Jätteregister ska ge bättre mammografi
Ett digitalt bildarkiv med över en halv miljon mammografier tagna i Malmö ska utmana artificiell intelligens, AI, att upptäcka bröstcancer i ett tidigare skede. Men inte för att ersätta röntgenläkarnas mänskliga bedömning, utan för att komplettera den.
– AI kommer att vara en fantastisk arbetskollega, om vi använder den på rätt sätt, säger Sophia Zackrisson, professor i radiologi och forskare vid Lunds universitet.
Tillsammans med sin forskargrupp bygger hon en databas som innehåller alla mammografier som gjorts i Malmö sedan röntgenbilderna där blev digitala 2004. Det handlar om över 500 000 bilder, som nu har flyttats över till en egen databas anpassad för forskningssyften.
Eftersom det handlar om bilder som tagits över lång tid, åren 2004-2020, och som dessutom kommer att kompletteras med bilder som tagits senare, ger databasen unika möjligheter att ge mer kunskap om exempelvis tidiga riskfaktorer.
Då det råder brist på röntgenläkare – och i nuläget finns en ambition att varje mammografi granskas av två oberoende sådana – finns det ett växande intresse för att använda AI och maskininlärning som en del av bildgranskningen.
En tanke är att låta AI ersätta den ena av läkarna, men det förutsätter att metoden presterar på en nivå som är likvärdig eller bättre än den genomsnittliga röntgenläkaren. Och då måste först den artificiella intelligensen bli, så att säga, mer intelligent. Där kommer den skånska mammografidatabasen väl till pass.
– För att datorn ska bli bra på att granska mammografibilder behöver den tränas och då behövs stora mängder bilder med information om vilka fall som är normala, vad som är godartade förändringar respektive vilka som är cancer, säger Sophia Zackrisson.
– Vår databas är mest användbar i nästa steg, att göra AI-bedömningar av bilderna i databasen, och validera metoden. Vi har bilderna, vi har utfallet – det vill säga cancer eller inte – och vi har röntgenläkarnas granskningar och bedömningar. Det betyder att vi kan kolla hur AI presterar i förhållande till det ”facit” som vi har.
Av databasens över 500 000 röntgenbilder är drygt 20 000 3D-mammografier, och övriga vanliga 2D-mammografier. I en tidigare studie fann Sophia Zackrisson och hennes forskargrupp att 3D-mammografi hittade 34 procent fler bröstcancertumörer än vanlig mammografi, och dessutom minskade risken för intervallcancer – sådan som upptäcks mellan screeningtillfällena – med 40 procent.
Ett aber är att 3D-mammografierna tar längre tid att analysera. Sophia Zackrisson menar att såväl vanlig som 3D-mammografi kommer att behövas även framöver, och att fungerande AI-lösningar kommer att vara nödvändiga för bägge.
Arbetet med att föra över alla mammografibilder till den nya databasen är nu genomfört, och vad som återstår är att organisera den och skapa möjlighet att koppla ihop dem med andra register och databaser.
Delar av databasen kommer även att användas i ett nationellt projekt med liknande syfte. De första resultaten från studier som gjorts med hjälp av databasen i Malmö väntas kunna publiceras under 2023.
