9 augusti 2022

Lika svårt för algoritmer och hudläkare att bedöma melanoms djup

Artikel från Sahlgrenska akademin vid Göteborgs universitet

Den här artikeln bygger på ett pressmeddelande. Läs om hur redaktionen jobbar.

Det är svårt att korrekt bedöma tjockleken på hudcancer – även för en vältränad algoritm. Det visar en studie från Göteborgs universitet.

– Resultaten är ett steg på vägen till att hitta bättre och mer sofistikerade verktyg till stöd för läkare som ska bedöma melanomtjocklek, vilket i sin tur påverkar kliniska beslut och prioriteringar i vården, säger Sam Polesie som är forskare vid Sahlgrenska akademin i Göteborg.

När diagnosen melanom ställs bedömer hudläkare om det rör sig om en aggressiv form, där cancercellerna växer ned i läderhuden och riskerar att spridas, så kallade invasiva melanom, eller en mildare form som växer enbart i det övre lagret av huden, så kallad melanom in situ, MIS.

Invasiva melanom som växer djupare än en millimeter ned i huden anses vara tjocka och därmed också mer aggressiva.

Fakta om melanom

Melanom är den allvarligaste formen av hudcancer och den cancersjukdom som ökar mest. Melanom uppstår när pigmentceller i huden okontrollerat börjar dela sig. Melanom växer, har ofta flera färger och uppvisar som huvudregel en oregelbunden form. Förändringen kan se ut som en ny brunsvart fläck eller knuta på huden, eller ett födelsemärke som förändras. Oftast utmärker sig också melanomet i jämförelse med patientens andra födelsemärken.

Tjockleken ger information om prognos

Bedömning av melanom görs genom en undersökning med dermatoskop, som är ett slags förstoringsglas utrustat med starkt ljus. Ofta är det förhållandevis enkelt att ställa diagnosen melanom, men det är en mycket större utmaning att uppskatta hur tjockt melanomet är.

– Förutom att tjockleken ger värdefull prognostisk information kan det påverka val av kirurgiska marginaler för den första operationen och hur snabbt operationen behöver utföras, säger Sam Polesie.

Via en webbplattform bedömde 438 internationella hudläkare 1 456 bilder av melanom tagna med dermatoskop. Hudläkarnas resultat jämfördes därefter med resultaten från en maskininlärningsalgoritim som tränats på att klassificera melanomdjup.

Jämnt mellan läkare och maskin

Hudläkarna som grupp hade en träffsäkerhet för korrekt klassificering av melanomdjup på 63 procent för mildare melanom och 71 procent för invasiva melanom. Läkarna kunde korrekt avgöra att melanom var invasiva eller MIS i 76 procent av alla bedömningar. Motsvarande andel för den främsta algoritmen var 74 procent.

– Den samlade hudläkarbedömningen presterade alltså i nivå den förtränade algoritmen i att skilja MIS och invasiva melanom. Intressant nog hade läkarnas professionella bakgrund och erfarenhet av dermoskopi ingen inverkan på den diagnostiska noggrannheten för att förutsäga melanomtjocklek, säger Sam Polesie.

AI kan bli värdefullt stöd i vården

Utvecklingen av artificiell intelligens, AI, är på frammarsch på flera håll inom vården. Tekniken förväntas särskilt kunna utvecklas och bli ett stöd för medicinsk avbildning, det vill säga för läkare som bedömer och tolkar bilder, till exempel röntgenbilder, bilder på näthinna och hudförändringar. Tekniken kan också tillämpas inom andra områden än bildigenkänning.

– Vår studie pekar på svårigheterna att korrekt bedöma melanomtjocklek baserat på dermoskopibilder. I kommande studier siktar vi på att studera användbarheten av fördefinierade dermoskopistrukturer för att skilja mellan MIS samt tunna och tjocka melanom. Vi vill också testa om kliniskt beslutsfattande i den här situationen kan förstärkas med hjälp av maskininlärningsalgoritmer, säger Sam Polesie.

Studien genomfördes i samarbete med forskare vid Medical University of Vienna i Österrike.