Professorer: Kunstig intelligens kan gøre en stor forskel inden for øjenområdet

Algoritmer kan blive dagsordenssættende, når det kommer til både prædiktion, diagnosticering og screening for store øjensygdomme som diabetisk retinopati og våd AMD.

I Region Syddanmark forsøger to professorer at trodse benspændene og kickstarte udviklingen fra det akademiske og ind i klinikken.

Jakob Grauslund er ledende overlæge, forskningsleder og professor på Øjenafdeling E og Steno Diabetes Center på Odense Universitetshospital. Han oplever, at den kliniske implementering af kunstig intelligens (AI) inden for øjenområdet står i stampe både nationalt og internationalt. Det på trods af, at en række udenlandske studier har vist høj sensitivitet og specificitet hos AI-værktøjer, når det kommer til at klassificere avancerede stadier af diabetisk retinopati samt identificere makulære ødemer fotograferet med OCT-scanninger.

”Rigtig meget af forskningen inden for kunstig intelligens handler stadig om at være akademiske first-movers og publicere nye forskningsdata. Det er forbavsende få, der tager forskningen videre og får noget implementeret i klinikken. Dette hænger i høj grad sammen med, at både forskningsfondene og de videnskabelige tidsskrifter har samme snævre fokus på videnskabelige landvindinger og et mindre øje for bekræftende studier og klinisk ibrugtagen af videnskabelige opdagelser,” siger Jakob Grauslund.  

En aktiv indsats

Det arbejder Jakob Grauslund og forskere omkring ham aktivt på at ændre. Jakob Grauslund og hans forskerkolleger har udarbejdet en algoritme, som kan optegne og klassificere diabetiske øjenforandringer.

”Hvis jeg ser et billede af en nethinde, kan jeg fortælle med 50 procent træfsikkerhed, om den tilhører en mand eller en kvinde, hvilket jo ikke er voldsomt imponerende og næppe bedre, end hvis jeg havde slået plat eller krone. En algoritme kan vurdere det samme spørgsmål med 97 procent træfsikkerhed,” siger Jakob Grauslund.      

I Region Syddanmark gennemgår en ekspert af kød og blod i dag diabetespatienternes billeder, når de screener for diabetisk retinopati. Patienter med type 1-diabetes og kompliceret type 2-diabetes modtager primært hospitalsbaseret, telemedicinsk øjenscreening lokaliseret på Steno Diabetes Center Odense, som har placeret otte funduskameraer på de regionale sygehuse samt tilknyttet et centralt graderingscenter. Patienter med ukompliceret type 2-diabetes følges derimod primært hos de praktiserende øjenlæger. Med den voksende andel af diabetespatienter kræves der, ifølge Jakob Grauslund, dog automatiserede løsninger,som kan bistå med screening og diagnostik af øjensygdom.

”Der kan ofte være over 100 forskellige læsioner på et øjenfoto, og algoritmen fungerer som et beslutningsstøtteværktøj for den billedbeskrivende øjenlæge, så vedkommende får hjælp til optegning af de enkelte læsioner. På den måde kan højrisikoforandringer lettere identificeres, hvilket bør give en mere sikker diagnostik og et nedsat tidsforbrug,” siger han.

Jakob Grauslund forventer at tage en prototype af dette stykke software i brug i Region Syddanmark i løbet af 2024.

Intet mirakelmiddel

Thiusius R. Savarimuthu er professor med speciale i robot- og sundhedsteknologi. Han samarbejder med blandt andet oftalmologerne om at få algoritmerne ind at arbejde i klinikken. Som leder af Medical Robotics på Mærsk Mc-Kinney Møller Instituttet har han skabt et tæt samarbejde med en række medicinske forskergrupper. Han vurderer, at kunstig intelligens vil kunne bruges til 80-90 procent af de cases, som ses i klinikken.

”Men den kunstige intelligens duer ikke lige så godt som Jakob og hans kolleger til at genkende de patienter, hvis øjensygdom ikke opfører sig som beskrevet i lærebogen. Derfor skal kunstig intelligens, indtil videre, bruges som et første bud på den store populationsgruppe og så skal vi sende de 10-20 procent af sjældne cases videre til lægerne,” siger han.

Som ekspert inden for kunstig intelligens handler det for Thiusius R. Savarimuthu også om at afstemme forventningerne i forhold til, hvad systemerne kan.

”Systemerne bliver aldrig perfekte, for de er ikke noget mirakelmiddel,” siger han.

Og det er også her, hvor Jakob Grauslund oplever, at man møder modstand fra omverdenen.

”Spørgsmålet kommer hver gang: Hvad nu hvis den overser noget? For det gør den. Men det gør mennesker også. Når jeg har screenet en hel dag performer jeg heller ikke lige så godt som om morgenen, hvor jeg lige har drukket dagens første kop kaffe,” siger han.

Perspektiv for våd AMD også

Jakob Grauslund har diabetisk øjensygdom som sit subspeciale. Men potentialet for AI rækker langt ud over komplikationer i forbindelse med endokrinologisk sygdom.

