inn et radioaktivt sporstoff i blodet til pasienten, forklarer Kuttner.
Bildemetoder som røntgen, CT og MR viser kun bilder av «utseendet» til en kreftsvulst. PET kan vise om svulsten er aktiv eller inaktiv. Det vil si å skille dødt vev fra aktivt svulstvev.
Slik kunnskap kan være avgjørende for den videre behandlingen av en pasient.
Undersøkelsen kan også brukes til å finne kilden til en kreftsykdom med spredning og skille mellom godartet og ondartet svulst. PET har vist seg å være spesielt nyttig ved lungekreft, malignt melanom, spiserørskreft, kreft i hode og halsregion, skjoldbruskkjertelkreft, brystkreft, kreft i tykktarm og endetarm, eggstokkreft og lymfekreft.
Den vanligste metoden for sporstoff, som er i bruk i dag, kalles FDG. Kroppen skannes etter injeksjon av radioaktivt merket sukker. Dette vil følge blodbanen og tas i økende grad opp av celler med høyt energiforbruk. Sporstoff-metoden er også kalttracer av forskere og helsepersonell.
– Alle celler har en metabolisme. De får energi fra blodsukkeret vårt. Kreftceller deler seg raskt, og derfor bruker de mer energi, sier Kuttner.
Han forklarer at traceren tas opp av alle celler, men fordi kreftcellene bruker mer energi, så lyser de opp enda mer enn vanlige celler. Da kan man se dem tydelig på PET-bildene. Hjertet og hjernen vil også lyse opp, fordi de også har høyt energiforbruk.
– En trent person vil kunne skille kreftceller fra vanlige celler, sier forskeren.
En PET-skanner kan følge tracerens vei gjennom kroppen og lage tredimensjonale bilder av opptaksforløpet. PET-bildene vil derfor både vise hvor kreftsvulsten er og hvor mye energi kreftcellene bruker.
Energiforbruket er et mål på hvor aggressive kreftcellene er.
Blodprøver av pasientene under PET
Ved visse avanserte typer av PET-undersøkelser har det vært nødvendig å ta kontinuerlige blodprøver underveis mens pasienten ligger i skanneren. Dette kalles for arteriell kanylering. Kanyleringen er en ulempe for pasienten og fører også til en betydelig arbeidsbelastning for personalet som utfører undersøkelsen.
Annonse
– Det er vondt for pasienten når blodet tas ut, og det er også en viss risiko assosiert med dette, sier Kuttner.
Blodprøvene tas for å måle hvor mye tracer som fins i blodet til enhver tid.
– Jeg har derfor undersøkt om kunstig intelligens kan brukes for å forutsi den nødvendige informasjonen man får fra blodet, direkte fra PET-bildene. Slik kan man unngå å ta blodprøvene ved disse spesielle PET-undersøkelsene.
Idéen fikk Kuttner under et kurs om kunstig intelligens ved UiT, hvor veileder Professor Robert Jenssen var foreleser. Kuttner kunne ikke finne noen lignende studier med denne tilnærmingen. Han og forskerkolleger bestemte seg for å prøve ut metoden selv.
– Vi startet med data fra en PET-studie på mus, som var gjennomført ved UiT noen år tidligere. Da metoden så ut til å virke på mus-PET-data, kontaktet vi en forskningsgruppe ved Uppsala Universitet og fikk tilgang på PET-data fra mennesker hvor også blod-data var samlet inn, forteller Kuttner.
Dermed kunne metoden testes ut på et riktig pasientgrunnlag. Resultatene pekte mot at det også fungerte på mennesker.
– Ved hjelp av PET-bilder og kunstig intelligens var det altså mulig å forutsi blod-informasjonen som trengs, for avansert analyse av PET-bildene, sier Kuttner.
Disse resultatene ble nylig publisert i det vitenskapelige tidsskriftet Journal of Cerebral Blood Flow and Metabolism. Men metoden må testes videre for å sikre at den fungerer best mulig.
Dersom du får lungekreft må du i dag gjennom undersøkelser som kan være ganske smertefulle. Det håper Samuel Kuttner å endre på ved å bruke kunstig intelligens på PET-bilder. På dette bildet kan vi se en PET/MR-skanner ved UNN.(Foto: Universitetssykehuset Nord-Norge)
Begrensninger med PET
Kuttner har også arbeidet med både PET, CT og MR-bilder. Han har studert noen viktige egenskaper ved PET-teknikken som begrenser bildekvaliteten og de målbare størrelsene som man får ut ved en PET-undersøkelse.
– Metallobjekter i pasienten, for eksempel fra en tidligere operasjon, vil forstyrre bildene. Også pustebevegelser under skanningen gjør at bilder av lungene blir påvirket, sier Kuttner.
Ved hjelp av metoder for bildeanalyse har han derfor sett på hvordan PET-bildene kan forbedres for ikke å bli påvirket av slike forstyrrelser.
Annonse
– Dette er viktig for den enkelte pasienten som det skal stilles diagnose på. Men også når man ønsker å bruke kunstig intelligens for å kunne forutsi behandlingsutfall eller sykdomsforløp basert på PET-bildene. Da er det spesielt viktig at PET-bildene er så nøyaktige som mulig, forklarer forskeren.
Deler av analysene ble utført på et datamateriale fra en forskningsgruppe ved Norges teknisk-naturvitenskapelige universitet (NTNU). Andre analyser er utført på egne PET-data samlet inn ved PET-senteret ved UNN i Tromsø sammen med hovedveiledere og leder av PET-senteret, Rune Sundset.
Internasjonalt samarbeid viktig
Det gjenstår mye arbeid før metodene kan brukes i daglig klinisk praksis. Kuttner har nye planer for å arbeide videre med metodene som er utviklet. Målet er at de på sikt vil være til nytte for pasientene ved sykehusene verden rundt.
– Kunstig intelligens og maskinlæring krever mye data. Derfor er det viktig å samarbeide med andre sykehus og dele data, slik at man ikke sitter der for seg selv med sine små datasett, sier Kuttner
Samuel Kuttner går nå tilbake til sin stilling på PET-senteret i Tromsø, der han er ansatt som medisinsk fysiker. Han skal nå i gang med å videreutvikle blodmetodene med mer data.
Kunstig intelligens er informasjonsteknologi som justerer sin egen aktivitet og derfor tilsynelatende framstår som intelligent.
En datamaskin som er i stand til å løse oppgaver uten å få instruksjoner fra et menneske på hvordan den skal gjøre det, har kunstig intelligens.
For eksempel foreslår intelligente søkemotorer treff på grunnlag av data om tidligere søk og annen brukeradferd. Dette kalles maskinlæring, og har en lang rekke bruksområder, fra enkle programmer i smarttelefoner til selvkjørende biler.
