Microsofts brystkræft-AI reducerer falske positiver i MR-scanninger

Microsoft har udviklet en ny kunstig intelligens-model, der kan forbedre nøjagtigheden af brystkræftscreening markant. Projektet fokuserer på at reducere falske positiver ved MR-scanninger – en udbredt udfordring, der skaber unødig bekymring og fører til unødvendige biopsier.

En smartere tilgang til MR-analyse af brystvæv

I samarbejde med University of Washington og Fred Hutchinson Cancer Center har Microsofts AI for Good Lab præsenteret modellen Fully Convolutional Data Description (FCDD). I stedet for at forsøge at genkende alle kræfttyper, lærer modellen, hvordan normalt brystvæv ser ud – og markerer alt, der afviger fra dette mønster.

MR-scanninger er blandt de mest følsomme værktøjer til brystkræftscreening, især for kvinder med tæt brystvæv. Men teknologien giver ofte for mange falske positiver – mistænkelige fund, der senere viser sig at være harmløse. FCDD adresserer dette ved at analysere subtile mønstre og fokusere på det normale frem for sjældne kræftvariationer.

Testet i realistiske kliniske scenarier

Forskerne testede modellen på over 9.700 MR-scanninger, svarende til virkelige screeningssituationer, hvor kun 1,85 % af scanningerne indeholdt kræft. I modsætning til mange AI-modeller, der trænes på datasæt med et overrepræsenteret antal kræfttilfælde, blev FCDD vurderet i en kontekst, der afspejler faktiske arbejdsbetingelser i sundhedssektoren.

Resultaterne var lovende:

• Falske positiver blev reduceret med over 25 %
• Den positive prædiktive værdi blev fordoblet sammenlignet med klassiske AI-modeller
• 92 % overensstemmelse med radiologers tidligere markeringer – med visuelle heatmaps

Disse heatmaps viser præcis, hvor modellen har registreret afvigelser, hvilket øger radiologers tillid til teknologien.

Et supplement – ikke en erstatning

Microsoft understreger, at teknologien ikke skal erstatte radiologer. Den er udviklet som et redskab til at prioritere sager, minimere unødige opfølgninger og effektivisere workflows i brystkræftscreening.

Ifølge professor i radiologi Savannah Partridge fungerer modellen både med fulde og forkortede MR-scanninger, hvilket kan spare tid for både patienter og sundhedspersonale.

Som ekstra fordel er værktøjet open source. Det betyder, at forskere frit kan inspicere koden, teste modellen og bidrage til videreudviklingen.

Konklusion

Microsofts brystkræft-AI markerer et vigtigt skridt frem i medicinsk billedanalyse:

• Den fokuserer på normalt væv frem for at lære sjældne kræftformer udenad
• Den tilbyder en mere realistisk og praktisk tilgang til screening
• Dens open source-karakter fremmer gennemsigtighed og innovation

Med dokumenterede kliniske resultater kan modellen blive et værdifuldt værktøj – og en stille livredder.