Gjennombrudd for KI og diagnostisering av kreft

Ny KI-modell har over 90 prosent treffsikkerhet for klassifisering og vurdering av risikonivåer av kreft i skjoldbruskkjertelen.

Kunstig intelligens (KI) gjør sitt inntog i helsesektoren, og fra før vet vi at KI brukes på sykehus i Norge i diagnostisering av enkelte skader eller sykdommer. Dette foregår selvsagt med leger som kontrollører.

Utviklingen går fort, og nå viser en studie svært lovende resultater når det kommer til diagnostisering og risikovurdering av kreft i skjoldbruskkjertelen.

Denne typen er blant de raskest voksende kreftformene, men heldigvis har den gode prognoser.

Den første i verden

I en studie hvor man har bragt onkologi og helseteknologi sammen, har forskere funnet ut at en KI-modell kan klassifisere kreftstadier og risikoprofiler med en forbløffende nøyaktighet. Modellen er verdens første i sitt slag.x

Ved å bruke avanserte språkmodeller fikk de til en nøyaktighet på 88,5-100 prosent i forhold til ATAs (American Thyroid Association) risikoklassifisering, og 92,9-98,1 prosent nøyaktighet mot AJCC (American Joint Committee on Cancer) stadievurdering. Det siste er et verktøy for å kunne beskrive mengde/størrelse og spredning av kreft i en pasients kropp.

Flere språkmodeller

Betydningen av funnene kan være betydelige, ettersom presis diagnostisering og vurdering av risiko og spredning er avgjørende for god kreftbehandling, og leger som skal behandle kreftpasientene trenger denne informasjonen, som er tid- og ressurskrevende å fremstille manuelt.

Modellen benytter seg av fire åpne, frakoblede språkmodeller; Mistral (Mistral AI), Llama (Meta), Gemma (Google) og Qwen (Alibaba) for å analysere fritekst i kliniske dokumenter.

KI-modellen ble trent med åpent tilgjengelige amerikanske data fra patologirapporter til 50 pasienter med skjoldbruskkjertelkreft fra Cancer Genome Atlas Program (TCGA), og ble deretter validert mot patologirapporter fra 289 TCGA-pasienter og 35 pseudotilfeller opprettet av endokrinkirurger.

Fungerer offline

Professor Joseph T. Wu ved University of Hong Kong understreker modellens bemerkelsesverdige ytelse.

– Modellen vår oppnår over 90 prosent nøyaktighet i klassifiseringen av AJCC-kreftstadier og ATA-risikokategori. En betydelig fordel med denne modellen er at den fungerer offline, noe som muliggjør lokal implementering uten behov for å dele eller laste opp sensitiv pasientinformasjon – og dermed gir maksimalt personvern for pasientene, sier han.

Gjennombruddet gir grunn til stor optimisme, men det er fortsatt et stykke fram til at KI-modellen kan brukes på sykehus og legesentre. Flere studier må bekrefte funnene, på tvers av ulike befolkningsgrupper og kliniske situasjoner.