Teknologi gør imponerende fremskridt i behandlingen af kræft – det kan redde liv og penge
- NHS i 70: alle vores jubilæum dækning på ét sted
@iansample
Gift 4 Jul 2018 07.00 BST
Sidst opdateret den Ons 4 Jul 2018 08.14 BST
Dr. Raj Jena bruger et Microsoft-system, der kaldes InnerEye til at markere scanner automatisk for prostatakræft-patienter.
Foto: Linda Nylind til the Guardian
Tumoren er svært at gå glip af på scanningen. På størrelse med en golf bold, det sidder fed og hvid på hjernestammen, en del af det organ, der sender beskeder frem og tilbage mellem krop og hjerne. På mange måder er det master controller: fra toppen af rygmarv, hjernestammen gennemfører hvert hjerteslag, hver sluge, hvert åndedrag.
For denne unge mand, kræft kom for dagens lys i dramatiske fashion. Den voksende tumor blokeret væske dræning fra hans hjerne, som udløser en stor beslaglæggelse. Nu læger skal arbejde ud af den bedste måde at behandle ham.
Raj Jena, en neuro-onkolog på Addenbrooke ‘ s hospital i Cambridge, har trukket op, det billede til at forklare, hvordan læger planlægge strålebehandling til patienter. For i en sag som denne, at han måske er nødt til at studere mere end 100 billeder, der hver viser en tynd skive af hjernen. Derefter, billede af billede, Jena, skal nøje mærke ud for kanten af tumor, og konturerne af følsomme områder af hjernen, der bør blive sparet for strålebehandling bjælker: hypothalamus, hypofysen, veje til hjernen ‘ s vision centre, for eksempel. Processen kan tage flere timer. Men først når det er gjort, kan computere begynde at beregne, hvordan at ramme tumor med strålebehandling bjælker uden frazzling vigtige dele i nærheden.
“Indtil vi definere, hvor tumoren er, og har defineret det raske væv, vi ønsker at beskytte, kan vi ikke begynde behandlingen,” siger Jena. “Dette er en flaskehals. Jo hurtigere du får det gjort, jo hurtigere du kan få patienten til behandling.”
En planlægning MR-scanning viser, at hjernen hos den unge patient med en aggressiv hjernetumor. Foto: Cambridge University hospitals NHS foundation trust
Med kunstig intelligens (AI), den vanskelige opgave kan udfyldes på få minutter. For de seneste seks måneder, Jena har brugt et Microsoft-system, der kaldes InnerEye til at markere scanner automatisk for prostatakræft-patienter. Mænd udgør op mod en tredjedel af den 2.500 kræftpatienter hans afdeling behandler hvert år. Når en scanning er udført, billederne er anonymiseret, krypteret og sendt til InnerEye program. Den beskriver de prostata på hvert billede, skaber en 3D-model, og sender oplysningerne tilbage. For prostata kræft, hele organet er bestrålet.
Den software har lært hvordan til at markere organer og svulster af uddannelse på snesevis af billeder fra tidligere patienter, der var blevet set af erfarne konsulenter. Det allerede sparer tid for prostata kræft behandling. Hjernetumorer er næste på listen.
At automatisere processen gør mere end at spare tid. Fordi InnerEye tog på billeder, der er markeret af førende eksperter, det skal udføre, samt en top konsulent hver gang. Resultatet er, at behandlingen leveres hurtigere og mere præcist. “Vi ved, at hvor godt vi gør det konturfræsning har en indvirkning på kvaliteten af behandlingen,” Jena siger. “Forskellen mellem god og mindre god behandling er, hvor godt vi rammer tumoren, og hvor godt vi undgå de sunde væv.”
Det kan gøre det muligt for en ny måde at behandle kræft, som er hurtigere og en masse mindre belastende
Antonio Criminisi
En mile eller så fra Addenbrooke, Antonio Criminisi, den ledende forsker på InnerEye ved Microsoft Research, forklarer, hvordan de automatiske behandling kunne bane vejen for en endnu smartere strålebehandling. Fordi det er så tidskrævende og dyrt, tumor billeder i dag, er mærket op kun én gang, før strålebehandling påbegyndes. Hvis det var hurtigt og billigt, patienter, der kunne have “adaptiv strålebehandling”, hvor scanning, billede mark-up og stråle planlægning er gjort før hver behandling session. På den måde, strålebehandling bjælker er modelleret til at svulsten er størrelsen og formen på dagen, ikke når det var første afbildet. “Dette kan være transformative,” siger Criminisi. “Det kan gøre det muligt for en ny måde at behandle kræft, som er hurtigere og en masse mindre belastende for patienterne og det offentlige SUNDHEDSVÆSEN.”
