Finländskt AI-verktyg kan ge snabbare demensdiagnos
Artificiell intelligens kan vara ett värdefullt arbetsredskap för experterna inom social- och hälsovården. Redan nu finns nya AI-verktyg som kan försnabba diagnostiseringen av demenssjukdomar.
Demenssjukdomar blir allt vanligare – en direkt följd av att vi lever längre. De allra flesta av oss kommer förr eller senare att komma i kontakt med en demenssjukdom, antingen så att vi drabbas själva eller så att någon i vår nära omgivning drabbas av den. 13 000 människor insjuknar varje år.
I enlighet med ett nationellt minnesprogram har man inom socialoch hälsovården under de senaste åren fäst allt större uppmärksamhet vid demenssjukdomar. Demenssjukdomar kostar samhället stora pengar, tre av fyra klienter som får vård dygnet runt har en demenssjukdom.
Forskaren Jyrki Lötjönen har under många år jobbat med olika forskningsprojekt med temat demenssjukdomar och hjärnskador vid Teknologiska forskningscentralen VTT. I dag står han tillsammans med före detta kolleger bakom företaget Combinostics som utvecklar mjukvara för att effektivera diagnostiseringen av förändringar i hjärnan, förändringar som kan orsakas av demenssjukdomar såsom Alzheimer.
– För ett år sedan gav vi ut vår första produkt på marknaden. Produkten har fått den europeiska marknadens CE-märkning och är dessutom godkänd av den amerikanska livsmedelsoch läkemedelsmyndigheten.
– Eftersom det är frågan om en medicinteknisk produkt måste vi få godkännande för att kunna använda den i kliniskt arbete.
Det som företaget har skapat är ett arbetsredskap, ett verktyg för läkare, där man utnyttjar artificiell intelligens (AI) och maskininlärning.
– Vi koncentrerade oss på demenssjukdomar men i princip är teknologin generisk och kan utnyttjas också för andra sjukdomar.
Enligt Lötjönen motsvarar kostnaden demenssjukdomar omkring en procent av hela världens bruttonationalprodukt. Eftersom antalet patienter med olika demenssjukdomar uppskattas två- eller trefaldigas fram till 2050 behövs verktyg och hjälpmedel som underlättar diagnostiken och effektiverar vården.
– En utmaning är att det inte finns mediciner som påverkar den egentliga sjukdomspatologin – det finns mediciner, men de mildrar endast symtomen.
Forskning visar att patienter som får tidig diagnos och rätt sorts vård hamnar på långvården ungefär ett år senare än andra patienter.
Prislappen har en betydelse
I nuläget tar det i genomsnitt tjugo månader för en patient att få den rätta demenssjukdomsdiagnosen. En snabbare och effektivare diagnostik har en avgörande betydelse för hur sjukdomen framskrider hos patienten men också en stor betydelse samhällsekonomiskt sett.
– Det finns tiotals orsaker till minnessvårigheter men de flesta diagnostiska verktyg är specifika för Alzheimers sjukdom. Det finns också sådana symtom som kan botas, exempelvis hormonella störningar eller bristsjukdomar.
Diagnostiseringen kompliceras ytterligare av att vår bakgrund påverkar hur våra provresultat ska tolkas.
– Resultaten för en 85-åring kan inte tolkas på samma sätt som en 65-årings resultat. I en magnetröntgenbild kan det också synas förändringar som tyder på demenssjukdom utan att patienten har någon egentlig sjukdom. Dessutom har exempelvis högutbildade personer bättre förmåga att klara av neuropsykologiska tester – de kan ha en sjukdom men på grund av sin långa studietid kan de kompensera för vissa nedsättningar.
Lötjönen påpekar att prislappen ofta också spelar en roll.
– Det finns bra tester men de är dyra. Exempelvis kostar en så kallad PET-skanning av hjärnan över tusen euro.
Att sammanväga all information om patienten för att dra några slutsatser är krävande och det är precis den processen som Lötjönen och de andra forskarna vid Combinostics vill förenkla och effektivera med sitt verktyg.
– Avsikten är att göra tolkningen mer systematisk och objektiv. Erfarna läkare är duktiga på att tolka provresultat men det finns ett begränsat antal sådana läkare och därför finns det ett stort behov av verktyg som detta.
Transparensen är viktig
Sedan början av utvecklingsprocessen har Combinostics jobbat tillsammans med kliniker och läkare.
– Verktyget måste presentera resultat på ett objektivt sätt som går att granska. Dessutom måste resultaten presenteras så att de kan enkelt tolkas, säger Lötjönen.
Med begripligheten syftar han på det som i samband med AI kallas för svarta lådor. Då artificiella intelligenser blir mer självständiga blir de också svårare för människan att förstå. Ett system eller ett verktyg vars funktioner inte går att förklara och granska har sämre möjligheter att godkännas inom vården.
