Med kunstig intelligens som en usynlig hjelper

Radiologene Christian Rüger og Ida Morken har testet ut programvare med kunstig intelligens til å tolke CT-thorax bilder. Her deler de sine erfaringer.

Christian Rüger forklarer at det allerede eksisterer mange algoritmer som har ført til godkjent KI-programvare for radiologisk diagnostikk. Noen eksempler er mammografi-screening, MS-plakk deteksjon på MR caput eller aldersbestemmelse av skjelett. Likevel er det foreløpig få radiologer som benytter seg av KI-algoritmer i hverdagen. En utfordring er at de i mange tilfeller er vanskelig å integrere i diagnostiske systemer som Radiology Information System (RIS) eller Picture Archiving and Communication System (PACS).

– For vår del gikk implementeringen til vårt eget PACS problemfritt. Over en periode på om lag fire måneder ble samtlige CT-thorax bilder uten intravenøs kontrast, det vil si både de med vanlig dose og de som ble tatt med lavdoseteknikk, tilgjengeliggjort for AI-Rad Companion, forteller Rüger. AI-Rad Companion genererer blant annet forskjellige 3D-animasjoner basert på en automatisk deteksjon og størrelsesmåling av pulmonale solide lesjoner/ noduli og segmentering av lungelapper med samtidig emfysem-vurdering.

– Det gikk kun 15-20 minutter fra CT-undersøkelsen var avsluttet til resultatene var tilgjengelige, så rapporten ble ikke forsinket. Men for best nytteverdi av et slikt verktøy er en implementering i PACS-systemet etter vår mening essensiell. Det å jobbe på to parallelle programmer ville redusert nytteverdien betraktelig, sier Rüger.

Han påpeker at prosessen skaper flere bildeserier og at en omfattende bruk av KI- programmer sannsynligvis vil medføre et økt behov for lagringsplass.

– Vurderingen av små pulmonale noduli er tid og konsentrasjonskrevende. Vi oppfattet det som positivt å ha en programvare som kunne brukes som en kontroll av våre egne granskningsresultater. Det ga en ekstra trygghet.

Han forteller videre at grenseverdiene for hva AI-Rad Companion skal markere av noduli kan justeres, noe som kan være svært nyttig ved metastasekontroller hos kreftpasienter. En annen nyttig funksjon er beregningen av kalkmengden i coronararteriene.

– AI-Rad Companion klarte nesten på alle CT-undersøkelser å lage en kvalitativ tilstrekkelig 3D-rekonstruksjon av aorta, selv om undersøkelsene ble tatt uten iv-kontrast. Men de mange målingene av aorta kan i starten virke litt uoversiktlige. Særlig med tanke på at mange CT-pasienter tilhører en eldre aldersgruppe, så bør kanskje referanseverdiene heves litt.

Begge radiologene mener at økt bruk av KI-applikasjoner i radiologien må knyttes til en forandret granskningsprosess. De ser for seg at dersom programvare med kunstig intelligens skal kunne «forhåndssortere» normale fra ikke-normale undersøkelser, så ville dette kunne forandre måten man prioriterte undersøkelseslister på.

– Særlig når det gjelder pasienter som kommer til kreftkontroll, kunne man med hjelp av KI-programvare enklere skilt mellom de undersøkelsene hvor det mistenkes metastaser, fra dem der det ikke er mistanke. I standardundersøkelser ville det også hjelpe om eventuelle noduli allerede er markerte, istedenfor å starte fingransking av lungene i frykt for at man overser en liten, men signifikant fortetning, sier de.

Det å innføre KI som en slags «second opinion» eller «kontrasigneringsfunksjon», anser de for øyeblikket som lite hensiktsmessig, selv om de oppfattet det som positivt underveis i arbeidet med AI-Rad Companion.

– Med prisnivået vi har på radiologisk diagnostikk i Norge er det ikke økonomisk bærekraftig. Men i andre land der dobbelsignering er påkrevd, kunne KI eventuelt overtatt noe av denne funksjonen på sikt. Jeg tror også det ikke er utenkelig at flere applikasjoner etter hvert kan kobles sammen, slik at man for eksempel kan sile ut alle normale CT- og MR-undersøkelser. Men da må det i så fall må være klare retningslinjer i forhold til ansvarsforhold ved feiltolkninger av programvaren, sier Christian Rüger.