Pålitelig KI til mammografiundersøkelser
- Avdeling BAMJO
- Involverte fagområder Jordobservasjon og bildeanalyse, Bildeanalyse, Medisinsk bildeanalyse
- Involverte bransjer Helse
Brystkreft er den vanligste kreftformen blant kvinner, og tidlig oppdagelse er avgjørende for behandling og overlevelse. I samarbeid med Kreftregisteret utvikler NR maskinlæringsmetoder for å forbedre og effektivisere Mammografiprogrammet i Norge, slik at ressursene kan brukes mer målrettet og behandlere får mer tid til pasienter som trenger videre oppfølgning.
I Norge inviteres alle kvinner mellom 50 og 69 år annethvert år til røntgenundersøkelse gjennom Mammografiprogrammet. Programmet er et viktig tiltak for tidlig påvisning av brystkreft, som bidrar til å redusere alvorlig sykdomsutvikling og øke sjansene for å bli frisk.
Hvert bilde blir gransket av to uavhengige røntgenleger med spesialisering i mammografi. Siden under 1% av de som deltar i screeningprogrammet får påvist brystkreft, brukes det mye tid på å undersøke bilder av friske mennesker.
Mye forskning er gjort på maskinlæring for automatisk deteksjon av kreft i mammogrammer, og nå er de beste modellene like nøyaktige som menneskelige eksperter. Ved å automatisere deler av screeningarbeidet kan tid og ressurser frigjøres slik at spesialistene kan bruke mer tid på pasienter som har behov for videre oppfølgning.
Tilpasningsdyktige modeller
I samarbeid med Kreftregisteret utvikler vi metoder og modeller for KI-basert analyse av mammogrammer tilpasset det norske Mammografiprogrammet.
Gjennom MIM-prosjektet (2018-2022) ble det samlet inn et stort datasett fra mammografi-programmet som vi brukte til å utvikle en prototype til en modell. Denne ble kun trent opp med informasjon om hvilke bilder som viste tegn til kreft, og modellen måtte identifisere områdene uten videre veiledning.
Målet med AIforScreening er å videreføre dette arbeidet, og undersøke hvordan metodene kan gjøres mer robuste over tid, ettersom utstyr og opptaksbetingelser forandrer seg. I tillegg ser vi på hvordan tidsserier av undersøkelser kan bidra til sikrere identifikasjon av sykdommen, og hvordan KI-modeller kan integreres slik at samvirket mellom radiologer og modeller blir best mulig.
En to-trinns modell for nøyaktige undersøkelser
Det er viktig at modellene ikke blir såkalte svarte bokser som kun produserer bastante konklusjoner uten noen form for transparens. Modellene bør også gi rom for en grad av usikkerhet og peke ut hvor en eventuell kreft er plassert i brystet. Dette arbeidet har en dobbel verdi i prosjektet. Det gjør at modellene vi utvikler blir mer forståelige og forklarbare, samtidig som modellene selv har nytte av forklaringene.
Vi har utviklet to samarbeidende modeller, der den ene peker ut området som ligner mest på kreft, og den andre zoomer inn og undersøker området nærmere. Denne to-trinns metoden har blitt presentert på NORA-konferansen og er publisert i det vitenskapelige tidsskriftet Nordic Machine Intelligence. Vår modell viste resultater som var på linje med en radiolog, og produserte bedre resultater enn det kommersielle produktet vi sammenlignet med.
Ønsker du å vite mer om dette prosjektet?
Ta kontakt:
Prosjekt: AIforScreening: Robust and trustworthy AI for breast cancer screening
Partner: Kreftregisteret
Finansiering: Forskningsrådet
Periode: 2021 – 2025
Andre ressurser:
Two-stage mammography classification model using explainable-AI for ROI detection – Nordic Machine Intelligence, 17.11.2023 – engelsk tekst.
Maskinlæring i Mammografiprogrammet (MIM) – prosjektside
Om Mammografiprogrammet – kreftregisteret.no
