MAGI - AI til brystkræftdiagnostik

Brystkræft er den mest almindelige form for kræft blandt kvinder og den næststørste årsag til kræftdødsfald på verdensplan. Befolkningsbaseret organiseret brystkræftscreening implementeres med det overordnede formål at reducere dødeligheden gennem tidlig opsporing

Projektperiode

Start: januar 2020
Slut: december 2023

I Danmark tilbydes alle kvinder i alderen 50-69 år hvert andet år mammografiscreening, som aflæses af mindst to sagkyndige brystradiologer i henhold til europæiske retningslinjer. Selvom dobbeltlæsning er en effektiv metode til at reducere mistede kræfttilfælde, øger den også antallet af falske positive, hvilket fører til et overskud af unødvendige tests og psykiske lidelser. På grund af stigende efterspørgsel og mangel på radiologer er screeningsprogrammet desuden meget ressourcekrævende.

I de senere år har fremskridt inden for datalogi præsenteret kunstig intelligens (AI) løsninger baseret på ny deep learning (DL) teknologi som et klinisk værktøj til potentielt at øge både kvaliteten og effektiviteten af brystkræftscreening. DL-metoder er blevet testet til adskillige anvendelser inden for brystkræftdiagnostik med imponerende resultater med hensyn til forbedring af cancerdetektion og forudsigelse på især mammografi samt reduktion af falske positiver. Alle eksisterende undersøgelser har dog testet et DL-baseret AI-system på enten et retrospektivt datasæt (hovedsageligt enkeltcenterstudier) eller i begrænsede læserstudier, hvilket derved reducerer generaliserbarheden af resultaterne til en reel klinisk setting.

Mål

Formålet med dette projekt var at validere og teste et kunstig intelligens-system i en eksisterende radiologi-workflow og analysere indvirkningen på kræftdetektion og tilbagekaldelsesrater samt arbejdsbelastning. Projektet præsenterede verdens første storstilede valideringsstudie og et prospektivt klinisk forsøg, som skulle vurdere effekten af en DL-baseret arbejdsgang i dansk klinisk screeningspraksis. Projektet var et multicentersamarbejde på tværs af alle brystkræftscreeningsklinikker i Region Syddanmark og omfattede en komplet screeningskohorte, der repræsenterede næsten en femtedel af hele den danske befolkning for at opnå et repræsentativt udsnit.

Resultaterne af dette projekt forventedes at belyse fordelene og gennemførligheden af AI-løsninger til brystkræftscreening i en eksisterende radiologi workflow med hensyn til diagnostisk nøjagtighed og workfloweffektivitet. Vigtigst af alt ville projektet give vigtig viden om potentialet af AI-systemer til at opdage klinisk signifikante kræftformer, som i sidste ende kunne forbedre patientresultatet.