Landets øjenafdelinger bliver i dag, ifølge Jakob Grauslund, lagt øde af patienter med våd AMD, der på landsplan modtager 100.000 anti-VEGF-indsprøjtninger om året for at holde den aldersrelaterede øjensygdom i ro. Her er et kæmpe potentiale for beslutningsstøtte, vurderer Jakob Grauslund.

”Det vil blive ’the new frontier’, når vi på dette område kan sætte ind med styrket performance i diagnostikken og AI inden for våd AMD ser ud til at overhale det diabetiske område, fordi det simpelthen er et område med mange patienter og rigtig meget billeddiagnostik, der vil blive guf for maskinerne om 10 års tid,” siger han.

Juraen spænder ben

Jakob Grauslund fremhæver også prædiktionen som et felt, hvor AI kan gøre en forskel. Et aktuelt ph.d.-projekt på Syddansk Universitet skal med hjælp af fotos af diabetespatienters øjne optræne en algoritme til at prædiktere risikoen for udvikling af diabetiske senkomplikationer såsom behandlingskrævende øjenforandringer, diabetisk nyresygdom, nervebetændelse, hjertekarsygdom og tidlig død.

Men Jakob Grauslund savner, at nogen har mod til at gå i brechen for de nye muligheder. Han fremhæver, at der blandt lovgiverne hersker et udpræget forsigtighedsprincip.

”Der er masser af hype og politikerne lyder begejstrerede. Men samtidig bremses forskerne af talrige problemstillinger om GDPR og datadeling. Som en konkret eksempel har vi et stærkt forskningssamarbejde med verdens førende gruppe inden for udvikling og anvendelse af kunstig intelligens ved diabetisk retinopati. Vi er også ved at udvikle en algoritme, som de har tilbudt at teste på deres patienter, så vi kan opnå ekstern validering,” fortæller Jakob Grauslund, der løbende er involveret i at udvikle nye algoritmer med forskellige anvendelsesmuligheder.

Problemet er – hvad dette samarbejde angår –, at gruppen kommer fra Singapore, og selv om det, ifølge Jakob Grauslund, på alle måder er et digitalt foregangsland, er det ikke beliggende i EU.

”Derfor er det lige så vanskeligt at opnå juridisk godkendelse til dataudveksling, som hvis de havde haft sæde i Nordkorea. Det er et problem, vi har forsøgt at løse i over et år, men der er fortsat ingen udsigt til muligheden for at opnå juridisk godkendelse af dataudvekslingen,” siger han.

Thiusius R. Savarimuthu fremhæver også knaster, der går på, hvordan man i sygehusverdenen og i mange andre sammenhænge arbejder med software og IT:  Udviklingen foregår ikke organisk, men i ryk.

”Vi siger hele tiden, at systemerne skal lære, men det er kun den halve sandhed i praksis. Systemerne, vi sætter i drift, er låste, indtil en opdatering bliver godkendt. Det er gammeldags. Man sætter heller ikke en lås på Jakob (Grauslund red.), så han heller ikke kan lære noget nyt. Og her er AI problematisk. Vi skal finde ud af, hvordan vi kan sikre noget kontinuerlighed og en løbende udvikling af de her systemer.”

Google er ikke altid svaret

Endelig er der også problemet med, at eksisterende algoritmer ikke altid er kompatible med setuppet i et nationalt eller regionalt screeninginitiativ. At indarbejde en færdig algoritme købt af eksempelvis Google vil få detektionsraten inden for diabetisk retinopati til at eksplodere, da algoritmen ikke er lavet til danske forhold samtidig med, at det juridisk og GDPR-mæssigt vil være en ”no-go”, siger Jakob Grauslund. Derfor er der, ifølge ham, ikke anden vej at gå, end at lave algoritmerne fra bunden frem for at købe en af slagsen ude i byen.

”Vi foretog en konkret beregning, som viste, at hvis vi tog en af de kommercielle algoritmer i brug, ville vi opnå en 90 procent falsk positiv detektionsrate, og det er der jo ikke mange ressourcebesparelser i,” siger Jakob Grauslund.

Sideløbende med de kliniske løsninger bliver der også internationalt arbejdet med at udvikle mere håndholdte løsninger, hvor patienten eller den praktiserende læge selv kan uploade billeder. Hidtil har billederne inden for oftalmologien dog ikke været af en kvalitet, der kan måle sig med de billeder, der leveret af udstyret, som hospitalerne og praktiserende øjenlæger råder over.

Oftalmologisk Tidsskrift: Hvad screening angår, er der meget debat om overdiagnosticering allerede. Kan den tendens ikke stikke helt af, når vi overlader diagnostikken til algoritmer?

”Overdiagnosticering handler om, hvad man gør med informationen. Algoritmen handler kun om, hvordan vi tilvejebringer den. Jeg kan som borger selv allerede se de fleste af mine data og lægerne fortæller mig, at deres patienter ofte allerede i forvejen ved, hvad de fejler, når de møder op til en konsultation. Det kan måske være problematisk, men vi har en befolkning i Danmark, som er veluddannede, og som ved, at de her værktøjer kommer med en slagside. Vores patienter kan sagtens forholde sig til, at nu siger en algoritme noget, men måske skal vi lige afvente. Så slå nu kold vand i blodet. Indtil videre er det bare et beslutningsstøtteværktøj,” siger Thiusius R. Savarimuthu.