Teledermoscopy and artificial intelligence: implementation in clinical practice

Hudcancer är den snabbast ökande cancertypen i Sverige. De tre vanligaste hudcancerformerna, malignt melanom, skivepitelcancer och basalcellscancer, är vanligare än bröst- och prostatacancer tillsammans. Med ökande incidens har hudcancer orsakat en högre belastning på sjukvården som riskerar att försämra vården med ökad risk för stympande kirurgiska ingrepp och försämrad överlevnad. För att möta denna ökande belastning och samtidigt förbättra vården med tidigare upptäckt, bättre träffsäkerhet i diagnosticeringen och effektivare omhändertagande behövs nya verktyg. Vårt projekt kommer att utvärdera hur diagnostik och behandling av hudtumörer kan förbättras med hjälp av teledermatoskopi och artificiell intelligens (AI).

Dermatoskopi är en enkel, icke-invasiv undersökningsteknik där man med ett handhållet verktyg får en förstoring och en optimal ljussättning av hudförändringar, vilket ökar den diagnostiska säkerheten. Teledermatoskopi är en hudläkarbedömning av dermatoskopi-foton tagna på distans. I den teledermatoskopiska processen kan olika verktyg inkorporeras som har stor potential till att förbättra diagnostiken och effektivisera vården. T.ex. kan algoritmer byggas för att optimera bilder eller så kan deep convolutional neural networks skapas och optimeras med AI och sedan göras tillgängliga som hjälp för den diagnosticerande läkaren. Flera studier har visat att AI, efter träning på ett stort bildmaterial, är bättre på att ställa hudcancerdiagnos än människan men det finns också studier som visar att den största effekten uppnås vid samarbete mellan läkare och AI. Nästan alla studier är dock utförda i datorlaboratorier och inte i verkligheten så det är inte studerat hur AI ska implementeras i sjukvården och hur användandet av teledermatoskopi och AI påverkar vårdorganisationen vad gäller hudtumörer på kort och lång sikt. Dessutom finns förstås nya problem vid användandet av AI och hur dessa ska hanteras i klinisk verksamhet finns ännu inga studier på.

Syfte, ändamål och patientnytta
Vi vill med vår studie undersöka hur läkarnas diagnostiska förmåga förbättras vid införandet av teledermatoskopi, med eller utan lager av fördefinierade justeringar eller automatisk detektering av viktiga strukturer i teledermatoskopiska bilder. Slutligen vill vi utveckla diagnostiska algoritmer för hudcancer och undersöka hur de bäst används i dagens sjukvård för att maximera nyttan och minimera riskerna. Genom dessa studier kommer vi få en ökad förståelse för hur dessa nya diagnostiska verktyg kan användas i sjukvården, var i vårdprocessen de gör störst nytta, om de ger en förbättrad diagnostik och om de medför några risker. Med införandet av teledermatoskopi och AI kan omhändertagandet av patienter med hudcancer bli avsevärt bättre med en ökad diagnostisk säkerhet och effektivitet som kan minska sjuklighet, dödlighet och sjukvårdskostnader.

Hudcancerincidensen ökar snabbt i Sverige vilket utmanar nuvarande vårdorganisation. Hudcancer bör dessutom upptäckas tidigt i förloppet för att minska dödligheten och stympande kirurgiska ingrepp. Teledermatoskopi, hudläkarbedömning av förstorade foton tagna på distans, har visats kunna förbättra medicinsk prioritering, minska tiden till operation och öka kostnadseffektiviteten. Med artificiell intelligens (AI) finns stora möjligheter att öka den diagnostiska säkerheten av teledermatoskopi ytterligare. Det finns dock inga riktlinjer för hur AI ska implementeras i hudsjukvården. Vi vill undersöka hur olika algoritmer för hudcancerdiagnos kan användas i sjukvården idag. Vi vill också undersöka hur osäkerhet i algoritmerna bäst hanteras för att skapa en patientsäker vård. Genom dessa studier kommer vi få en ökad förståelse för hur dessa nya diagnostiska verktyg både kan användas i sjukvården, hur sjukvården påverkas av dem och hur nya risker ska hanteras. Med införandet av teledermatoskopi tillsammans med AI kan omhändertagandet av patienter med hudcancer bli avsevärt bättre med en ökad diagnostisk säkerhet och effektivitet som kan minska sjuklighet, dödlighet och sjukvårdskostnader.