University Hospitals Cleveland Medical Center i Ohio har inlett ett samarbete med den globala AI-innovatören inom sjukvård, Qure.ai, för att förändra hur lungcancer upptäcks och behandlas – med potential att rädda tusentals liv genom tidigare insatser.
Lungcancer är fortfarande den dödligaste cancerformen i USA och orsakar fler dödsfall än bröst-, tjocktarms- och prostatacancer tillsammans. Den största utmaningen har varit sen upptäckt, där de flesta fall hittas i stadium tre eller fyra, då överlevnaden sjunker till ensiffriga procenttal.
"Vi behövde ett sätt att hitta lungcancer tidigt. Det är som att leta efter en nål i en höstack. Och det är där AI kommer in," förklarar Dr. Samir Shah, Chief Medical Officer på Qure.ai. Den FDA-godkända qXR-LN-algoritmen fungerar som ett extra par ögon för radiologer och identifierar misstänkta lungknölar mellan 6 och 30 mm som annars kan missas vid rutinundersökningar.
AI-systemet har tränats på en imponerande datamängd bestående av 15 miljoner lungröntgenbilder, vilket gör det möjligt att upptäcka subtila mönster som är osynliga för det mänskliga ögat. När misstänkta knölar identifieras flaggar AI:n dem automatiskt för vidare utvärdering, vilket potentiellt kan leda till att cancer upptäcks i stadium ett eller två – då behandlingsframgången kan nå 60–70 %.
Dr. Amit Gupta, chef för thoraxradiologi vid University Hospitals, påpekar att även om datortomografi (CT) fortfarande är guldstandarden för lungcancerscreening, är den ofta begränsad till högriskgrupper som rökare. Den AI-förstärkta röntgenmetoden kan fånga upp fler fall, eftersom röntgenundersökningar rutinmässigt görs av många olika medicinska skäl och kräver mindre infrastruktur.
Den kliniska studien vid University Hospitals väntas pågå ytterligare 9–10 månader, där forskarna jämför AI:ns förmåga att upptäcka lungcancer med traditionella radiologbedömningar. Om teknologin visar sig framgångsrik kan den omforma riktlinjerna för lungcancerscreening i hela landet och potentiellt även användas för andra svårupptäckta cancerformer.