AI kan matcha doktorn i röntgenbedömning

Artificiell intelligens kan göra röntgenbedömningar med samma säkerhet som en ortopedläkare, visar ny forskning.
- Vår studie är den första i världen inom området och med hjälp av ny teknik kan utvecklingen gå snabbt, säger överläkare Max Gordon, Danderyds sjukhus.

Bedömning av röntgenbilder är i dag både ett kunskaps- och tidskrävande arbete, vars resultat till stor del påverkas av läkaren som gör bedömningen.

- I framtiden kan det här arbetet förenklas väsentligt med hjälp av artificiell intelligens, AI, menar Max Gordon, bitr överläkare i ortopedi vid Danderyds sjukhus och postdoc-forskare vid Karolinska Institutet.

- Vi har publicerat en studie kring hur röntgenbilder kan tolkas med hjälp av datorprogram som tränas i igenkänning. Det är första gången det används för ortopediska röntgenbilder och vi ser stora utvecklingsmöjligheter, säger Max Gordon.

Lär datorn känna igen frakturer

Artificiell intelligens inom bildtolkning fick sitt stora genombrott 2012. Den algoritm som då slog världen med häpnad, var tre gånger sämre på att känna igen objekt jämfört med en människa. Men utvecklingen har gått fort. 2015 var resultaten i nivå med människan och året därpå dubbelt så bra. Det fick Max Gordon att fundera på hur tekniken skulle kunna användas inom ortopedi och röntgenbedömningar.

- I studien har vi använt färdiga AI-nätverk och kört Danderyds sjukhus bildarkiv genom dessa. Underlaget som omfattat 256 000 bilder på händer, handleder, fotleder, har delats upp i tre grupper, varav de två första har använts för att träna nätverket i att känna igen frakturer. Varje nätverk består av miljontals parametrar som tillsammans tolkar bilderna och genom att hela tiden göra små justeringar blir igenkänningen bättre och bättre.

De bästa nätverken har sedan fått göra bedömningar av röntgenbilder ur den tredje gruppen, bilder som de alltså aldrig tidigare bedömt. Parallellt har två överläkare gjort bedömningar av samma bilder.

- Resultatet blev att datorn och doktorerna gjorde lika bra bedömning givet samma bildkvalitet. I drygt 80 procent av fallen kunde både doktorerna och datorn avgöra att det fanns en fraktur. Vår studie visar att man kan ta färdiga nätverk och utveckla dessa, utan alltför stora justeringar, till att göra bedömningar på samma nivå som med tränade människor.

Snabb utvecklingspotential

Bilderna i studien hade en bildkvalitet på 224x224 pixlar, vilket har varit vad som krävs för att träna bildprogram för igenkänning av saker som ballonger och lastfartyg. Men med hjälp av ännu högre upplösning, som är fallet med traditionella röntgenbilder, skulle man kunna nå ännu bättre resultat, tror Max Gordon.

- Vi ser även möjligheterna med att kunna träna programmet till att zooma in på en bild, på samma sätt som läkare ofta gör.

Nästa studie inom området är redan inledd, där Danderyds sjukhus hela ortopediska röntgenregister kommer att användas som bas, vilket innebär drygt en miljon bilder i högupplöst format.

- Det här kan bidra till en enhetligare klassificering och gemensam måttstock inom röntgenbedömning. Det skulle också kunna öppna upp massiv forskning om vi kan gå tillbaka till våra digitala arkiv och göra studier kring överlevnad, sjukdomsutveckling och arbetsförmåga – studier som tidigare har varit omöjliga på grund av mängden data som skulle behöva hanteras.

Max Gordon är mycket optimistisk till vad forskningen kan komma att visa för resultat i framtiden:

- Det vi har visat är de första resultaten inom ortopedin och med tanke på hur snabbt utvecklingen har gått inom självlärande datorer är det spännande att tänka på var vi kommer att befinna oss om bara fem-tio år. Gällande begränsningar inom artificiell intelligens är de svåra att förutspå, eftersom tekniken är inspirerad av våra egna hjärnor. Teorin har funnits sedan mitten på 1900-talet men det är först nu som vi kunnat applicera den i tillräckligt stor skala. Processen kan liknas med att flyga; flygplan är inspirerade av fåglarna, men behöver inte flaxa med vingarna.

Titeln på studien är: "Artificial intelligence for analyzing orthopedic trauma radiographs" med undertiteln "Deep learning algorithms - are they on par with humans for diagnosing fractures?"

Studien, som är ett samarbete mellan Karolinska Institutet och Danderyds sjukhus, är publicerad i Acta Orthopaedica.

Kontakta gärna ansvarig forskare Max Gordon för mer information: Mobil +46 702 24 65 60

Han finns även på mail: max.gordon@sll.se alt max.gordon@ki.se alt max@gforge.se

Svar på bildfrågan: 1. Liten fraktur 2. Ingen fraktur 3. Stor fraktur