Vill diagnostisera akromegali med hjälp av AI

Projektet AcroSpeech syftar till att tidigare kunna diagnostisera akromegali med hjälp av digitala system för röstanalys och ansiktsigenkänning genom AI och maskininlärning.

Ett sätt att skapa en AI-algoritm som är lättare att tolka är att bygga den på en representation av ansiktet, snarare än en fotografisk bild, det kan till exempel vara en så kallad ”mesh” som beskriver ansiktsytan med hjälp av koordinater på olika punkter i ansiktet, så som visas i denna bild.
Foto: AIM North

Akromegali är en ovanlig sjukdom som orsakas av en godartad tumör i hypofysen som ökar produktionen av tillväxthormon. Det ger ansiktsförändringar som större näsa och haka, men också bland annat röstförändringar och mjukdelssvullnad. Symtomen är ospecifika och kommer ofta långsamt, vilket gör att det ofta tar lång tid, upp till 10 år, innan patienterna får sin diagnos. Då har de hunnit få bestående kroppsliga förändringar och ofta följdsjukdomar.

Konstantina Vouzouneraki, specialistläkare och doktorand, vill ge patienter med akromegali bättre chans till behandling genom att tidigare kunna ställa diagnos. I AcroSpeech skapas därför röstanalys- och ansiktsigenkänningssystem som med hög säkerhet kan särskilja en patient med akromegali från en som inte har sjukdomen. I projektet studeras också om röst- och talförändringar påverkar livskvaliteten hos patienterna.

– Vi har fått hjälp av AIM North för att med hjälp av AI kunna bedöma ansiktsbilder, säger Konstantina Vouzouneraki.

Konstantina Vouzouneraki är specialistläkare inom endokrinologi och diabetologi, och doktorand vid instituationen för folkhälsa och klinisk medicin vid Umeå universitet.

AI-algoritm utvecklas

Andra studier med bildanalys har visat att träffsäkerheten för diagnostik är hög. En jämförande studie som gjorts talar för att datasystem är bättre på att känna igen akromegalipatienter än läkare, särskilt vid lindriga förändringar.

Genom att jämföra bilder på patienter med akromegali med bilder på kontrollpersoner, är målsättningen att utveckla en algoritm som känner igen ansikten som har karaktäristiska drag för akromegali. Det kan dock krävas mycket bilder för att få till en stabil algoritm, och tidigare studier som gjorts på specifika populationer går inte nödvändigtvis att använda i Sverige. AIM North har hjälp till att förbehandla det insamlade materialet för en AI-algoritm och utvärdera vilken typ av metod som kan fungera bäst för just den här diagnosen. Olika typer av AI lämpar sig olika bra för olika typer av problem, och vissa algoritmer som kan hantera mer komplexa problem är också svårare att tolka. Det blir en avvägning mellan hur effektiv algoritmen är, och hur väl läkare och patient kan förstå hur bedömningen gått till.

En utmaning är att endast 3–4 fall per miljon invånare och år upptäcks, därför är det positivt att man genom Svenska Hypofysgruppen kunnat få deltagare från alla universitetssjukhus i landet. Det pågår också andra liknande försök i fler länder.

– Förhoppningen är inte att det ska bli perfekt på en gång, det är en del i ett större arbete. Men om vi på sikt kan utveckla ett system som känner igen förändringar, kan man i framtiden screena personer som löper högre risk att ha akromegali, till exempel patienter som har diabetes, sömnapné, karpaltunnelsyndrom eller patienter som söker vård för ledsmärtor. Diagnosen ställs sedan genom blodprov och de kan få behandling, säger Konstantina Vouzouneraki.

Fakta: Så genomförs studien

Studien genomförs vid flera endokrinmottagningar på svenska universitetssjukhus, som alla har en mobiltelefon som endast används för studien och är låst från annan uppkoppling. Studiedeltagarna får läsa upp ett antal standardfraser för att rösten ska spelas in. Deras ansikten fotas och filmas från olika vinklar med mobiltelefon. De ska även ha med sig fotografier tagna ungefär fem respektive tio år före diagnosen, som skannas med en app. Därtill får de svara på ett antal frågeformulär. Detsamma görs för kontrollpersoner som deltar, en för varje inkluderad studiepatient.