Hoppa till huvudinnehållet
Startsida / Press / Nyheter / Artificiell intelligens för snabbare och säkrare triagering vid äggstockstumör
Besöksförbud och viss vård framskjuten

Södersjukhuset är i förstärkningsläge med anledning av covid-19. På grund av det råder generellt besöksförbud och viss vård skjuts fram. Läs mer.

Artificiell intelligens för snabbare och säkrare triagering vid äggstockstumör

Med artificiell intelligens (AI) som beslutsstöd och ett spelbaserat lärande vill Elisabeth Epstein på Södersjukhuset förbättra patientdiagnostiken vid äggstockstumörer. Nu får hennes projekt vidare stöd av Region Stockholms Innovationsfond.

- Idag saknas liknande hjälpmedel på marknaden. Den mobilapp och AI-användning vi jobbar med skulle kunna förbättra diagnostiken för patienter med äggstocksförändringar såväl nationellt som internationellt, säger ansvarig Elisabeth Epstein, docent och överläkare vid verksamhetsområde Kvinnosjukvård och förlossning på Södersjukhuset.

Fler gynekologer behöver utbildas kring äggstockstumörer

Varje år utförs ungefär 7000 operationer av äggstockstumörer, varav cirka 700 visar sig vara cancer. Många operationer utförs alltså i onödan samtidigt som kvinnor med cancer ibland inte opereras på ett optimalt sätt, eftersom vården missbedömt cancerrisken.

Idag finns det för få läkare med tillräcklig kompetens som kan bedöma komplicerade äggstockstumörer. De flesta gynekologer träffar bara ett fåtal patienter med äggstockstumörer per år och har därför svårt att bli mer erfarna inom området.

- Förutom att stympande operationer utförs i onödan kan också kunskapsbristen leda till onödiga extrabesök och oro hos kvinnorna. Eller i värsta fall att vården missar en tumör med cancermisstanke, säger Elisabeth.

För att ge gynekologerna en chans att öva har Elisabeth Epstein utvecklat en mobilapp. Mobilappen innehåller ett spelbaserat träningsprogram med flera hundra ultraljudsbilder på äggstockstumörer.  Här får läkarna träna på att bedöma om en äggstockstumör är elakartad eller inte. Och utifrån det välja rätt behandling. Appen har finansierats med tidigare medel från Region Stockholms innovationsfond och kommer nu under våren att testas av en grupp läkare där både gynekologer under utbildning och färdiga specialister ingår.

AI som beslutsstöd för snabbare och säkrare triagering

Denna gång får Elisabeth Epstein fortsatta medel från innovationsfonden för sitt andra delprojekt - att med hjälp av artificiell intelligens (AI) underlätta och snabba på triageringen av kvinnor med äggstockstumörer. Hur tumörerna ska handläggas beror på hur stor cancerrisken bedöms vara. Förmodat godartade förändringar kan opereras med titthålsteknik, eller följas upp om patienten inte har besvär. Misstänkt cancer ska däremot remitteras till specialistklinik för mer omfattande kirurgi.

Elisabeth har tagit fram AI-modeller baserat på 2700 högupplösta ultraljudsbilder från 700 kvinnor som genomgått kirurgi. Genom datoriserad bildanalys har ultraljudsbilderna kategoriserats som godartade, elakartade eller svårklassificerade.

Tanken är att AI-modellerna ska vara ett beslutsstöd för att sortera farliga från ofarliga tumörer. Svårklassificerade och misstänkta elakartade förändringar skickas då med prioritet till ultraljudsexpert för vidare klassificering och omhändertagande. Medan de tumörer som bedöms som sannolikt godartade förändringar kan följas upp i öppenvården enligt det nationella vårdprogram som finns, förklarar Elisabeth.

- Man kan också tänka sig att det i framtiden är möjligt att få hjälp online via AI-moduler kopplade till våra bildgranskningssystem. Av experter som ger ett andra utlåtande, en second opinion, på svårbedömda fall.


För vem kommer AI-lösningarna att göra störst skillnad?

- Jag tror att läkare på mindre sjukhus och inom öppenvården kommer ha störst glädje av modellerna. Där saknas det ofta gynekologer med stor erfarenhet av att bedöma äggstockstumörer. Stödet kan göra att vi undviker onödiga utredningar och istället kan fokusera resurserna där de behövs bäst.

Hittills har Elisabeth Epstein och hennes kollegor arbetat med enstaka bilder och grupper av bilder från samma patient. Målet är att dubblera bildmaterialet, och att gå vidare med att utveckla modeller för videoklipp och möjligen även 3D-volymer.

- Vi har en plan för hur vi ska koppla ihop bildlagringssystem med våra AI-modeller så att vi kan testa våra modeller internt på Sös, på nya fall från vår egen klinik. Och i ett andra steg även på bilder från andra sjukhus. Vi bygger kontinuerligt upp vår bilddatabas för att förfina våra AI-algoritmer. Samtidigt som vi tittar på olika lösningar för att göra modellerna tillgängliga för sjukvården.

När tror du att AI-modellerna kan vara implementerade i vården?

- Det tror jag kan ta uppemot 3-5 år.


Bild till höger på Elisabeth Epstein: fotograf Torkel Ekqvist, Fotogruppen Sös
Bild till vänster: ultraljudsbild av elakartad äggstockstumör