Machine learning læste 60 år gamle røntgenbilleder og forudsagde børns højde
more_vert
close

Få de daglige nyheder fra Version2 og Ingeniøren. Læs mere om nyhedsbrevene her.

close
By signing up, you agree to our Terms & Conditions and agree that Teknologiens Mediehus and the IDA Group may occasionally contact you regarding events, analyzes, news, offers, etc. by telephone, SMS and email. Newsletters and emails from Teknologiens Mediehus may contain marketing from marketing partners.

Machine learning læste 60 år gamle røntgenbilleder og forudsagde børns højde

At børns fremtidige vækst kan vurderes ud fra knoglerne i deres hænder, har længe været kendt. Ved at vurdere formen af knoglerne kan en erfaren radiolog udlede barnets biologiske alder - den såkaldte knoglealder - og herfra kan højden som voksen beregnes.

På danske hospitaler bruges metoden til at vurdere, om børn skal have væksthormoner, hvis det kan ses, at deres højde som voksne bliver meget lav. Det bruges også af tandlæger til at vurdere, hvornår der skal sættes ind med bøjler til tandretning.

Selve vurderingen sørger en computer for. Virksomheden Visiana har udviklet softwaren BoneXpert, som ved hjælp af machine learning (ML) er i stand til at beregne knoglealderen for børn med lige så stor nøjagtighed som de bedste radiologer. Og præcisionen er så god, at softwaren i dag anvendes på alle større danske sygehuse.

Ved at scanne røntgenbilleder af børnehænder fra et 60 år gammelt fransk studie, har virksomheden Visiana været i stand til at validere deres computermodel Bonexpert. Illustration: René Roald

4.000 billeder af hænder

Men for at ML skulle kunne opbygge softwaren, skulle der data til. Eller rettere: masser af røntgenfotos af børnehænder. Og de eksisterede som 4.000 billeder optaget i 1966, fortæller stifter og direktør Hans Henrik Thodberg:

»Jeg fik kontakt til professor Sven Kreiborg på Tandlægehøjskolen, som lå inde med billederne. I dag ville man ikke få lov til at indsamle røntgenbilleder af raske børn. Men i 1966 var der en anden lovgivning. Adgangen til disse data var afgørende for overhovedet at gå i gang med udviklingen af BoneXpert.«

Hans Henrik Thodberg udviklede en computer-model ved hjælp af ML-metoden Active Appearance Modeller, som kunne bestemme knoglealderen og dermed komme med et tal for barnets fremtidige højde..

Men da der er tale om ML og indviklede algoritmer optrænet på en masse billeder af børns hænder, giver algoritmen ikke nogen forklaring på, hvordan den når frem til knoglealderen. Det var derfor heller ikke muligt at validere metoden, når læger ikke engang er indbyrdes enige om den korrekte tolkning.

Der var med andre ord brug for endnu en samling billeder til valideringen. Løsningen kom via den tyske professor David Martin fra universitetet i Tübingen. Han fandt i Paris et arkiv af 60 år gamle røntgenbilleder af børnehænder optaget hvert år, indtil børnene var fuldt udvoksede. Her stod man så med hele forløbet og børnenes endelige højde.

Lige så godt som radiologer

Røntgenbillederne blev skannet ind, og BoneXpert gennemtyggede dem for at bestemme knoglealderen og forudsige voksenhøjden. Det viste sig at softwaren var så god, at den kan forudsige voksenhøjden på et barn med en standardafvigelse på 2,8 cm for drenge og 3,1 cm for piger. Resultatet blev offentliggjort i tidsskriftet Pediatric Radiology tidligere i år:

»Det er lige så godt som de bedste radiologer er i stand til. Dermed kan vi overbevise lægerne om, at computere kan overtage sådanne opgaver,« siger Hans Henrik Thodberg. Det lader sig også gøre, fordi den type vurderinger tager lang tid og kun udgør en beskeden andel af radiologernes arbejde. Når det forholder sig sådan, får hospitalerne sjældent oparbejdet nogen stor erfaring i at vurdere knoglealderen.

Mangel på nyere data

Men at der var brug for at inddrage op til 60 år gamle røntgenbilleder er tankevækkende, siger Hans Henrik Thodberg. I Visianas database er der i dag cirka 20.000 billeder, som alle er optaget under en anden lovgivning, end den som eksisterer i dag. Med de regler, der gælder for brug af patientdata, er det ikke praktisk muligt at få fat i tilsvarende billeder optaget i dag:

»Det betyder, at det vil gå langsomt med at få ML ind i radiologien, og spørgsmålet er, hvad der er til samfundets bedste,« siger Hans Henrik Thodberg, som dog godt forstår de mange bekymringer ved at frigive personlige data til forskning – også selv om de er anonymiserede:

»Men det betyder også, at big data ikke generelt er nået frem til radiologien endnu,« siger han.

sortSortér kommentarer
  • Ældste først
  • Nyeste først
  • Bedste først

Det er åbenbart vigtigere at følge uvidende lov-opportunistetes populistiske indfald, end at sikre og udvikle befolkningens sundhed - eller kunne vide, hvornår noget afviger fra det normale.
Kedeligt ud over alle grænser, at man, som i dette tilfælde, skal være så "heldig", at der allerede findes existerende data, for at kunne gennemføre sin forskning.
Det gik så godt hér, men der kunne jo meget nemt være mere fatal forskning, som ikke kan gennemføres, på grund af restriktioner, som rammer forkert.
Men det ved vi ikke - og får det næppe heller at vide - i og med, at denne forskning jo bliver kvalt i fødslen.
Monstro ikke lovgivningen burde stemmes lidt mere af efter situationen.

  • 4
  • 0

Det er åbenbart vigtigere at følge uvidende lov-opportunistetes populistiske indfald, end at sikre og udvikle befolkningens sundhed

Hvis jeg forstår din kommentar rigtigt, er det en bredside mod uvidende lovgivere som ikke ønsker at sikre befolkningens sundhed. Jeg har ikke nærlæst røntgenloven, men jeg har engang fået fortalt (sjovt nok at professor Kreiborg nævnt i artiklen) at man ikke må røntgenfotografere raske mennesker. En undtagelse er vist tandrøntgen som kan udføres uden mistanke om et helbredsproblem.

Jeg tænker at den regulering er lavet netop for at beskytte befolkningen mod røntgenstråling som ud fra et forsigtighedsprincip bør begrænses mest muligt for at undgå utilsigtede skadevirkninger.

  • 0
  • 0