Kunstig intelligens i diagnostiseringen på mammografi

Abstract

Bakgrunn Kreft er den ledende dødsårsaken i Norge, og brystkreft er en av kreftdiagnosene med høyest forekomst. Mammografiscreening brukes for å kunne oppdage eventuell kreft tidlig, slik at prognosen blir bedre. Imidlertid er en utfordring med screening over-diagnostisering og falske positive resultater, noe som medfører «unødvendig» tilbakekalling. En slik tilbakekalling vil for pasienten kunne bety økt stress og bekymring knyttet til en eventuell kreftdiagnose. Kunstig intelligens (KI) er blitt forsøkt innført for å kunne sikre at resultatene pasienten får faktisk stemmer, og nyere KI-algoritmer blir stadig testet ut. Målet med oppgaven er å undersøke hvordan KI påvirker diagnostiseringen av brystkreft.

Metode Oppgaven er gjennomført med litteraturstudie som metode. Både kvalitative og kvantitative studier er inkludert, og åtte vitenskapelige artikler har blitt valgt ut med tanke på relevans for temaet og problemstillingen.

Resultat Nyere KI-systemer har blitt utprøvd og sammenliknet med gamle. Blant annet har ny, KI-basert Computer-Aided Detection (CAD) blitt sammenliknet med eldre, konvensjonell CAD. En av studiene i oppgaven viser at KI-basert CAD gir færre falske positive resultater enn konvensjonell CAD. Nyere KI-systemer har også blitt sammenliknet med radiologenes evne til å stille riktig diagnose. Flere studier indikerer at de nyere KI-systemene er like gode som eller bedre enn radiologene til å markere riktig på bildene, noe som også kan føre til reduksjon av falske positive resultater. De nyeste systemene har vist seg å være til god hjelp i tolkning, og med mer trening av systemene vil sensitiviteten og spesifisiteten øke enda mer.

Konklusjon Bruken av nyere KI-systemer vil kunne redusere arbeidsmengden og bedre arbeidsflyten til radiografene. I tillegg vil kommunikasjonen, pasientomsorgen og kvaliteten på helsetjenesten i sin helhet bedres.

Background Cancer is the number one cause of death in Norway, and breast cancer is the most frequent cancer diagnosis. Mammography screening is one of the measures used to detect cancer at an early stage, in order to obtain a better prognosis. However, mammography screening is associated with overdiagnosis and false-positive results, both of which indicate a higher recall rate. An “unnecessary” recall can cause the patient stress and worry due to a potential cancer diagnosis. Artificial intelligence (AI) has been introduced to ensure that the results the patient receives are true, and newer AI algorithms are constantly tested. Consequently, the aim of the thesis is to investigate how AI will affect the diagnosing of breast cancer.

Method This thesis was done using a literature study. Both qualitative and quantitative studies were included, and eight scientific articles were selected in regard to relevance of the topic and the aim of the thesis.

Results Newer AI systems have been tested and compared to old ones, including new AI based Computer-Aided Detection (CAD) and older conventional CAD. One of the studies in the thesis shows that AI-CAD reduces false-positive results compared to conventional CAD. The newer AI systems have also been compared to radiologists’ ability to make the correct diagnosis. Several articles show that the new AI systems are as good as, or better than, the radiologists in marking the images correctly. The newest systems have proven to be helpful in interpretation, and with more training of the systems the sensitivity and specificity will improve even more.

Conclusion The use of newer AI systems can reduce workload and ease workflow for the radiographers. Furthermore, communication, patient care and quality of the healthcare system can improve.