Skip to main content

Sundhedspolitisk Tidsskrift

"Konkret kan vi i første omgang reducere arbejdsbyrden med op til 35 procent,” siger Ilse Vejborg og lader forstå, at det kun er begyndelsen. Foto er collage

Dansk gennembrud for kunstig intelligens: Speciallægers arbejdsbyrde reduceres med en tredjedel

Ved at indføre kunstig intelligens i mammografiscreening har Region Hovedstaden opnået en dobbelt sejr: De lægeligt uddannede radiologer bruger langt mindre tid på billedgranskning samtidig med, at behovet for ressourcekrævende udredninger er faldet. 

Antallet af artikler om kunstig intelligens (AI) i sundhedsvæsenet er nærmest eksploderet i de seneste ti år. Desværre har dele af forskningen lidt under små datasæt og mangel på klinisk relevante sammenligningsundersøgelser, og den løfterige teknologis vej ud i klinisk praksis har vist sig alt andet end ligetil. Men måske markerer nye positive erfaringer fra Region Hovedstaden et dansk gennembrud på området. Efter mange års globale forsøg på at bruge kunstig intelligens til at screene røntgenbilleder for at finde tegn på kræft, står de nemlig med en vaskeægte succes i hænderne.

Det fortæller Ilse Vejborg, som er cheflæge på Gentofte Hospital og screeningschef for mammografiscreening-programmet i Region Hovedstaden og en af hoveddrivkræfterne bag et storstilet dansk AI-projekt.

Tværfagligt samarbejde

Studiet, som omtales i artiklen, blev udført i samarbejde mellem to institutter på Københavns Universitet, Computerscience og Folkesundhedsvidenskab, en hollandsk professor og udvikler af AI-løsningen samt Region Hovedstadens Mammografiscreeningsprogram.

Ilse Vejborg har været en af hovedkræfterne bag implementeringen af den billeddiagnostiske AI-model i mammografiscreeningsprogrammet.

Studiet er offentliggjort i tidsskriftet Radiology og kan læses her

Succesen beror på et stort simulationsstudie (se boks), som holdt meget erfarne brystradiologers vurdering af mammografiscreeningundersøgelser op imod en AI-løsnings vurderinger af samme undersøgelser. Resultaterne var så gode, at de har dannet grundlag for, at AI i dag er taget i brug som en del af Region Hovedstadens mammografiscreeningsprogram. I dag er radiologerne således effektivt assisteret af kunstig intelligens i deres vurdering af billederne.

”Vi har opnået en ganske betydelig workload-reduktion i vurderingsprocessen i forbindelse med screening. Konkret kan vi i første omgang reducere arbejdsbyrden med op til 35 procent,” siger Ilse Vejborg og lader forstå, at det kun er begyndelsen. Hun forventer, at arbejdsbyrden vil falde yderligere, efterhånden som der kommer flere borgere igennem den AI-støttede screeningsproces.

Færre til udredning

Det er ikke kun i forhold til vurderingen af de tusindvis af røntgenbilleder i screeningen, at AI-modellen letter presset på radiologerne. Det har nemlig også vist sig, at markant færre behøver genindkaldelse til udredning, når en erfaren radiolog assisteres af det nye værktøj.

”Noget af det, der tager rigtig meget lægetid, er, når kvinder bliver genindkaldt til udredning og skal have det, vi kalder en klinisk mammografi. Her har vi også reduceret workload betydeligt, og vi opnår mindst lige så gode resultater på de vigtige prognostiske parametre,” siger Ilse Vejborg.

I simulationsstudiet har forskerne brugt computermodeller til at efterligne virkelige forhold. Efterfølgende har de sammenlignet disse med rigtige vurderinger fra den virkelige verden. I de første forsøg simulerede de, at der ingen radiologer var til at vurdere billederne. Samtidig havde de sat sensitiviteten, så den matchede de erfarne radiologers vurdering.

Venter for længe

Kvinder venter for længe på at blive screenet for brystkræft i Region Hovedstaden.

Der må maksimalt gå to år og tre måneder mellem undersøgelser af brystet, der kan vise eventuelle forandringer, som kan være tegn på brystkræft. Men som det ser ud lige nu, må kvinder mellem 50 og 69 år vente to år og mellem fire til seks måneder på at få foretaget en screening for brystkræft i Hovedstadsregionen.

Ilse Vejborg kalder problemet "multi-faktorielt". 

Tidligere har ventetiden i regionen været oppe på knap tre år.

