‘Det kommer til å skape en revolusjon’: hvor AI er transformere NHS

Teknologi er å lage imponerende fremskritt i kreft – sparer liv og penger

NHS ved 70: alle våre jubileum dekning på ett sted

Science editor

@iansample

Ons 4 Jul 2018 07.00 BST

Sist endret på Ons 4 Jul 2018 08.14 BST

Dr Raj Jena uses a Microsoft system called InnerEye to mark up scans automatically for prostate cancer patients.

Svulsten er vanskelig å gå glipp av på søk. På størrelse med en golfball, det sitter fet skrift og hvite på hjernen, en del av det organet som sender meldinger frem og tilbake mellom kroppen og hjernen. På mange måter er det master kontroller: fra toppen av ryggmargen, hjernen gjennomfører hvert øyeblikk, hver svelge, hvert åndedrag.

For denne unge mannen, kreften kom til å lyse på en dramatisk måte. Den voksende tumor blokkert fluid drenering fra hjernen hans, som utløser et stort beslag. Nå leger må arbeide ut den beste måten å behandle ham.

Raj Jena, en nevro-onkolog på Addenbrooke ‘ s hospital i Cambridge, har trukket opp bilde for å forklare hvordan leger plan strålebehandling til pasienter. For et tilfelle som dette, ville han kanskje trenger å studere mer enn 100 bilder, som hver viser en tynn skive av hjernen. Så, bilde-ved-bilde, Jena må nøye merke ut grensen av svulsten og konturene av følsomme hjernen regioner som bør bli spart for strålebehandling bjelker: hypothalamus, hypofysen, veier til hjernen visjon sentre, for eksempel. Prosessen kan ta mange timer. Men bare når det er gjort kan datamaskiner starte beregning hvordan å treffe svulsten med strålebehandling bjelker uten frazzling viktige deler i nærheten.

“Før vi definere hvor svulsten er og har definert friskt vev vi ønsker å beskytte, vi kan ikke starte behandling, sier Jena. “Dette er flaskehalsen. Jo raskere du få dette gjort, jo raskere du kan få pasienten til behandling.”

A planning MRI scan shows the brain of the young patient with an aggressive brain tumour.

Med kunstig intelligens (AI), møysommelig oppgave kan være ferdig i løpet av minutter. For de siste seks månedene, Jena har brukt en Microsoft system kalt InnerEye til å markere skanner automatisk for prostata kreft pasienter. Menn utgjør en tredjedel av de 2500 kreft pasienter avdelingen behandler hvert år. Når et søk er gjort, bilder er anonymisert, kryptert og sendt til InnerEye programmet. Den skisserer prostata på hvert bilde, skaper en 3D-modell, og sender informasjon tilbake. For prostata kreft, hele orgel er bestrålt.

Programvaren lært å markere organer og svulster ved å trene på haugevis av bilder fra tidligere pasienter som hadde blitt sett av erfarne konsulenter. Det som allerede sparer tid for prostata kreft. Hjernen svulster som er neste på listen.

Automatisere prosessen gjør mer enn å spare tid. Fordi InnerEye tog på bilder som er merket opp med ledende eksperter, det skal utføre, samt en topp-konsulent hver gang. Resultatet er at behandlingen er levert raskere og mer presist. “Vi vet at hvor godt vi gjør det contouring har en innvirkning på kvaliteten av behandlingen,” Jena sier. “Forskjellen mellom god og mindre god behandling er hvor godt vi treffer svulsten og hvor godt vi unngå friskt vev.”

Det kan gjøre en ny måte å behandle kreft som er raskere og mye mindre belastende

Antonio Criminisi

En kilometer eller så fra Addenbrooke ‘ s, Antonio Criminisi, bly forsker på InnerEye ved Microsoft Research, forklarer hvordan du automatisk behandling kunne bane vei for enda smartere strålebehandling. Fordi det er så tidkrevende og kostbart, svulsten bilder i dag, er merket opp bare én gang, før strålebehandling begynner. Hvis det var rask og billig, pasienter kunne ha “adaptive strålebehandling” hvor skanning, bilde mark-up og bredde planlegging er gjort før hver behandling økt. På den måten, strålebehandling bjelker er avrundet slik at svulsten er størrelsen og formen på dagen, ikke bare når det først ble fotografert. “Dette kan være transformative,” sier Criminisi. “Det kunne aktivere en ny måte å behandle kreft som er raskere og mye mindre belastende for pasienter og NHS.”

