Tekniken gör imponerande inbrytningar i cancer – spara liv och pengar
- NHS på 70: alla våra årsdagen täckning på ett ställe
@iansample
Ons 4 Jul 2018 07.00 BST
Senast ändrad: Ons 4 Jul 2018 08.14 BST
Dr Raj Jena använder en Microsoft system som kallas InnerEye att märka upp skannar automatiskt för patienter med prostatacancer.
Foto: Linda Nylind för Guardian
Tumören är svår att missa på scan. Storleken av en golfboll, det sitter fet och vit på hjärnstammen, en del av det organ som skickar meddelanden fram och tillbaka mellan kropp och hjärna. På många sätt är det med master controller: på toppen av ryggmärgen, hjärnstammen genomför varje hjärtslag, varje svälja, varje andetag.
För denna unga man, kom cancern ljus i dramatiska mode. Den växande tumören blockerade vätska rinner från hans hjärna, utlöser en enorm beslag. Nu läkare måste arbeta ut det bästa sättet att behandla honom.
Raj Jena, en neuro-onkolog på Addenbrooke ‘ s hospital i Cambridge, har dragit upp bilden för att förklara hur läkare plan strålbehandling för patienter. I ett fall som detta han behöver studera mer än 100 bilder som visar en tunn skiva av hjärnan. Sedan, bilden av bilden, Jena noga måste markera gränsen mellan tumören och konturerna av känsliga regioner av hjärnan som bör skonas strålbehandling balkar: hypothalamus, hypofysen, vägar till hjärnans syn centrum, till exempel. Processen kan ta flera timmar. Men bara när det är gjort kan datorer att börja räkna hur att träffa tumören med strålbehandling strålar utan frazzling viktiga delar i närheten.
“Tills vi fastställa om tumören är och har definierat den friska vävnader som vi vill skydda kan vi inte starta behandling”, säger Jena. “Detta är flaskhalsen. Ju snabbare du få detta gjort, desto snabbare kan du få patienten till behandling.”
En planering MRI-undersökning visar att hjärnan hos unga patienter med en aggressiv hjärntumör. Foto: Cambridge University Hospitals NHS foundation trust
Med artificiell intelligens (AI), den mödosamma uppgiften kan slutföras på några minuter. För de senaste sex månaderna, Jena har använt en Microsoft system som kallas InnerEye att märka upp skannar automatiskt för patienter med prostatacancer. Män utgör en tredjedel av de 2 500 patienter med cancer hans avdelning behandlar varje år. När skanningen är klar, bilderna är anonyma, krypteras och skickas till InnerEye program. Det beskrivs att prostatan på varje bild, skapar en 3D-modell, och skickar informationen tillbaka. För prostatacancer, hela organet är bestrålade.
Programvaran lärt sig hur man märker upp organ och tumörer genom att träna på mängder av bilder från tidigare patienter som hade setts av erfarna konsulter. Det sparar tid för prostatacancer behandling. Hjärntumörer är nästa på listan.
Automatisera processen gör mer än att spara tid. Eftersom InnerEye tåg på bilder som är markerade upp av ledande experter, det bör utföra samt en top-konsult varje gång. Följden är att behandling är levererade snabbare och mer exakt. “Vi vet att hur väl vi göra contouring har en inverkan på kvaliteten på den behandling som,” Jena säger. “Skillnaden mellan bra och mindre bra behandling är hur väl vi slå tumören och hur bra vi är på att undvika de friska vävnader.”
Det kan ge ett nytt sätt att behandla cancer som är snabbare och mycket mindre betungande
Antonio Criminisi
En mil eller så från Addenbrooke ‘ s, Antonio Criminisi, den ledande forskaren på InnerEye på Microsoft Research, förklarar hur automatisk databehandling kan bana väg för ännu smartare strålbehandling. Eftersom det är så tidskrävande och dyrt, tumör-bilder i dag är markerade upp endast en gång, innan strålbehandling påbörjas. Om det var snabbt och billigt, patienter kan ha “adaptiv strålbehandling” där scanning, bild mark-up och bredd planering görs innan varje behandlingstillfälle. På det sättet, strålbehandling balkar är skulpterad för att tumörens storlek och form på dagen, inte när det var första avbildas. “Detta kan vara omvälvande, säger Criminisi. “Det kan ge ett nytt sätt att behandla cancer som är snabbare och mycket mindre betungande för patienterna och NHS.”
