Nio av tio kvinnor utreds i onödan – nytt blodprov med maskininlärning kan skona 18 000 från onödiga ingrepp varje år

Från labb till sjukhussal – AI gör entré i cancerdiagnostiken

Det händer något viktigt inom sjukvården just nu. Inte i form av en pressrelease om en framtida möjlighet, utan som ett konkret verktyg som rullas ut vid sjukhus inom det brittiska nationella sjukvårdssystemet NHS. Och det är precis den typ av genombrott vi på AI Nyheterna har väntat på att bevittna.

Varje år remitteras ungefär 90 000 postmenopausala kvinnor i England till utredning efter kraftiga blödningar. Av dessa får runt 10 000 diagnosen livmodercancer – en sjukdom som skördar cirka 2 700 liv om året. Standardförfarandet idag innebär vaginal ultraljudsundersökning, biopsi och i många fall hysteroskopi. Ingrepp som är medicinskt nödvändiga när misstanken är befogad – men som upplevs som obehagliga eller rent av smärtsamma, och som belastar ett redan ansträngt sjukvårdssystem.

Problemet är att nio av tio remitterade kvinnor inte har cancer. De genomgår ändå hela utredningskedjan.

PinPoint – maskininlärning möter blodprov

Här kliver det leedsbaserade företaget PinPoint Data Science in med sin lösning. Testet, som bär samma namn som företaget, använder maskininlärning för att analysera omkring 30 olika blodmarkörer och klassificerar patienten som låg-, förhöjd- eller högrisk. Kostnaden uppges ligga på ungefär 300 kronor per analys – en försvinnande liten summa i förhållande till vad en fullständig utredning kostar, både i pengar och i mänskligt lidande.

Resultaten från en klinisk prövning med drygt 16 000 patienter i Yorkshire är, enligt AI News, anmärkningsvärda: testet identifierade korrekt 99,1 procent av alla cancerfall som förhöjd- eller högrisk, med ett negativt förutsägelsevärde på hela 99,8 procent i lågriskkategorin. Det innebär att de kvinnor som klassificeras som lågrisk med mycket stor säkerhet inte har cancer – och därmed kan undvika onödiga ingrepp.

Skattas testet ge brett genomslag skulle ungefär var femte remitterad kvinna – motsvarande 18 000 kvinnor per år i England – kunna skonas från invasiva undersökningar.

Det här är vad AI-omställningen faktiskt handlar om

Jag har följt AI-utvecklingen länge, och det är lätt att fastna i de stora, abstrakta berättelserna om artificiell allmän intelligens och framtidsscenarier bortom horisonten. Men genombrott som PinPoint påminner oss om varför omställningen verkligen spelar roll – här och nu, för en 58-årig kvinna i Leeds som slipper ett smärtsamt ingrepp för att ett blodprov visade att hon inte löper risk.

Det som gör detta särskilt intressant ur ett affärs- och systemperspektiv är skalerbarheten. Ett blodprov kan tas på en vårdcentral. Det kräver ingen specialutrustad enhet, inget kirurgiskt team. Det är just den typen av infrastrukturoberoende lösning som har potential att demokratisera tillgången till kvalificerad diagnostik – inte bara i Storbritannien, utan globalt.

Det är också värt att notera att PinPoint inte ersätter läkaren eller tar bort det mänskliga omdömet. Testet fungerar som ett beslutsstöd i ett tidigt skede – det sorterar bort de som med stor säkerhet inte behöver vidare utredning, och frigör resurser för de patienter som faktiskt behöver dem. Det är AI i sin mest konstruktiva roll: ett verktyg som förstärker mänsklig kapacitet snarare än försöker ersätta den.

Utmaningar som inte får sopas under mattan

Med det sagt finns det legitima frågor att ställa. Hur presterar testet på befolkningsgrupper som inte var representerade i prövningen? Hur hanteras de fall där testet pekar fel – de 0,9 procent av cancerfallen som inte fångades upp? Och hur säkerställs att ett negativt testresultat inte leder till att symtomatiska patienter faller mellan stolarna?

Dessa frågor är inte skäl att bromsa utan skäl att följa upp noggrant. NHS-utrullningen kommer i sig att generera värdefull data som kan förfina modellen ytterligare. Det är så här tekniken mognar – inte i teorin, utan i verkligheten.