Skivepitelcancer drabbar varje år över 10 000 personer i Sverige och är den näst vanligaste typen av hudcancer efter basalcellscancer. Förekomsten ökar snabbt och sjukdomen uppstår ofta i huvud- och halsområdet eller andra delar av kroppen som utsatts för långvarig solexponering.
AI lika träffsäker som läkare vid bedömning av hudcancer – ”Viktigt med etisk implementering”
AI
En enkel AI-modell har visat sig kunna matcha erfarna hudläkare i bedömningen av hur aggressiv skivepitelcancer är – en av de vanligaste formerna av hudcancer. Men läkarkåren ska inte känna sig hotad av resultaten, tvärtom. Det menar Sam Polesie, docent och hudläkare samt studiens huvudförfattare.

Någonting är fel
Läs vidare – starta din prenumeration
– Att ställa diagnosen skivepitelcancer är i regel inte en svår uppgift för hudläkare. Det är desto svårare att innan operation avgöra hur aggressivt tumören växer – och därmed bedöma hur fort ett ärende behöver prioriteras och med vilken marginal tumören ska opereras, säger Sam Polesie, docent och hudläkare samt studiens huvudförfattare.
I Sverige och många andra länder är det inte rutin att ta vävnadsprov innan kirurgi vid misstänkt skivepitelcancer. I stället genomförs operationen direkt baserat på klinisk misstanke. Det ökar behovet av alternativ till invasiv provtagning – exempelvis AI-baserad bildanalys.
– Techindustrin vill ta fram en mängd av olika sorters AI-lösningar till sjukvården, och flera av förslagen går mer eller mindre ut på att ersätta hälso- och sjukvårdspersonal. Det är inte vi intresserade av. AI ska inte ersätta kåren men skapa nytta för den, och vår AI-modell handlar om att underlätta bedömningsprocesserna, säger Sam Polesie.
I studien som utfördes vid Göteborgs universitet tränades och validerades en AI-modell på 1529 närbilder av bekräftad skivepitelcancer. Därefter testades den på ytterligare 300 bilder, och resultaten jämfördes med bedömningar från sju oberoende och erfarna hudläkare.
Resultaten, publicerade i Journal of the American Academy of Dermatology International, visade att AI-modellen presterade i samma nivå som läkargruppen. Dessutom varierade bedömningen av cancern mellan de enskilda läkarna, vilket visar på den komplexitet som finns i att förutsäga tumörens aggressivitet.
Två faktorer – sårighet och plan tumöryta – visade sig ha en tydlig koppling till mer aggressivt växtmönster. Tumörer med dessa kännetecken hade mer än dubbelt så hög sannolikhet att tillhöra de två högre aggressivitetsnivåerna.
Sam Polesie understryker att utvecklingen av AI-verktyget bara är i sin linda än så länge, men har stora förhoppningar kring användningen i framtiden.
– Ett konkret användningsområde är just den preoperativa bedömningen vid misstänkt hudcancer. Vi hoppas att den här modellen kan sätta en ny praxis när det kommer till schematiska second opinions, säger han och tillägger:
– Vi är flera år ifrån att lansera den här modellen. Inom det här området är det oerhört viktigt att säkerställa en långsam och etisk implementering – men jag tror verkligen vi har identifierat ett väldigt bra anvädningsområde, säger han.


