Mellan två och tre miljoner människor i världen drabbas av hudcancer varje år. Det finns effektiva behandlingar för många typer av hudcancer, i varje fall om de upptäcks och diagnosticeras i god tid. Här kan AI hjälpa till.

Ett forskarlag vid Göteborgs universitet har tränat en AI-algoritm att avgöra hur farliga hudmelanom är. AI:n kan anlysera en bild av en hudförändring och se om hudmelanom är invasiva, med spridningsrisk, eller befinner sig i ett stadium av tillväxt i enbart överhuden, utan spridningsrisk.

Forskarna har låtit AI:n och sju hudläkare analysera samma bilder. Resultatet blev att AI:n var lika bra som hudläkarna på att klassificera melanomen. Då det inte finns tillräckligt med hudläkare för att analysera alla misstänkta fall av melanom skulle AI:n i framtiden kunna bli en värdefull assistent som snabbt kan eliminera alla fall som uppenbart inte är farliga. Något som skulle ge hudläkarna mer tid för de mer svårbedömda fallen.

Just att använda maskininlärning för att klassificera melanom är ett populärt forskningsområde. Ett forskarlag från Wyss Institute vid Harvard University i USA har utvecklat en annan metod. Deras AI har tränats till att utnyttja en metod som kallas ”fula ankungen”.

De bildanalyssystem som finns idag analyserar varje hudförändring för sig. Men hudläkare jämför många olika hudförändringar för varje person för att se om någon av förändringarna skiljer sig från de andra, en ful ankunge.

Forskarna vid Wyss Institute tränade sin algoritm att känna igen fula ankungar. Efter att ha gått igenom 33 000 bilder på hudförändringar kunde AI:n fastställa rätt diagnos i 90 procent av fallen på en serie av testbilder. Tre hudläkare hade i snitt rätt i 88 procent av fallen när de gick igenom samma bilder.

Bilderna i fråga kan komma från en vanlig mobiltelefon, vilket ger möjlighet att låta AI:n stå för en första diagnos i framtiden. Den första analysen kan då göras på en vårdcentral där alla ofarliga fall sorteras bort. Det minskar trycket på hudläkarna som inte behöver undersöka så många patienter utan kan fokusera på de allvarligaste fallen.

Planen är nu att gå vidare med kliniska studier och sedan intressera företag för att kommersialisera metoden.