KUNSTIG INTELLIGENS

Maskinlæring og KI kan gi mer treffsikker kreftscreening

Hvilke kvinner i befolkningen er i faresonen for å utvikle livmorhalskreft og trenger hyppigere prøvetaking? Kunstig intelligens kan gi svaret.

I dag bruker man det samme prøvetakingsregimet på alle kvinner, uavhengig av den enkelte kvinnes risikoprofil.
I dag bruker man det samme prøvetakingsregimet på alle kvinner, uavhengig av den enkelte kvinnes risikoprofil. Foto: Colourbox
Ingebjørg Hestvik, Titan.uio.no
24. sep. 2023 - 08:22

Det kan høres ut som magi, men det forsker Severin Elvatun ved Universitetet i Oslo (UiO) og Kreftregisteret har jobbet med de siste årene, kan bidra til at kvinner som står i fare for å utvikle livmorhalskreft senere i livet, får et varsku mens de ennå er friske og har normale celleprøver.

I dag bruker man det samme prøvetakingsregimet på alle kvinner, uavhengig av den enkelte kvinnes risikoprofil. De aller fleste går gjennom livet med bare normale celleprøver, mens en liten gruppe vil utvikle forstadier og eventuelt kreft.

– Vi har prøvd å finne metoder der man kan tilpasse screeningen til de ulike risikogruppene, sier Elvatun.

Ser etter trender i prøvesvarene

Mer persontilpasset screening vil også kunne være en fordel for alle de som sannsynligvis ikke kommer til å utvikle celleforandringer, forteller Severin Elvatun. <i>Foto:  Privat</i>
Mer persontilpasset screening vil også kunne være en fordel for alle de som sannsynligvis ikke kommer til å utvikle celleforandringer, forteller Severin Elvatun. Foto:  Privat

Alle norske kvinner mellom 25 og 69 år oppfordres i dag til å ta celleprøve av livmorhalsen regelmessig. Siden screeningprogrammet ble startet i 1995, har Kreftregisteret samlet inn prøvesvar fra 1,8 millioner norske kvinner. Det er disse dataene Elvatun og kollegene har brukt for å utvikle metoder for individuelt tilpasset screening.

– Vi ser at det er en del likhetstrekk mellom de ulike screeningshistorikkene. En av modellene vi har jobbet med, er å trekke ut et begrenset sett med trender som vi kan bruke til å beskrive de ulike risikoprofilene, forklarer han.

Målet har vært å kunne fange opp de tilfellene hvor kvinnene har høy risiko for å utvikle kreft og som trenger behandling. Ved å observere fellestrekk mellom grupper som ligger lengre fram i løypa, kan man gjennom matematiske modeller forutsi utviklingen hos dem som ikke er kommet like langt.

– Du kan si at vi tillater oss å estimere informasjon som vi ikke har tilgjengelig, ved å låne informasjon fra andre individer som ligner. Så har vi ulike grader av hvor sikre vi er på at en profil matcher noe vi har sett før, sier Elvatun.

Selv om mye har endret seg for kvinner i IT-bransjen de siste 15 årene, er det ikke tid for friskmelding, skriver Kristine Ildahl Bjørnstad i NoA Ignite.
Les også

Overraskelseseffekten er en saga blott

Algoritmer finner likhetstrekk

Det kan høres komplisert ut, men noe av metodikken er den samme som brukes av Netflix når de foreslår hvilke filmer du vil like å se.

Hvis du og jeg har gitt en del filmer den samme ratingen, tolker Netflix det som at vi har de samme preferansene. De vil da anbefale meg å se de samme filmene som du har likt tidligere. Det er litt det samme som skjer her, ved at ulike kvinner kan ha samme screeninghistorie.

Mer persontilpasset screening vil også kunne være en fordel for alle de som sannsynligvis ikke kommer til å utvikle celleforandringer.

– De kan da slippe å teste seg like ofte, uten at det skal gå på bekostning av deres beskyttelse, sier Elvatun.

Overvekt av «friske» prøver

Men fortsatt er det langt fram i tid før slike algoritmer kan tas i bruk for å tilpasse kreftscreeningen til hver enkelt kvinne. Foreløpig har forskerne kun gjort en utforskende studie med mål om å utvikle en prototyp.

– Skal man bruke data samlet inn fra en hel populasjon, må man ha metoder som fungerer med så lite data som mulig. I vårt prosjekt har vi kun brukt prøveresultat sammen med alder.  Det har vært utfordrende, sier Elvatun.

Screeningen mot livmorhalskreft har bidratt til en kraftig reduksjon i antall krefttilfeller i Norge. Mer enn 65 prosent av deltakerne i screeningprogrammet har aldri hatt annet enn normale celleprøver, og bare 3 prosent av prøvene viser tilfeller med høy risiko for å utvikle kreft. Den store overvekten av «friske» prøver, samt lite informasjon i registreringene, gir algoritmene i maskinlæringen lite data å lære av.

Artikkelen fortsetter etter annonsen
annonse
Innovasjon Norge
Da euroen kom til Trondheim
Da euroen kom til Trondheim

Elvatun tror derfor det vil være nødvendig å supplere screeningdataene med mer informasjon, som for eksempel livsstil.

– Man vet at livmorhalskreft er sterkt koblet til en del risikofaktorer, som røyking, antall seksualpartnere og bruk av prevensjon. For noen år siden ble det gjennomført en spørreundersøkelse blant deltakerne i screeningprogrammet, og vi har prøvd å koble resultatene fra denne sammen med screeninghistorikken for å se om det kunne «booste» risikoestimatene. Det ga lovende resultater, sier Elvatun.

Ikke aktuelt å stole blindt på KI

Det trengs med andre ord mer forskning før kunstig intelligens (KI) kan slippes løs i Kreftregisterets databaser. Elvatun sier det uansett ikke vil være aktuelt å overlate vurderinger og avgjørelser til et KI-system.

De kan i første omgang brukes til å foreslå en risikovurdering. Man kan for eksempel bruke algoritmene for å se om det skal heises et rødt flagg. Så kan man invitere denne kvinnen til ny screening på et tidligere tidspunkt enn først tenkt. Ethvert forsøk på å gjøre screeningen mer persontilpasset vil kunne gjøre livet enklere for veldig mange kvinner og samtidig forhindre et kjedelig utfall for en del av dem.

Artikkelen ble først publisert på Titan.uio.no

Mozhgan Tavakolifard etter en panelsamtale ved The Conduit om finansiell sikkerhet for selvstendig næringsdrivende kvinner, arrangert av Euro Nordic Funding Alliance.
Les også

KI-ekspert: Mener 90 prosent av selskaper bare eksperimenterer

Del
Kommentarer:
Du kan kommentere under fullt navn eller med kallenavn. Bruk BankID for automatisk oppretting av brukerkonto.