Kunstig intelligens skal lære læger at diagnostisere hudkræft

​Et nyt projekt har fået 12,5 millioner kroner til at udvikle en applikation, der gennem kunstig intelligens og visuel feedback skal gøre det nemmere for læger at lære sig at diagnosticere hudkræft. Løsningen skal nedbringe tiden, fra patienten henvender sig med hudkræft hos praktiserende læge, indtil de er behandlet. 

Vent...

Af Jesper Gram Frandsen

Hvis man mærker en ny knop eller opdager et nyt modermærke vælger mange at gå til lægen for at få det undersøgt. Lægen kan typisk vælge at fjerne den eller sende patienten videre til en hudlæge eller plastikkirurg for at få en yderligere vurdering. 

For hver gang, der fjernes et tilfælde af hudkræft, bliver der fjernet op til 75 godartede modermærker. Samtidig kan det tage alt mellem to og 56 uger at få svar, afhængig af, hvilket forløb man er i. Ifølge læge og Ph.d.-studerende Niels Kvorning Ternov, skyldes den til tider usikre diagnostik mangel på træning og løbende klinisk feedback:

"Tidligere studier viser at det kan tage op til seks år at opnå de rette kompetencer under den nuværende sidemandsoplæring. Derfor mangler vi et lærings- og feedbacksystem, der gør det nemmere for læger at opnå et højt kompetenceniveau tidligt i deres karriere, for herefter at vedligeholde dette ved hjælp af løbende klinisk feedback på de hudlæsioner, de fjerner eller sender videre i systemet." 

          
Niels Kvorning Ternovs Ph.d.-projekt har fokus på, hvordan kunstig intelligens kan optimere læringsforløb 
for læger.


Det er nærmest umuligt at modtage klinisk feedback med den nuværende IT-infrastruktur, da der kan gå op til måneder fra man har set en hudtumor til man får et endeligt svar på, hvad det var. Samtidig har man på dette tidspunkt ikke nogen billeder af, hvordan den oprindeligt så ud. 

"Den manglende visuelle feedback er et problem, og det var sådan set det, der startede det hele. Jeg ville lave et system, der gav lægerne et anonymt billede koblet med den endegyldige diagnose, så snart den var klar, for derigennem at sikre direkte klinisk feedback," fortæller Niels Kvorning Ternov, der er et års tid inde i sit Ph.d.-forløb om hvordan, man ved hjælp af kunstig intelligens kan optimere lægers læringsforløb.

Konkret handler projektet om at opbygge, afprøve og implementere et app-baseret system, der oplærer læger, giver løbende feedback og på sigt individuelt tilpasset hjælp til den enkelte læge i modermærkegenkendelse. Hvis det generelle kompetenceniveau bliver tilstrækkeligt højt, vil det muligvis også kunne lade sig gøre for lægen at udpege enkelte modermærker, som patienten selv kan holde øje med.

   Platformen bliver aktuelt udviklet i et tæt samarbejde mellem udviklere, designere, læger og forskere. 

Medicinstuderende og virksomhedsejer

Niels Kvorning Ternov indså tidligt i studierne, at der ikke fandtes den rette teknologi til at teste tesen om, at visuel feedback og træning understøttet af kunstig intelligens kan optimere lægernes diagnostiske sikkerhed og derved forbedre patienternes behandling. Men frem for at skifte spor, tog han affære.

I 2018, da han stadig var medicinstuderende, stiftede han derfor den private virksomhed Melatech IVS, som er en softwarevirksomhed med visionen om at skabe datadrevet og intelligent individuelt tilpasset efteruddannelse for læger. Melatech IVS er oprettet i samarbejde med direktør, cand.polit. og ejer af IT-virksomheden ZiteLab ApS Niels Steen Krogh og cand.merc. Lasse Hoffmann, der har læst en kandidat i international business and politics med speciale i sundhedsøkonomi ud fra et kommercielt perspektiv.
Niels Kvorning Ternov uddyber:

"Ideen var at lave et lærings- og feedbacksystem, der lærer læger og studerende at diagnosticere forskellige hudtumorer. Det skulle gøres nemt at integrere feedback i den kliniske hverdag, så lægen kan behandle patienten og herefter gå hjem, for kort tid efter at modtage anonymiseret visuel feedback. Hver gang en ny patientcase kommer ind i systemet bliver de anonymiseret og gjort tilgængelig for alle andre lægers læring inde i systemet. Tanken er at den enkeltes erfaringer derigennem vil øge det samlede kompetenceniveau i sundhedssektoren," siger han og fortsætter:

 

                    Læringsappen som AISC udvikler og afprøver, hedder DermLoop. Billedet viser, hvordan
                    lægen kan følge med via appen. 

"Derudover bliver alle brugeres adfærdsmønstre brugt til at udvikle kunstig intelligens, der optimerer læringsforløbet for den enkelte person baseret på tidligere lægers læringsforløb. På sigt vil såvel adfærdsmønstre som anonymiserede billeder blive brugt til at udvikle et neuralt netværk, der giver læger en umiddelbar "second-opinion" der er specifikt målrettet til dem baseret på deres tidligere adfærd i forbindelse med oplæringen via systemet. Vi kobler derved det kliniske arbejde og den kliniske læring sammen."

