Raskere MR med KI

Ved hjelp av kunstig intelligens kan man gjøre MR-skanninger på kortere tid samtidig som de har god kvalitet, viser studie. Spørsmålet er om man kan stole på den kunstige intelligensen og om bildene reflekterer virkeligheten.

TEKST: TONE AGUILAR

Bak studien står NYU Langone Health og Facebook. De første resultatene ble klassifisert som lovende, skriver Dagens Medisin.

I prosjektet FastMRI har de brukt kunstig intelligens til å rekonstruere MR-bilder av kneet, og de første resultatene indikerer at bilder fremstilt ved rekonstruksjonsmetoden var like gode som tradisjonelle MR-bilder. Rekonstruksjonen gjorde at de trengte å samle inn mindre data enn ved en tradisjonell MR-skann, hvilket bidro til at bildetakingen var fire ganger raskere. – Dersom vi får til dette, vil det ikke bare gjøre at flere kan få tilbud om MR, men det kan også bidra til at MR kan erstatte andre typer bildeundersøkelser som ikke gir like mye informasjon som røntgen, sier Dan Sodickson til Dagens Medisin.

Sodickson er nestleder for forskning ved Institutt for radiologi ved NYU Langone Health.

Ikke så mye tid å spare på kneundersøkelser

Radiograf og MR-spesialist i Siemens Healthineers, Rolf Svendsmark, karakteriserer studien som svært spennende. – Og det som gjør at dette virker pålitelig, er gruppen det kommer fra, da Sodickson er en av MR-guruene i verden, uttaler han til Hold Pusten. – Det var Sodickson som i sin tid sto bak parallell imaging-metoden, som er en av de viktigste teknikkene vi i dag bruker for å akselerere.

Men når han ser nærmere på hva som er gjort så langt i studien, mener han ikke resultatene er så veldig revolusjonerende. – Spesielt når vi snakker om kneundersøkelser, presiserer han. – De snakker i prinsippet om at de gjør en undersøkelse på en fjerdedel av tiden, men i praksis så har de halvert opptakstiden på sin standard kliniske kneprotokoll, det vil si at de går fra rundt tolv til rundt seks minutter i snitt.

I Norge, spesielt i privat setting, sier han at kneundersøkelser på seks minutter med god bildekvalitet allerede er vanlig. – Det er følgelig ikke så mye å hente når det gjelder tid på denne undersøkelsen, men jeg vil tro det er andre typer undersøkelser som har et større potensial med hensyn til å spare tid, understreker Svendsmark. – Og NYU Langone Health og Facebook har store ressurser, så det er all grunn til å tro at de ikke har tenkt å stoppe med dette, det blir kjempespennende å se hva som kommer.

Svendsmark medgir riktignok at det er litt skepsis når det gjelder å rekonstruere en del av bildene. – For med protokollene vi har i dag, så vet man hva man ser og hva man ikke ser, men med en algoritme som man ikke er kjent med og som ikke er klinisk validert, vet man egentlig ikke hva man ikke ser, medgir radiografen.

Støy forandrer resultatet

Matematiker ved Universitet i Oslo Vegard Antun forteller også til Hold Pusten at studien fra NYU Langone Health og Facebook er interessant. – Men det er mange som driver med det samme, derfor er ikke studien ny i så henseende, sier han.

Videre forklarer han at det er to tilnærminger for hvordan man kan rekonstruere bilder. – Den ene er standardmetodene hvor man bruker matematiske analyser som kom for cirka 15 år siden, sier han. – Og den andre er kunstig intelligens som jeg har jobbet mye med.

Antun er relativt fersk doktor, og i avhandlingen sin så han på hvordan artefakter påvirker bilder som rekonstrueres med kunstig intelligens. Sammen med kolleger publiserte han en artikkel om temaet i tidsskriftet PNAS (pnas.org). – Et av hovedfunnene i doktorgraden min var at hvis man legger på litt støy på bildet eller på målingene inne i MR-skanneren, så vil du komme ut med et helt feil bilde hvis du bruker kunstig intelligens, forteller han. – Og det som kanskje er enda mer interessant, er at treningsprosessene man bruker for å trene den kunstige intelligensen, bidrar til å skape dette fenomenet.

