Stor internationell utvärdering visar att AI träffsäkert diagnostiserar prostatacancer

Den internationella valideringen har genomförts som en tävling kallad PANDA. Tävlingen varade under tre månader och utmanade fler än 1000 AI-experter att utveckla system som med hög noggrannhet kan gradera prostatacancer. 

Snabb innovation

Redan efter tio dagar utvecklades algoritmer som var lika bra som genomsnittliga patologer. Genomförandet av PANDA visar hur tävlingar kan sporra till snabb innovation för att lösa specifika problem inom vården med hjälp av AI, säger Kimmo Kartasalo, forskare vid institutionen för medicinsk epidemiologi och biostatistik vid Karolinska Institutet och studiens korresponderande författare.

Ett problem i dagens prostatacancerdiagnostik är att olika patologer kan komma till olika slutsatser trots att de studerar samma vävnadsprover, vilket gör att valet av behandling baseras på osäker information. Här ser forskarna stor potential att använda AI-teknik för att förbättra reproducerbarheten, det vill säga att bedömningen av vävnadsproverna i större utsträckning överensstämmer oavsett vilken patolog som utfört den.

Träffsäker diagnostik

KI-forskarna har i tidigare studier visat att AI-system kan avgöra om ett vävnadsprov innehåller cancer eller inte, uppskatta cancertumörens utbredning i biopsin samt bedöma prostatacancerns allvarlighet likvärdigt med internationella experter. Men den stora farhågan med implementering av AI i sjukvården är att AI-system ofta är väldigt känsliga för data som skiljer sig från de data som systemet tränades på och därför inte ger tillförlitliga och robusta resultat på olika sjukhus och i olika länder.

Resultaten från PANDA visar för första gången att AI-system kan ge lika noggrann diagnostisering och gradering av prostatacancer i en internationell miljö som när diagnostiken görs av mänskliga patologer. Nästa steg är kontrollerade studier för att avgöra hur AI-systemet på bästa sätt kan införas i vården, säger Martin Eklund, lektor vid institutionen för medicinsk epidemiologi och biostatistik, Karolinska Institutet, och studiens sisteförfattare.

– Framtida studier bör även inkludera en större variation av ovanliga men särskilt svårbedömda biopsier och fler länder med varierande etnicitet och demografi, fortsätter han.

Ersätter inte människan

AI-baserad utvärdering av prostatacancerbiopsier har potential att förbättra den diagnostiska kvaliteten och därigenom säkerställa en mer jämlik vård till en lägre kostnad. 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. AI kan även vara ett alternativ i delar av världen där det helt saknas patologisk expertis idag, säger Lars Egevad, professor i patologi vid institutionen för onkologi-patologi, Karolinska Institutet och medförfattare till studien.

Studien genomfördes i samarbete med kollegor vid Radboud University Medical Center i Nederländerna, Åbo universitet i Finland och Google Health i USA. Den finansierades av Vetenskapsrådet, Cancerfonden och Prostatacancerförbundet med flera. Flera av artikelförfattarna har företagskopplingar och patent relaterade till prostatacancerdiagnostik eller maskininlärning för medicinska bilder och några har mottagit arvoden från företag. Se den vetenskapliga artikeln för en fullständig förteckning över potentiella intressekonflikter.

Källa: Karolinska Institutet

Fakta om prostatacancer:

• Prostatacancer är den främsta orsaken till cancerdöd bland män i Sverige.
• Mer än 20 miljoner vävnadsprover från prostata undersöks varje år i Europa och USA.
• Globalt finns en brist på patologer och i många utvecklingsländer finns det färre än en patolog per 1 miljon invånare.
• En flaskhals i arbetet med att minska dödligheten i prostatacancer är svårigheten att göra objektiva och reproducerbara bedömningar av vävnadsprover från prostata.

 Publikation:

 “Artificial Intelligence for Diagnosis and Gleason Grading of Prostate Cancer: the PANDA challenge.” Wouter Bulten, Kimmo Kartasalo, Po-Hsuan Cameron Chen, Peter Ström, Hans Pinckaers, Kunal Nagpal, Yuannan Cai, David F. Steiner, Hester van Boven, Robert Vink, Christina Hulsbergen-van de Kaa, Jeroen van der Laak, Mahul B. Amin, Andrew J. Evans, Theodorus van der Kwast, Robert Allan, Peter A. Humphrey, Henrik Grönberg, Hemamali Samaratunga, Brett Delahunt, Toyonori Tsuzuki, Tomi Häkkinen, Lars Egevad, Maggie Demkin, Sohier Dane, Fraser Tan, Masi Valkonen, Greg S. Corrado, Lily Peng, Craig H. Mermel, Pekka Ruusuvuori, Geert Litjens, Martin Eklund and the PANDA Challenge consortium. Nature Medicine, online 13 januari 2022, doi: 10.1038/s41591-021-01620-2.