AI diagnostiserar prostatacancer lika bra som specialister

Forskare vid Karolinska Institutet och Tammerfors universitet i Finland har utvecklat en metod baserat på artificiell intelligens (AI) för att bättre diagnostisera och gradera prostatacancer vid patologisk bedömning av vävnadsprover.

– Våra resultat visar att det är möjligt att träna ett AI-system att upptäcka och gradera prostatacancer lika bra som internationellt ledande experter inom prostatacancerpatologi. Detta har potentialen att markant minska arbetsbördan hos uropatologer och frigöra tid för att fokusera på de svårdiagnostiserade fallen, säger Martin Eklund, lektor vid institutionen för medicinsk epidemiologi och biostatistik på Karolinska Institutet som har lett studien.

Tränad på tusentals prover

Ett problem i dagens prostata-patologi är att det finns ett mått av subjektivitet i bedömningarna av vävnadsproverna. Olika patologer kan komma till olika slutsatser trots att de studerar samma vävnadsprover. Detta leder till ett kliniskt problem där läkarna måste välja behandling baserat på osäker information. Här ser forskarna stor potential för att använda AI-teknik för att förbättra reproducerbarheten, dvs. att bedömningen av vävnadsproverna i större utsträckning överensstämmer oavsett vilken patolog som utfört den.

För att träna och testa AI-systemet digitaliserade forskarna fler än 8 000 vävnadsprover tagna från drygt 1 200 svenska män i åldrarna 50–69 till högupplösta bilder med hjälp av digitala patologi-skannrar. Av dessa användes drygt 6 600 prover till att lära AI-systemet att se skillnad mellan biopsier med och utan cancer samt bedöma cancerns allvarlighetsgrad. Resterande prover användes sedan tillsammans med ytterligare uppsättningar prover för att testa AI-systemet. Dess resultat jämfördes även med bedömningar gjorda av 23 världsledande uropatologer.

Träffsäker diagnostik imponerar

Resultatet visade att AI-systemet var i princip felfritt på att avgöra om ett vävnadsprov innehöll cancer eller inte, samt på att uppskatta cancertumörens utbredning i biopsin. När det kom till bedömningen av prostatacancerns allvarlighet, den så kallade Gleason-graderingen, var AI-systemet likvärdigt med de internationella experterna.

– När det gäller gradering av prostatacancerns allvarlighet ligger AI:n i samma spann som de internationella experterna, vilket är oerhört imponerande, och när det gäller diagnostiken, att avgöra om det är cancer eller inte, är AI:n alldeles sanslöst bra, säger Lars Egevad, professor i patologi vid Karolinska Institutet och medförfattare till artikeln.

De initiala fynden är lovande men ytterligare validering behövs innan AI-systemet kan introduceras brett i prostatacancervården, enligt forskarna. Därför genomförs nu en multicenterstudie i nio europeiska länder. Studien, som finansieras av EIT Health, pågår fram till slutet av 2020 och syftar till att AI-systemet ska tränas på att känna igen cancer i vävnadsprover som tagits från olika laboratorier, med olika typer av digitala skannrar och med mycket ovanliga växtsätt. Utöver detta kommer forskarna under 2020 att starta en randomiserad studie som ska bedöma hur AI-systemet på bästa sätt kan införas i den svenska vården.

Ersätter inte mänsklig bedömning

– AI-baserad utvärdering av prostatacancerbiopsier kan komma att revolutionera den framtida vården. Den har potentialen att förbättra den diagnostiska kvalitén, och därigenom säkerställa en mer jämlik vård till en lägre kostnad, säger medförfattaren Henrik Grönberg, professor i cancerepidemiologi vid Karolinska Institutet och ansvarig för Capio S:t Göran Prostatacancercenter.

– Tanken är inte att AI ska ersätta den mänskliga bedömningen, utan snarare agera som ett säkerhetsnät för att patologer inte ska missa cancerfall, samt hjälpa till med att standardisera bedömningarna. Därutöver kan det vara ett alternativ i delar av världen där det helt saknas patologisk expertis idag, säger Martin Eklund.

Vetenskaplig artikel:

Artificial intelligence for diagnosis and grading of prostate cancer in biopsies: a population-based, diagnostic study, Peter Ström, Kimmo Kartasalo, Henrik Olsson, Leslie Solorzano, Brett Delahunt, Daniel M Berney, David G Bostwick, Andrew J. Evans , David J Grignon, Peter A Humphrey, Kenneth A Iczkowski, James G Kench, Glen Kristiansen, Theodorus H van der Kwast, Katia RM Leite, Jesse K McKenney, Jon Oxley, Chin-Chen Pan, Hemamali Samaratunga, John R Srigley, Hiroyuki Takahashi, Toyonori Tsuzuki, Murali Varma, Ming Zhou, Johan Lindberg, Cecilia Lindskog, Pekka Ruusuvuori, Carolina Wählby, Henrik Grönberg, Mattias Rantalainen, Lars Egevad, Martin Eklund, Lancet Oncology

Kontakt:

Martin Eklund, lektor, Institutionen för medicinsk epidemiologi och biostatistik, Karolinska Institutet, martin.eklund@ki.se