DAMO RADAR granskar bukens CT-bilder efter 146 fynd

En radiolog som granskar en CT-undersökning av buken behöver vara uppmärksam på många möjliga avvikelser, inte bara en enda sjukdom. Det är den uppgiften DAMO RADAR är byggd för att stödja. Modellen, som utvecklats av Alibabas forskningsenhet DAMO Academy tillsammans med kliniska partner, analyserar kontrastförstärkta CT-bilder. Forskarna har utvärderat den på 146 kliniska fynd i 18 organ och anatomiska strukturer. Arbetet har rapporterats i tidskriften Science. 3412

Hur kan en modell söka efter så många fynd?

DAMO RADAR är en så kallad bild- och språkmodell. Enligt rapporteringen har den tränats genom att koppla CT-bilder till de kliniska utlåtanden som redan hör till undersökningarna. På så sätt kan den lära sig samband mellan bildinnehåll och medicinska beskrivningar, utan att en ny uppsättning manuella markeringar behöver tas fram för varje enskilt tillstånd. Det skiljer sig från ett upplägg med en separat detektor för varje sjukdom. Det tillgängliga underlaget ger däremot inte tillräckliga detaljer för att slå fast exakt hur träningsmetoden genomfördes eller vilka ytterligare tillstånd modellen säkert kan känna igen. 516

Vad visar testerna – och vad visar de inte?

Vid en utvärdering av närmare 40 000 verkliga undersökningar uppnåddes ett genomsnittligt AUC-värde på 0,913 för de 146 fynden. AUC beskriver hur väl modellens bedömningar skiljer fall med och utan ett fynd åt vid olika beslutströsklar. Det betyder inte att 91,3 procent av diagnoserna blev rätt. 1415

I en separat läsarstudie med 26 radiologer presterade RADAR bättre än 23 av dem enligt studiens jämförelsemått. När radiologerna fick AI-stöd rapporterades omkring 10 procent färre missade fynd och omkring 30 procent kortare lästid. De tillgängliga uppgifterna visar inte tydligt radiologernas exakta känslighet före och efter stödet, eller om tioprocentsuppgiften avser en relativ förändring eller procentenheter. 16

Det saknas också tillräckligt underlag här för att ange ett tillförlitligt resultat för undersökningar som skiljer sig från träningsmaterialet, exempelvis från andra sjukhus eller patientgrupper.

DAMO Academy har offentliggjort modellen som öppen källkod, och det rapporteras att även modellvikterna finns tillgängliga. Det gör den möjlig att granska och pröva vidare. En tänkbar klinisk användning är som extra granskare eller screeningstöd åt radiologer – inte som självständig diagnosställare eller ersättning för klinisk validering. 347