AI i kampen mot prostatacancer
Den här artikeln publicerades ursprungligen av Vetenskap & hälsa.
Patientdata från stora studier som inleddes redan på 1970- och 1980-talen i kombination med nära samarbeten med universitet, sjukhus och läkemedelsföretag i Europa och USA är bakgrunden till att
forskningen om prostatacancer i Region Skåne står sig stark, både nationellt och internationellt.
– Epidemiologi, forskning om biomarkörer och inom Klinisk kemi i Malmö är grunden till att vi är starka på det här området. Vi har jobbat aktivt med att se till att vara med i de stora studierna, med att testa nya läkemedel och vara med i utvecklingen av bilddiagnostik, säger Anders Bjartell, överläkare inom urologi på Skånes universitetssjukhus och professor vid Lunds universitet.
Organiserad prostatacancerscreening har byggts upp
På 1980-talet fördjupade forskare som Hans Lilja och Per-Anders Abrahamsson kunskaperna om proteinet PSA och kunde visa att fria PSA-molekyler i blodet kan utgöra en risk för prostatacancer.
Nu, cirka 30 år senare, har Region Skåne ett regionalt prostatacancercentrum som efter politiskt beslut och finansiering, byggt upp en organiserad prostatacancertestning, OPT, för alla män i åldrarna
50–74 år. Det innebär att 9 000 män i år och 18 000 män nästa år kommer att erbjudas ett PSA-test (blodprov som mäter värdet av ett ämne som kommer från prostatan).
Förra året genomfördes en pilot-studie där 1 000 män erbjöds test varav hälften tackade ja. Bland de 500 män som gjorde ett PSA-test hittades tio fall av prostatacancer.
– Min kollega Thomas Jiborn är koordinator för OPT. I piloten testade vi ett digitalt system som automatiskt ska ge patienterna svar beroende på PSA-värdet och samtidigt ge besked om patienten ska utredas vidare eller om det ska tas ett nytt PSA-test om två eller sex år, berättar Anders Bjartell.
Hitta rätt patienter
För att förbättra diagnostiken och för att hitta de patienter som behöver behandling används ny teknik. Patienterna får göra en magnetkameraundersökning och utifrån vad bilderna visar tas sedan ett
vävnadsprov.
– Bilderna från magnetkameran kombineras med ultraljud och läses in i utrustningen som sedan används för att ta vävnadsprov. Det innebär att provtagningen blir mycket träffsäkrare.
Det pågår forskningsprojekt som syftar till att använda AI i bedömningen av både magnetkamerabilder och vävnadsprover. Datorprogram analyserar stora mängder bilder för att sedan identifiera
vilka förändringar som är cancer. Anders Bjartell är biträdande koordinator för ett omfattande europeiskt forskningsprojekt, Pioneer, där forskarna inledningsvis formulerade 56 frågor inom prostatacancerområdet som är angelägna att få svar på.
– I projektet bidrar vi dels med stora mängder värdefull patientdata från studierna Malmö Kost Cancer och Malmö Förebyggande Medicin. Och dels jobbar vi med att samla ihop patientdata från olika akademiska centra och läkemedelsföretag i Sverige och övriga Europa.
För tillfället finns data om cirka 2 miljoner patienter i en omfattande databas. De utgör råmaterialet när de 56 frågorna i projektet sedan ska besvaras.
– Här kommer artificiell intelligens in i bilden. Med hjälp av artificiell intelligens kan vi hantera stora mängder data för att bygga prediktionsmodeller där man till exempel ska kunna se vilka behandlingar
som fungerar bra, hur man kan förstå hur sjukdomen utvecklar sig för patienten i en viss ålder, hur man kan göra bättre prognosbedömningar och studera värdet av screening.
Ansvarsfrågan viktig
Som på många andra områden är det inom bildanalys och analys av stora mängder data som artificiell intelligens används även inom forskningen om prostatacancer. Frågan är hur mycket sjukvården kan förlita sig på resultaten?
– Artificiell intelligens kan hjälpa oss att minska den subjektiva bedömningen, systemet gör en objektiv bedömning av data som är reproducerbar. Men vi kan inte lägga över ansvaret på AI utan det behöver finnas en läkare som ställer sig bakom tolkningen.
Artificiell intelligens fungerar som besluts- och tolkningsstöd för läkaren. På det sättet fås till exempel snabbare och mer tillförlitliga bedömningar av bilder.
– Utmaningen är att verkligen utvärdera hur säkert systemen fungerar. Man kan bygga algoritmer på olika sätt men när man tillämpar dem i sjukvården måste man ta det fulla ansvaret för att de
fungerar. För att göra det måste vi samla in data för att skapa evidens, säger Anders Bjartell.