”Hvis det var lykkedes, og AI-løsningen kunne lave det hele uden radiologer, ville det have givet os en workload-reduktion på 100 procent. Men specificiteten – altså evnen til at identificere tilfælde uden brystkræft – var ikke helt så god for AI, som den var for radiologerne. Samtidig så vi en markant stigning i antallet af falsk positive, hvilket ville betyde flere tidskrævende genindkaldelser til udredning, hvis modellen blev sat i drift,” forklarer Ilse Vejborg.

Gennembrud i lavrisikogruppen

På den baggrund valgte de at lade AI-modellen granske på lavrisikogruppen alene, og det gav pote. Nu var computerens resultater fuldt på niveau med radiologernes. 

”Vi fik nogle resultater både på sensitivitet og specificitet, hvor AI-modellen matchede radiologerne. Det var så lovende, at det lykkedes at få overbevist politikerne og regionen om, at vi godt kunne sætte det i gang,” siger Ilse Vejborg.

Og så gik det ellers stærkt. De fik det implementeret på tre måneder inklusive den juridiske del med profylaksebekendtgørelse og kontraktunderskrivelse, test, tilpasning og alt, hvad der skal til, for at gå live med et projekt af så banebrydende en karakter.

”Vi startede forsigtigt med kun at lade AI-modellen førstegranske den nederste halvdel af lavrisikogruppen og så ellers bruge dobbeltgranskning som vanligt med to radiologer, hvor mindst en er seniorradiolog. Vi lavede en meget intens kvalitetssikring på de data, vi efterhånden fik,” fortæller Ilse Vejborg.

En af de overraskelser, de mødte undervejs, som i første omgang vakte mere bekymring end begejstring hos Ilse Vejborg, var, at en seniorradiolog i lavrisikogruppen fandt cancer i 14 ud af 214 genindkaldte kvinder, som AI-modellen ikke havde fundet tegn på cancer hos. Afvigelsen viste sig dog at have en logisk forklaring, som endte med at bestyrke dem i troen på den nye løsnings kvalitet.

”Det viste sig, at alle disse 14 cancere enten var nytilkomne, når man sammenlignede med tidligere billeder eller havde ændret karakter i en mere ondartet retning. Det gav tryghed, for AI-modellen har ikke gamle billeder at sammenligne med, så den opførte sig korrekt og havde ikke lavet fejl. Det er ved den lejlighed, jeg åbner for at kunne begynde at granske hele lavrisikogruppen,” siger Ilse Vejborg.

Altid menneskelig kvalitetsvurdering

Borgerne bliver ikke spurgt, om de accepterer, at en del af granskningen foregår ved brug af kunstig intelligens, men Ilse Vejborg understreger dels, at de har talt åbent om det i hele forløbet, og dels at det fortsat – og så længe hun selv er tilknyttet, understreger hun – er erfarne radiologer, som tager beslutningen.

”Der er altid en menneskelig kvalitetssikring inde over. I modsætning til simulationsstudiet har vi altid en erfaren radiolog, som anden-vurderer undersøgelserne. Og så viser vores data jo også, at der faktisk er sket en kvalitetsforbedring, og det gælder som sagt også på de hardcore prognostiske parametre,” siger Ilse Vejborg.

Hvad angår mulige besparelser er hun lidt mere tøvende. Der er mangel på radiologer, og vi er, som hun siger, i forvejen i minus.

"Spørgsmålet er snarere, om vi hurtigere kommer derop, hvor vi burde være. Men det vil altid være et valg; enten får vi hurtigere svartider, eller også kan vi i højere grad selv håndtere alle de kliniske mammografier, vi skal lave. Men uanset hvad, så er det en langt mere effektiv ressourceudnyttelse. Specielt når vi så tydeligt kan se, at vi går ikke giver køb på kvaliteten,” siger hun.

Forskerne arbejder pt. på en artikel, som opgør resultaterne fra implementeringen af AI-løsningen i brystkræftscreeningen i Region Hovedstaden sammenholdt med året før. Artiklen forventes snarligt afsluttet og sendt til review i et internationalt tidsskrift.

 

 

Fakta: AI i Mammografiscreening i Region Hovedstaden

Teknologi: Kunstig intelligens (AI)
Implementeret i: Mammografiscreening
Formål: At reducere arbejdsbyrden for radiologer og forbedre diagnostisk nøjagtighed

Nøgleresultater:

  • Arbejdsbyrden for radiologer er reduceret med 35 procent
  • Forbedring i diagnostisk præcision (specifikke tal ikke oplyst)

Yderligere fordele:

  • Hurtigere diagnose for patienter
  • Potentiel forbedring i patientbehandling

Status: Implementeret og i drift

Fremtidige muligheder: Udbredelse i andre regioner