Edb-ingeniører er glad for at hævde, at data er brændstof af AI. Det er sandt, at nogle moderne tilgange til AI, især machine learning, er stærke, fordi de kan guddommelige meningsfulde mønstre i de bjerge af data, vi indsamler. Hvis der er en sølv foring til det faktum, at alle bliver syg på et tidspunkt, det er, at NHS har bunker af data om sundhedsproblemer og sygdomme, der er moden til AI til at udnytte.
En patient, der er flyttet ind i en MR-maskine. Foto: Cultura RM Eksklusive/Sigrid Gombert/Getty Images/Cultura Eksklusive
Tony Unge, en konsulent urologisk kirurg ved Southend universitetshospital og det nationale kliniske føre til innovation på NHS i England, mener, at AI kan gøre en forskel i hele sundhedsvæsenet. Han peger på, at virksomheder ved hjælp af AI til at diagnosticere hudkræft fra billeder af mol; øjenlidelser fra retinal scanninger; hjertesygdom fra ekkokardiogrammer. Andre trækker på AI til flag op slagtilfælde, patienter, der har brug for akut behandling, og til at forudsige, hvilke patienter på en hospitalsafdeling, kan ikke overleve. “Jeg tror, det kommer til at skabe en revolution,” siger han.
Teknologi vil ikke omdanne NHS natten over. Som enhver anden innovation, AI systemer, der skal testes, valideret og godkendt. Og systemer, der lærer ofte har brug for en omhyggelig fortolkning. En patients blodprøve kan afsløre sikker tegn på livstruende kræft, men en AI kan vurdere patienten som lav risiko, hvis at kræft kan behandles meget godt.
Hvad kan hjælpe med at drive AI gennem det offentlige SUNDHEDSVÆSEN, er det håb, at, i nogle tilfælde, de nyskabelser, der kan spare penge samt lever. Hvis patienter, der er undersøgt hurtigere, tests udføres mere effektivt, og god diagnoser gjort hurtigere, hele systemet bliver strømlinet. En teknologi, NHS har taget, er kaldet HeartFlow. Spundet ud fra Stanford University, der trækker på CT-scanninger, der er taget rutinemæssigt til patienter, som mistænkes for sygdom i hjertets kranspulsårer. HeartFlow bruger AI til at skabe en personlig 3D-model af hjertet og blodgennemstrømningen omkring det. Fra dette, kan lægerne se, hvordan bestemte blokeringer forstyrre blodgennemstrømning i de enkelte blodkar og bedre at beslutte, hvilken behandling, hvis der er nogen, der er behov for. I tests, at mere end halvdelen af de patienter, der havde HeartFlow analyse undgås en invasiv angiogram, en fælles, men kostbar procedure, der sprøjter farvestof i hjertet, skære ned på omkostningerne ved et kvartal. “Folk spørger, hvordan vi har råd til at have disse typer af teknologier i det offentlige SUNDHEDSVÆSEN? Mit svar er, at vi ikke råd til,” siger Unge.
Det er for tidligt for Vishal Nangalia, en konsulent anaesthesiologist på Royal Free hospital i London, men hans selskab, Liv Motor.AI, er honing en AI, der knaser blodprøve resultater og andre data til at forudsige, hvilke patienter der er mest tilbøjelige til at dø, eller har alvorlige problemer såsom nyresvigt, når de er indlagt på hospitalet. Uddannet på næsten 1 mia blodprøve resultater fra 20 hospitaler, programmet pletter subtile ændringer i røde og hvide blodlegemer, og elektrolytter såsom natrium og kalium, som foreslår, at en patient er ved at gå ned ad bakke. Det fortæller ikke lægerne, hvad de skal gøre, men hjælper dem til at gribe ind før, ved at markere de patienter, der kan drage fordel af tests, en scanning eller en anmeldelse fra en specialist. “Hvad machine learning kan gøre, er at hjælpe med at identificere problemer og bringe dem til opmærksomhed fra læger,” Nangalia siger.
Vil AI erstatte læger, eller mindske deres rolle? Tilbage på Addenbrooke, Jena ryster på hovedet. “Jeg vil hellere bruge min tid på at tænke over, hvordan at optimere en patients behandling end at klikke på en mus,” siger han. “For mange onkologer, vi kommer i weekenden og om aftenen. Med dette, vi er frigjort til at gøre de ting, som vi sætter en reel ekspertise til.”