Den här sajten är bara till för dig som arbetar i hälso- och sjukvården.

  • Annonsera
  • Prenumerera
  • Kontakt
  • Tipsa oss!
  • Lediga jobb
  • Logga in

Bilder på liten fraktur, ingen fraktur och stor fraktur.

Bilder på liten fraktur, ingen fraktur och stor fraktur.

AI-nätverk matchar ortopedernas diagnoser

AI-nätverk har en förmåga att ställa korrekta ortopediska diagnoser som är i närheten av överläkarnas träffsäkerhet. 

Annons:
Max Gordon, forskare och överläkare i ortopedi på Danderyds sjukhus.

Max Gordon och hans kollegor har använt sig av bildarkivet på Danderyds sjukhus för att träna AI-nätverk att med artificiell intelligens och maskininlärning bedöma ortopediska bilder.  

Tillvägagångssättet har varit att träna AI-nätverken att känna igen frakturer utifrån miljontals parametrar som tolkar bilderna och gör justeringar så att igenkänningen blir bättre och bättre. Efter detta har de bästa AI-nätverken bedömt röntgenbilder för första gången. Dessa har jämförts med bedömningar av samma bilder av två överläkare.

– Studien visar att AI-nätverk och ortopeder gör lika bra bedömningar, där både läkare och datorer i över 80 procent av fallen kunde avgöra ifall det förelåg en fraktur. Det är alltså möjligt att genom teknik som vem som helst kan använda, att på en kraftfull hemdator göra bedömningar med kvalitet i en nivå med yrkesexperter, säger Max Gordon, biträdande överläkare i ortopedi vid Danderyds sjukhus och forskare vid Karolinska Institutet.

AI-verktygen kommer att kunna bli ett bra komplement till expertbedömningar, anser han.

– Om tio år är det standard vid ortopediska undersökningar. Inom många områden känns den här typen av undersökningar främmande, men sedan sker en mognad och när kvaliteten är tillräckligt bra så får tekniken ett genombrott.

När AI slog igenom för bildtolkning för ungefär fem år sedan var de tre gånger sämre än människor på att känna igen objekt.

– 2015 var resultaten i nivå med människan för generella objekt och året därpå dubbelt så bra, säger Max Gordon.

Ett av hans centrala intresseområden som forskare är hur det kunskaps- och tidkrävande arbetet med att bedöma röntgenbilder ska kunna automatiseras.

– Idag finns det så kraftfull hårdvara och mjukvara och så välutvecklade algoritmer, att det med hjälp av standardteknik går att utveckla extremt träffsäkra diagnosverktyg, säger Max Gordon.

Han doktorerade på studier kring registeranvändning kring höftproteser.

– Därifrån är steget till avancerad statistisk bearbetning av ortopediska röntgenbilder inte så långt som man kan tro, säger Max Gordon.

Från bildarkivet på Danderyds sjukhus har 256 000 bilder av händer, handleder och fotleder använts för att träna AI-nätverken att tolka ortopediska bilder.

Enligt honom själv är det den första studien där ortopediska röntgenbilder används och Max Gordon tror på en snabb utveckling.

– Varken hårdvara eller mjukvara utgör begränsningar. Algoritmerna hos Google eller Facebook är så kraftfulla att de kan användas för diagnostik. Största utmaningen idag ligger i att få tag i data som tillsammans med röntgenbilder kan användas för att träna datorerna rätt.

Träningen kräver tålamod och att den som instruerar AI-verktyget ger tydliga och korrekta instruktioner. I nästa steg ska Danderyds sjukhus hela ortopediska röntgenregister användas som grund, med drygt en miljon bilder i högupplöst format.

– Vi kommer också att använda oss av en ökad datorkapacitet, i ett samarbete med superdatorcentrumet PDC på KTH. Vår dator har två grafikkort, medan de har uppemot 100, säger Max Gordon.

Läs abstract:

Jakub Olczak med flera Artificial intelligence for analyzing orthopedic trauma radiographs. Artikeln publicerades online den 6 juli. doi/full/10.1080/17453674.2017.1344459 

Kommentarer

Jag är ingen robot:   3 + 7 =   (ange summan i fältet)
Jag godkänner för artikelkommentarer Dagens Medicins regler