Deep learning ser canceren før radiologen
more_vert
close
close

Vores nyhedsbreve

close
Når du tilmelder dig nyhedsbrevet, accepterer du både vores brugerbetingelser og at Mediehuset Ingeniøren og IDA group ind i mellem kontakter dig angående events, analyser, nyheder, tilbud etc. via telefon, SMS og e-mail. Newsletters and emails from Mediehuset Ingeniøren may contain marketing from marketing partners.

Deep learning ser canceren før radiologen

Lille forskningsdrevet virksomhed bruger deep learning til at finde sygdomme, før mennesker kan se dem. Det kan føre til mindre overbehandling.

Hos virksomheden Biomediq er neurale netværk og deep learning blevet standardværktøjer, når scanningsbilleder skal analyseres. Det gælder for eksempel mammografi, hvor alle scanninger fra Region Hovedstaden går gennem analyseværktøjerne hos Biomediq i et forskningssamarbejde.

Og det er ikke, fordi radiologerne og lægerne ikke længere er i stand til at se kræftsvulster eller forstadier, forklarer Erik Dam, der er seniorforsker og medgrundlægger af virksomheden:

»De steder, hvor radiologerne måske godt kan se, at der er en ændring, men ikke præcist hvor meget, kan vi med vores deep learning-modeller gå ind og sætte tal på forandringerne,« siger han.

Mammografi uden tegn på kræft og uden meget kompakt væv, som eventuelt kunne skjule en knude. I den nuværende brystscreeningsundersøgelse er dette bryst erklæret rask. Men vævets tekstur ('mønster') fanges af Biomediqs deep learning-metode som værende af en type med forhøjet risiko for kræft. I et igangværende projekt med Region Hovedstaden og Biomediq analyseres det, om denne uspecifikke risiko bør medføre, at kvinden eventuelt undersøges yderligere eller kaldes ind til screening om ét år i stedet for de normale to år. Foto: Biomediq
Figuren viser, hvordan et mammografi bliver undersøgt via deep learning. For hvert lag i modellen behandles billedet efter et sæt regler, og resultatet sendes videre til det næste lag. Foto: Biomediq

Læs også: Fuzzylogik fortæller bilforhandleren, når du er købeklar

Men med deep learning kan Biomediq komme et skridt dybere. For mange sygdomme handler det om at komme tidligt ind med behandling. Og her kan modellerne noget, som det menneskelige øje ikke er i stand til. Modellerne er nemlig i stand til at komme med en vurdering af risikoen for at udvikle kræft inden for det nærmeste år:

»Det kunne betyde, at man indkalder kvinder med forhøjet risiko hvert år frem for i dag, hvor alle kvinder mellem 50 og 70 år bliver indkaldt hvert andet år til bryst-kræft-screening. Kvinderne med lav risiko kunne så nøjes med at blive indkaldt hvert tredje år,« siger Erik Dam.

Læs også: Brug af big data kræver et spring fra revision til videnskab

Også når det gælder analyser af hjernescanninger for Alzheimer har deep learning-modeller vist sig effektfulde:

»Vi ved, at vævet i hjernen ændrer sig, før man kan begynde at opleve ændringer hos personen. De ændringer kan vi se, og på den måde kan vi sætte tidligere ind med behandling,« siger Erik Dam.

Læs også: Deep learning kan forandre alt for virksomheder

Biomediq har selv udviklet modellerne, og de bruges oftest til analyse af 2D-billeder (røntgenbilleder). Men da deep learning-metoder er ret beregningstunge, bruger Biomediq også andre metoder, forklarer Erik Dam. Det gælder især, hvis modellerne skal bruges til 3D-scanninger:

»Vi samarbejder med universiteter om at udvikle 3D-modeller og håber, at vi er klar om et års tid. Men vi skal op i nogle halv-store computere, for at det kan lade sig gøre i praksis lige nu,« siger Erik Dam, som i øvrigt opfordrer andre virksomheder, der til daglig arbejder med en eller anden form for billede-analyse, at forsøge sig med deep learning:

»Jeg er sikker på, at hvis man kontakter Københavns Universitet eller DTU, så vil der være en specialestuderende, som er klar til at angribe et problem fra den virkelige verden. Ellers er virksomheder velkomne til at henvende sig til os. Vi bruger gerne lidt tid på at vurdere, om det er et problem, der egner sig til den type billedanalyse, vi arbejder med,« siger han.

Læs også: Nu tager robotterne også specialistjob

Foruden Københavns Universitet samarbejder Biomediq blandt andet med Nordic Bioscience, Erasmus Medical Center på Rotterdam University, University College of London og University of California og har flere virksomhedspartnere i USA, London og Indien.

Ingeniøren efterlyser andre eksempler på virksomheder, der allerede benytter neurale netværk, machine-learning eller deep-learning i deres produktion, eller som har planer om det.

Kommentarer (2)

Man skulle måske også se lidt på hvor dumt det er at bruge røntgen der fremkalder kræft.
Visse scanninger giver dig 1 ud af 1000 chance for at få kræft for hver scanning du får. Det er mere end ubegribeligt dumt når man har MRI scannere og anden diagnoseteknik.
Det er af ren dovenskab og tankeløshed at man bruger røntgen fordi det er en anelse hurtigere.
MRI har desuden flere modes så man bedre kan skelne vævtyper.

  • 1
  • 5

Selvfølgelig er den overvejelse gjort og regnestykket ER allerede undersøgt. Mammografi giver en meget lav stråledosis og da en bryst-MR tager 45 min og er betydeligt dyrere end mammografi koster det $179,599 pr. reddet leveår at skifte fra mammografi til MR. Det er nok en pris som samfundet ikke har råd til aktuelt.

http://www.ncbi.nlm.nih.gov/pubmed/19144138

CONCLUSION:
Although breast MRI may provide health benefits when compared to mammographic screening for some high risk women, it does not appear to be cost-effective even at willingness to pay thresholds above $120,000/QALY.

Så det er IKKE af ren dovenskab og tankeløshed, men efter en grundig samfundsøkonomisk overvejelse, at man holder fast i mammografi.

  • 4
  • 0