Ingenjörer dator är förtjust i att hävda att data bränsle av AI. Det är sant: vissa moderna metoder för att AI, särskilt machine learning, är kraftfulla eftersom de kan gudomliga meningsfulla mönster i de berg av uppgifter vi samlar in. Om det är en guldkant på det faktum att alla blir sjuka någon gång, det är att NHS har högar av uppgifter om hälsoproblem och sjukdomar som är mogen för AI att utnyttja.
En patient flyttas till en MAGNETKAMERA. Foto: Cultura RM Exclusive/Sigrid Gombert/Getty Images/Cultura Exklusiv
Tony Unga, konsult urologiska kirurg på Southend universitetssjukhuset och de nationella kliniska leda till innovation på NHS i England, anser AI kan få ett genomslag i hela hälso-och sjukvården. Han pekar på att företag med hjälp av AI för att diagnostisera hudcancer från bilder av mullvadar; ögonsjukdomar från näthinnan skannar; hjärtsjukdom från ekokardiogram. Andra drar på AI att flagga upp stroke patienter som behöver brådskande vård, och för att förutsäga vilka patienter som på en sjukhusavdelning kan inte överleva. “Jag tror att det kommer att skapa en revolution”, säger han.
Tekniken kommer inte att förändra NHS över natten. Precis som alla andra innovation, AI-system måste vara testade, validerade och godkända. Och system att lära sig behöver ofta försiktig tolkning. Patientens blodprov kan avslöja säkra tecken på livshotande cancer, men en AI kan betygsätta den patient som låg risk om att cancer kan behandlas mycket väl.
Vad som kan bidra till att driva AI genom NHS hopp om att, i vissa fall, innovationer kan spara pengar och liv. Om patienten är triaged snabbare, tester utföras mer effektivt, och bra diagnoser som gjorts snabbare, hela systemet blir strömlinjeformad. En teknik NHS har anammat kallas HeartFlow. Spunnet av Stanford University, det bygger på CT-bilderna som tas rutinmässigt för patienter som misstänks ha kranskärlssjukdom. HeartFlow använder AI för att skapa en personlig 3D-modell av hjärtat och flödet av blod runt det. Från detta kan läkarna se hur specifika blockeringar störa blodflödet i enskilda blodkärl och bättre avgöra vilken behandling, om något, är som behövs. I tester, mer än hälften av patienterna som hade HeartFlow analys undvikit en invasiv angiografi, ett vanligt men kostsamt förfarande som sprutar färgämnet i hjärtat, att skära ner kostnader med en fjärdedel. “Folk frågar hur kan vi ha råd att ha dessa typer av tekniker inom NHS? Mitt svar är att vi inte har råd att inte”, säger Young.
Det är tidiga dagar för Vishal Nangalia, en konsult som anestesiläkare på Royal Free hospital i London, men hans företag, Livet Motor.AI, är hening en AI som crunches blodvärden och andra data för att förutsäga vilka patienter som är mest benägna att dö eller få allvarliga problem som till exempel njursvikt, när de läggs in på sjukhus. Utbildad på nästan 1 miljard blodvärden från 20 sjukhus, programmet fläckar subtila förändringar i röda och vita blodkroppar, och elektrolyter såsom natrium och kalium, vilket tyder på att en patient är på väg neråt. Det behöver inte tala om för läkare vad de ska göra, men hjälper dem att ingripa förr genom att flagga upp de patienter som kan dra nytta av tester, skanna eller en recension från en specialist. “Vad maskininlärning kan göra är att hjälpa till att identifiera frågor och föra dem till läkare,” Nangalia säger.
Kommer AI ersätta läkare, eller att minska deras roll? Tillbaka på Addenbrooke ‘ s, Jena skakar på huvudet. “Jag skulle hellre spendera min tid att tänka på hur att optimera patientens behandling än att klicka på en mus”, säger han. “För många onkologer, vi kommer in på helger och kvällar. Med detta, vi är fria att göra de saker som vi tar med verklig expertis.”