Overordnet er meningen med projektet altså at give lægerne en helhedsfornemmelse, et lærings- og klinisk- it-system der følger dem fra før de starter i klinikken til de er blevet eksperter og videre til de går på pension.

Masser af ideer, men ingen penge

Undervejs i forløbet var Niels Kvorning og samarbejdspartnerne udfordret af, at der bl.a. ikke var penge til at hyre en programmør: 

"I den periode var jeg gået i gang med at lære at programmere, fordi der ikke var penge til programmører. Derfor var der ikke andet for, end at jeg selv prøvede at lære det og dermed kunne lave den første simple prototype. Det var ikke et kønt syn, men det var nok til at give en idé om, hvor vi gerne ville hen" forklarer han. 

Gruppen var blevet opfordret til at søge Grand Solutions-programmet under Innovationsfonden. Det førte til en krævende ansøgningsproces med to afslag, der skulle passes parallelt med det kliniske arbejde. Det betød lange arbejdsdage og personlige konsekvenser for Niels Kvorning Ternov:

"Det var en hård periode, hvor jeg udover mit kliniske arbejde skulle arbejde om aftenen og natten. Det kostede mange timer og en del private opofrelser. Jeg havde faktisk ikke en eneste arbejdsfri weekend i omkring et år og pådrog mig et utal af forkølelser og influenzaer, der selvfølgelig vanskeliggjorde arbejdet en del."

Tiltrængt håndsrækning

Efter en krævende tid med sparsom økonomi lysnede det, da gruppen modtog en Innobooster på 250.000 kr., Innovationsfondens program til at starte virksomheder eller produktudvikling. Den kvarte million var en kærkommen hjælp til at komme videre:

 "De penge brugte vi på en udvikler, der byggede en betaversion af appen," siger Niels Kvorning Ternov og fortsætter:

"Vores hovedfokus var dog stadig at få Grand Solutions-ansøgningen igennem og opbygge en læringsdatabase med mere en 5000 anonyme patientcases. Dette var kun muligt takket være Hudafdelingen på Odense Universitetshospital, en del af projektkonsortiet," siger han og giver et overblik over konsortiet:

"Der er mange samarbejdspartnere i projektet, så for overskuelighedens skyld, nævner jeg kun kerne- projektpartnerne som udgør en væsentlig del af det daglige arbejde: Hudafdeling I og allergicentret på Odense Universitets Hospital, Melanoma Institute Australia i Sydney, DTU Compute og Afdeling for plastikkirurgi på Herlev Hospital, Copenhagen Academy for Medical Simulation and Education (CAMES) og spin-off virksomheden Melatech."


Kulminationen

Så efter mange måneders opslidende arbejde, afslag og sene nætter kom den foreløbige kulmination, da Innovationsfonden gennem Grand Solutions-programmet bevilligede ti millioner kroner. Der kom også to løbende bevillinger på 342.000 kroner fra Region Hovedstadens Tværspulje og 242.000 kroner fra Herlev Hospitals interne midler, samt yderligere en bevilling i 2020 på 1,5 million kroner fra Knæk Cancer til nye kliniske studier i konsortiet.

For Niels Kvorning Ternov er bevillingerne en start på en fantastisk rejse med de helt rigtige partnere og kollegaer:

"Vi har et fantastisk team, der sidder og arbejder med det kliniske, udvikling, design og dataprocessering på tværs af de inkluderede regioner, lande og institutioner. Vi er meget tæt på at have en færdig applikation, som er klar til launch, et træningsbibliotek med mere end 5000 anonyme cases og et kæmpemæssigt fokus på brugeroplevelsen.
I øjeblikket har vi udviklet det mest avancerede træningsredskab indenfor visuel diagnostik, jeg nogensinde har hørt om eller set og jeg er meget fortrøstningsfuld ift. at vi kommer til at give lægerne et unikt og kontinuerligt læringsforløb, der vil styrke patientsikkerheden og patientrejsen for de borgere, der enten har eller kommer til at få et modermærke eller lignende, der skal tilses af en læge."

Om samarbejdet med CAMES

Professor og forskningschef ved CAMES Rigshospitalet Lars Konge og speciallæge i gynækologi og obstetrik og ph.d. Martin Tolsgaard har hhv. været hovedvejleder og medvejleder på projektet. Niels Kvorning uddyber deres rolle: 

"De har haft en stor rolle i at kvalificere projektet ud fra medicinsk læring og har sikret at projektet nu rummer viden fra de seneste 40 års forskning indenfor medicinsk læring.

Praktisk har de været afgørende ift., hvordan studierne skal udformes ud fra deres erfaringer med læringsinterventioner med læger og medicinstuderende og de har været et par fantastiske vejledere. Derudover har Lars Konge også fungeret som uofficiel mentor og hjulpet med, hvordan jeg har skulle koordinere projektledelsen i så stort et projekt,"
siger han og fortsætter med at sætte ord på CAMES' rolle:

"CAMES som institut har skabt en platform for innovation og forskning i medicinsk uddannelse og simulation, som vi drog stor nytte af. Ved hjælp af et stærkt forankret og omfattende netværk skrev vi os heldigvis ind i CAMES' tradition for at tiltrække gode projekter og opkvalificere dem."




 








Redaktør

Kommentarer 

Du skal være logget ind for at benytte denne funktionalitet.

Opret profil
RSS kommentarspor Tilmeld kommentarspor