Pålitelig KI til mammografiundersøkelser

Vi utvikler maskinlæringsmetoder for å forbedre og effektivisere det offentlige Mammografiprogrammet i Norge.

Brystkreft er den krefttypen som rammer flest kvinner i Norge. Hvis den oppdages tidlig, vil færre bli alvorlig syke og flere vil overvinne sykdommen. Derfor inviteres alle kvinner i Norge mellom 50 og 69 år annethvert år til røntgenundersøkelse gjennom Mammografiprogrammet.

Hvert bilde blir gransket av to uavhengige røntgenleger, som er spesialister på mammografi. Under 1% av personene som deltar i undersøkelsen får påvist brystkreft, så røntgenlegene bruker 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 frigjøres det tid og ressurser, og gjør det mulig for legene å bruke mer tid på pasienter som trenger videre oppfølgning eller som faktisk er syke.

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.