Datamaskinen ingeniører er glad i å hevde at data er drivstoff av AI. Det er sant: noen moderne tilnærminger til AI, særlig maskinlæring, som er kraftig fordi de kan guddommelige meningsfulle mønstre i fjell av data vi samler inn. Hvis det er en sølv fôr til det faktum at alle blir syk på noen punkt, det er at NHS har hauger av data på helseproblemer og sykdommer som er moden for AI til å utnytte.

Tony Unge, konsulent urologisk kirurg i Southend universitetssykehus og den nasjonale kliniske leder for innovasjon i NHS i England, mener AI kan gjøre en innvirkning på hele helsetjenesten. Han peker på selskaper som bruker kunstig INTELLIGENS til å diagnostisere hudkreft fra bilder av føflekker; øyesykdommer fra retinal skanner; hjertesykdom fra echocardiograms. Andre trekker på AI til å flagge opp hjerneslag pasienter som trenger øyeblikkelig hjelp, og til å forutsi hvilke pasienter på en sykehusavdeling kan ikke overleve. “Jeg tror det kommer til å skape en revolusjon,” sier han.

Teknologien vil ikke forandre NHS over natten. Som alle andre innovasjon, AI-systemer må testes, validert og godkjent. Og systemer som lærer trenger ofte forsiktig tolkning. En pasient blodprøve kan avsløre at skiltene av livstruende kreft, men en AI kan rangere pasienten som lav risiko om at kreft kan behandles meget godt.

Hva kan bidra til å drive AI gjennom NHS er håp om at i noen tilfeller, innovasjoner kan spare penger, så vel som liv. Hvis pasientene er triaged raskere, tester utført mer effektivt, og god diagnoser gjort mer raskt, hele systemet blir strømlinjeformet. En teknologi NHS har omfavnet kalles HeartFlow. Spunnet ut fra Stanford-Universitetet, det trekker på CT-skanner som er tatt rutinemessig for pasienter mistenkt for å ha coronary heart sykdom. HeartFlow bruker kunstig INTELLIGENS til å lage en tilpasset 3D-modell av hjertet og flyten av blod rundt det. Fra denne, og leger kan se hvordan bestemte blokkeringer forstyrre blodstrøm i enkelte blodkar og bedre bestemmer hvilken behandling som eventuelt er nødvendig. I tester, og mer enn halvparten av pasientene som hadde HeartFlow analyse unngått en invasiv angiografi, en vanlig, men kostbar prosedyre som spruter fargestoff i hjertet, kutte kostnader, med en fjerdedel. “Folk spør hvordan kan vi råd til å ha disse typer teknologier i NHS? Mitt svar er at vi ikke har råd til ikke å gjøre det, sier Unge.

Det er tidlig for Vishal Nangalia, konsulent anaesthesiologist ved Royal Free hospital i London, men hans selskap, Liv Motor.AI, er honing en AI som crunches blodprøve resultater og andre data for å forutsi hvilke pasienter som er mest sannsynlig å dø, eller har alvorlige problemer, for eksempel nyresvikt, når de er innlagt på sykehus. Trent på nesten 1bn blodprøve resultater fra 20 sykehus, programmet flekker subtile endringer i røde og hvite blodlegemer, og elektrolytter som natrium og kalium, noe som tyder på en pasient er å gå nedover. Det forteller ikke legene hva de skal gjøre, men hjelper dem å gripe inn tidligere ved flagging opp de pasientene som kan ha nytte av tester, et søk, eller en anmeldelse fra en spesialist. “Hva machine learning kan gjøre er å bidra til å identifisere problemer og bringe dem til oppmerksomhet fra leger,” Nangalia sier.

Vil AI erstatte leger, eller redusere sin rolle? Tilbake på Addenbrooke ‘ s, Jena rister på hodet. “Jeg vil heller bruke min tid på å tenke hvordan å optimalisere pasientens behandling enn å klikke på en mus,” sier han. “For mange onkologer, vi kommer på i helger og på kvelder. Med dette, vi er frigjort til å gjøre de tingene som vi gir reelle kompetanse til.”