– Det finns en tröskel att ta verktyg av den här typen i bruk i och med att läkaren alltid i sista hand bär ansvaret för sin patient.
Combinostics valde som sin målsättning att skapa ett så transparent och begripligt verktyg som möjligt.
– Diskussionen kring svarta lådor och AI inom sjukvården pågår just nu. I fortsättningen måste vi avväga vilken roll artificiell intelligens har och hur den kan utnyttjas i kliniskt beslutsfattande. Det är en stor skillnad mellan sjukvården och exempelvis industriella applikationer.
Lötjönen förklarar att om systemet bygger på svarta lådor som själv- ständigt kläcker ur sig diagnoser så finns det inget sätt för människan att verifiera hur den artificiella intelligensen kommit fram till en alzheimerdiagnos i stället för en diagnos på till exempel frontotemporal demens.
Resultaten från blodprov och neuropsykologiska tester finns tillgängliga i ett objektivt numeriskt format medan bilder ännu i dag huvudsakligen granskas visuellt.
– Radiologer tittar på bilderna och utifrån sin erfarenhet känner de till hur en hjärna ser ut då patienten lider av en demenssjukdom. Det är en ganska subjektiv metod och om radiologen inte är så erfaren ökar risken för en felaktig diagnos.
Enligt Lötjönen gör artificiell intelligens nu sitt intåg i form av bildigenkänning.
– Fördelen är den att vi kan så lätt kontrollera vad datorn har kommit fram till genom att själv granska bilderna. Det är lätt för människoögat att urskilja exempelvis hippocampus, men då vi ska beskriva hur stor den är kan vi endast använda uttryck som ”ganska stor” eller så. På sistone har det dykt upp mjukvara, baserad på AI, som klarar av att mäta och beskriva de olika delarna av hjärnan.
Förändringar uppstår tidigt
En utmaning då det gäller demenssjukdomarna är att patienterna söker vård i ett ganska sent skede, oftast efter att patienten själv eller en närstående person upptäckt svårigheter med minnet.
– Vid Alzheimers sjukdom bildas plack vid nervtrådarna och den börjar samlas redan 20–30 år innan symtomen börjar dyka upp. Celldöd förekommer cirka 5–8 år innan symtomen. Den bästa tidpunkten att inleda vården och ändra på levnadsvanorna är innan symtomen dykt upp.
Den verkliga utmaningen är alltså att nå ut till patienterna tidigare men också att förkorta tiden som går åt till att få en diagnos.
– Det har inget med AI att göra men vi har också utvecklat webbaserade verktyg som gör det möjligt för människor att göra enkla, riktgivande neuropsykologiska tester hemma.
På grund av de höga kostnaderna är det omöjligt att ordna omfattan-
Avsikten är att göra tolkningen mer systematisk och objektiv. Erfarna läkare är duktiga på att tolka provresultat men det finns ett begränsat antal sådana läkare och därför finns det ett stort behov av verktyg som detta.
Jyrki Lötjönen Forskare, VTT
Det förekommer stora socioekonomiska skillnader i sannolikheten att bli sjukpensionerad och det har vi känt till i mer än 30 år. Det intressanta är att vi med mindre resurser och på kortare tid kan komma fram till samma slutsatser med hjälp av AI.
Mikko Kautto Direktör, ETK
de screeningar för en viss ålders- eller riskgrupp.
– Med hjälp av de förmånliga verktygen kunde vi hitta dem som har en högre risk att insjukna och sedan undersöka dem med de dyrare metoderna, då sparar vi betydligt på samhällets resurser.
Samarbete med toppforskare
Combinostics har en databas där information om patienter som fått en diagnos finns lagrad.
– Vi kan alltså jämföra resultaten mellan patienter som har fått en diagnos på en demenssjukdom med friska personer. Utifrån tidigare diagnoser föreslår verktyget att patienten sannolikt lider av exempelvis Alzheimer, säger Lötjönen.
Högklassig, lämplig data är en utmaning för många projekt som jobbar med AI och maskininlärning. Combinostics har löst problemet genom att samarbeta med ledande forskningscentraler och på så sätt fått tillgång till stora mängder patientdata.
– I Finland jobbar vi med universitetssjukhusen i Kuopio, Åbo och Helsingfors. I Amsterdam finns ledande expertis i Europa och så har vi Köpenhamn och några platser i Italien. Genom att samarbeta med dem har vi fått viktig information.
I och med att verktyget nu används i kliniskt arbete får företaget också så småningom information om kostnadseffekterna och exakt hur mycket snabbare diagnostiseringen blir. I nuläget är verktyget lämpat för fyra olika diagnoser och i framtiden kan antalet öka.