Lett å lure

Et av problemene er at de rekonstruerte bildene kan overse patologier.

Antun mener følgelig det er et stykke igjen før man kan benytte kunstig intelligens for å rekonstruere bilder, da det må tas bedre høyde for ustabiliteten i bildene og konsekvenser artefakter kan få med hensyn til å en riktig rekonstruksjon. – Kunstig intelligens er på vei inn over alt, fortsetter Antun. – Men generelt er den kunstige intelligensen lett å lure, så det ville vært oppsiktsvekkende hvis ikke dette skjer med rekonstruksjon også.

Han understreker riktignok at kunstig intelligens har et meget stort potensial. – Det som blir avgjørende framover, er å trene den slik at man får mer stabile metoder hvor man er sikker på at det som kommer ut, faktisk er det du tar

Alexander Selvikvåg Lundervold. FOTO: PRIVAT

Vegard Antun.

FOTO: PRIVAT Rolf Svendsmark.

FOTO: TONE RISE

bilder av, understreker han. – Når dette blir en realitet, er vanskelig å si, men innen en tiårsperiode kanskje.

For sin egen del kommer han til å jobbe videre med hvordan man skal designe algoritmer som gir en garanti for at de rekonstruerte bildene blir riktige.

Ser om det funker

Alexander Selvikvåg Lundervold ved Høgskulen på Vestlandet og Mohn Medical Imaging and Visualization Centre i Bergen, understeker i likhet med Antun og Svendsmark at det er gammelt nytt at man kan rekonstruere raskere med metoder brukt i NYU Langone Health og Facebook-studien.

Lundervold er matematiker og jobber spesielt med maskinlæring innen bildediagnostikk. – Men hva som er nytt med denne studien, er at man ser hvorvidt disse bildene diagnostisk sett fungerer på lik linje med bilder som er rekonstruert med den matematiske standardmetoden, sier han til Hold Pusten. – Noe det ser ut til å gjøre.

Men han legger til: – Når det dette er sagt, så er dette et lite bidrag, og det er masse som gjenstår før dette faktisk kan tas i bruk.

Han trekker blant annet frem at det for eksempel bare ble tatt 108 bilder i studien, at det ble brukt én skanner, og at det kun var seks radiologer som så på bildene. – Og da kommer det mye an på de seks, uttaler han.

For at studien skal bli klinisk praksis, sier han det ligger for dagen at de må se på alle utfordringene knyttet til stabilitet, og at de bør anvende Antuns metoder for å se på dette. – Når det gjelder rekonstruksjon, så er arbeidet til Antun og kollegene veldig fint med tanke på å finne ut hva som feiler ved rekonstruksjon og for å forstå rammene rundt det hele, fortsetter Lundervold.

Han forklarer videre at siden matematikk består av relativt enkle byggesteiner, er vanskelig å fange opp kompliserte strukturer og fenomener matematisk sett.

– Dette fører til at matematikken typisk henger langt bak teknologien, presiserer han. – I tillegg til matematisk modellering er det nødvendig med en klinisk validering hvor vi ser om det funker uten å ha forstått det helt matematisk sett.

Studien fra NYU Langone Health og Facebook er et steg i riktig retning slik sett, sier Lundervold og legger til: – Men det er behov for en mye grundigere klinisk validering.

En del av fremtiden

– Når noe ikke er klinisk validert, vil det alltid være litt skepsis, medgir Svendsmark. – Men at kunstig intelligens kommer til å forandre radiografens hverdag, må vi forholde oss til.

Han trekker frem at mange radiografer bruker kunstig intelligens hver dag uten å tenke over det. – Det kan være så enkelt som posisjonering av snittbokser, vinkling av snitt og denne typen hjelpemidler, sier han. – Kunstig intelligens vil derfor bidra til raskere og bedre undersøkelser, og innføringen av det kommer til å komme gradvis.

Og rekonstruksjon av bilder mener han er en kjempespennende teknikk. – Som utvilsomt er en del av framtiden, slår han fast. n post@holdpusten.no

FOTO: ISTOCK