Kunstig intelligens sættes ind mod kræftform med høj dødelighed

Kræftlæger og –patienter vil forhåbentlig snart kunne få stor gavn af computerens forbedrede evne til at genkende former og dermed evnen til at diagnosticerer kræft. Det er i hvert fald håbet med et nyt ambitiøst forskningsprojekt, som adjunkt på Datalogisk Institut Bulat Ibragimov står bag.

Kræft i bugspytkirtlen er den fjerde mest hyppige kræftrelaterede dødsårsag og spås at indtage en andenplads inden for en nær fremtid. Heldigvis kan Bulat Ibragimov se et uudnyttet potentiale i anvendelse af kunstig intelligens på området. Det potentiale vil han nu forsøge at udnytte:

- Anvendeligheden af ​​maskinlæring til behandlingsplanlægning af kræft i bugspytkirtlen har kun i lille grad været udforsket. Der er en stor mulighed for at forbedre dette kliniske område og potentielt mange flere, siger Bulat Ibragimov.

Hurtigere diagnosticering

Lige nu bliver operation vurderet som den bedste behandlingsform mod kræft i spykirtlen, som også betegnes som en af de mest uforudsigelige kræfttyper. Tumoren bliver nemlig oftest opdaget på et alt for sent stadie, hvor den kan være svær eller endda helt umulig at operere væk.

Bulat Ibragimov har fået otte millioner kroner fra Novo Nordisk Fonden til projektet. Med dem håber han at kunne udvikle nye løsninger med kunstig intelligens, der blandt andet skal sikre bedre diagnosticering af tumoren, så den kan opereres væk tidligere:

- Jeg håber, at projektet kan ende ud i løsninger, der kan forbedre praktikerens arbejde og dermed øge chancerne for at modtage behandling i tide og optimere behandlingsregimet.

Genkendelse af forme

En måde at blive bedre til at diagnosticere en tumor i bugspytkirtlen er ved at gøre computere endnu bedre til at genkende former. En teknologi, som lige nu også spås af firmaer som Facebook AI til at blive en af de største og mest gavnlige metoder inden for datavidenskaben i fremtiden.

- Vi vil forbedre computerens evne til at forstå og genkende former. Inden for medicinsk billedanalyse har man interesseret sig for former i et godt stykke tid, og der er god plads til at forbedre diagnostiske løsninger med formanalyse. En sådan forbedring kan gavne mange fremtidige applikationer, siger Bulat.