Lötjönen uppskattar att radiologernas arbetsrutiner kommer att förändras alltefter att teknologin utvecklas.
– De flesta radiologer har en positiv inställning till förändringarna. Det beror förmodligen på att mängden data är så massiv i dag och därför inser många att det behövs nya verktyg, säger han.
Lötjönen citerar Stanfordprofessorn Curtis Langlotz:
– AI ersätter inte radiologerna men radiologer som jobbar med AI kommer nog att ersätta radiologer som inte jobbar med det. AI kommer onekligen att ha en betydande roll inom radiologin.
AI förutser sjukpension
Den artificiella intelligensens utnyttjande inom social- och hälsovården tar just nu kliv framåt. Nyligen berättade Pensionsskyddscentralen ETK om sina första experiment med maskininlärning. Från en databas som bestod av 500 000 personers anonymiserade registeruppgifter lärde sig maskininlärningsalgoritmen att identifiera faktorer som leder till sjukpension. Den artificiella intelligensen identifierade fyra av fem sjukpensionerade personer redan två år innan personerna de facto gick i sjukpension. ETK har tidigare gjort motsvarande försök med olika statistiska metoder men det här var första gången som man använde sig av artificiell intelligens.
– Vi har utvecklat våra elektroniska system och testat på robotisering och med det nått en ökad förståelse för vad som är möjligt att göra med artificiella intelligenser, säger Mikko Kautto, direktör vid ETK.
– Det här var frågan om ett enda experiment. Vill vi utveckla ett gränssnitt eller ett verktyg behöver vi hjälp av olika it-experter, säger matematikern Jarno Varis, som genomförde försöket.
Enligt Varis kan AI ha tydliga fördelar inom social- och hälsovårdssektorn och kunde fungera utmärkt som ett redskap i expertarbetet.
– Vi fick en hel del intressant information om när människor sjukpensioneras och vilka orsaker som ligger bakom.
Data finns
En grundförutsättning för maskininlärning eller artificiell intelligens är tillgång till data. Här står social- och hälsovårdssektorn i en klass för sig, data finns nämligen.
– I vissa frågor kan AI vara det bästa verktyget och vi har redan blivit kontaktade av olika aktörer som jobbar med pensioner och social trygghet. Det finns alldeles tydligt intressen som sträcker sig långt utanför vårt verksamhetsområde, säger Kautto.
– Det förekommer stora socioekonomiska skillnader i sannolikheten att bli sjukpensionerad och det har vi känt till i mer än 30 år. Att identifiera olika riskgrupper är ingen nyhet – sådan forskning har existerat länge innan AI gjorde sitt genombrott. Det följande steget där man försöker hjälpa eller stödja en riskgrupp är betydligt knepigare. Det intressanta är att vi med mindre resurser och på kortare tid kan komma fram till samma slutsatser med hjälp av AI, förklarar Kautto.
Behövs en ny instans?
Mikko Kautto ser att artificiell intelligens kan ha en mera omfattande social- och hälsovårdspolitisk betydelse i framtiden. Det rör sig enorma summor inom social- och hälsovården som berör oss alla – antingen som betalare eller mottagare.
Enligt Institutet för hälsa och välfärd, THL, var Finlands utgifter för social trygghet 66,3 miljarder euro år 2015 eller 31,6 procent av bruttonationalprodukten. Samma år var Finlands sjukvårdsutgifter 19,8 miljarder euro eller 9,4 procent av bruttonationalprodukten.
– Jag tänker på vårdreformen och utvecklandet av inkomstöverföringarna. Ta till exempel utkomststödet. Där har vi registerdata och så kallade statiska beräkningsverktyg som utgår från att befolkningen beter sig på ett förväntat sätt. Vi vet att en del människor beter sig rationellt och reagerar på ett visst sätt i nya situationer medan andra inte gör det utan kanske reagerar utifrån fördomar och rädslor i stället. AI kunde ge oss bättre kunskap om sådant än de verktyg som vi använder i dagsläget, säger Kautto.
Enskilda aktörer, såsom Combinostics, har gjort egna experiment och reflekterat över hur de kan utnyttja AI i sin verksamhet. Kautto
efterlyser en instans, en oberoende aktör, som på ett mera allmänt plan skulle forska i social- och hälsovårdens möjligheter att utnyttja AI.
– En sådan instans kunde kanske också upptäcka möjligheter som inte är kommersiellt lukrativa men samhälleligt viktiga.
– Social- och hälsovårdsministeriet har traditionellt varit den som ansvarar för planeringen av den socialoch hälsovårdspolitiska strategin. Vi har också THL som har i uppdrag att granska verkställandet av social- och hälsovårdstjänster. Kanske något nytt kunde utvecklas kring den axeln, funderar han.