Dette går fram av Fredrik Andreas Fineides doktorgradsarbeid i ingeniørvitenskap ved OsloMet.
Tørre øyne er blitt svært vanlig og kan være plagsomt i hverdagen. Tørre øyne kan du få når tårefilmen som smører øyet er for tynn, ustabil eller fordamper for fort.
Kjennetegn på tørre øyne kan være svie, sandfølelse, røde øyne og svingende tåkesyn. Vanlige årsaker kan være mye skjerm og lite blunking, tørt inneklima, kontaktlinser; for lite tårer eller for lite olje eller for dårlig kvalitet på oljen fra øyelokkskjertlene.
Fineides forskning tar for seg hvordan forklarbar kunstig intelligens kan støtte utredning og behandling hos øyelegen. At den kan forklares, betyr at den er klar og tydelig på hvordan den kommer fram til konklusjoner.
– Målet er enklere valg i konsultasjonen, raskere svar for pasienten og trygg bruk i klinikken, forteller Fredrik Fineide, som ved siden av forskningen også er lege med erfaring fra Tørreøyne klinikken.
Verktøyene som bruker kunstig intelligens skal støtte, og ikke erstatte, fagfolk.
Slik finner legen ut om du har tørre øyne
Legen ser særlig etter tre ting når hen skal undersøke om du har tørre øyne, det er
- funksjon i fettkjertlene i øyelokkene
- tegn på betennelse på øyets overflate
- hvor mye tårer som lages
Nye spor i jakten på tørre øyne
Fineide har i forskningen sin funnet nye spor i tårevæsken og bakteriemiljøet på øyet som kan gi mer skreddersydd behandling i framtiden.
Det handler om bestemte proteiner og fettstoffer som man tidligere ikke var klar over var knyttet til tørre øyne, som mulig kan være biomarkører for tørre øyne. Dette må bekreftes i videre forskning.
Han har også funnet endringer i bakteriemiljøet på øyet, der enkelte bakterier ser ut til å være mer eller mindre vanlige hos personer med tørre øyne enn hos friske.
Kunstig intelligens finner spor i tårevæske og bakteriemiljø
Fineide brukte kunstig intelligens til å finne og rangere nye spor i tårevæsken og bakteriemiljøet på øyet, blant annet ved å trene datamodeller som skiller mellom pasienter og friske, og så bruke forklarbar KI til å vise hvilke proteiner, fettstoffer og bakterier som betydde mest.
Fineide og forskerteamet hans har også samlet et datasett med bilder av spesielle celler i øyets slimhinne, begerceller, som lager slimet som hjelper tåren til å feste seg, og beskytter overflaten. Bildedatasettet er merket og kvalitetssikret manuelt av forskerne.
Dette er fritt tilgjengelige bilder som gjør at dataprogrammer med kunstig intelligens kan ta mye av analysearbeidet i et laboratorium. Fineide brukte KI modeller for å automatisere telling og analyse av cellene, og dette kan gjøre laboratoriearbeidet raskere og mer presist.
Hva betyr dette for pasientene?
– For pasientene kan dette bety raskere og mer målrettet utredning: Legen kan lettere prioritere de undersøkelsene som er av størst verdi, i stedet for å prøve flere ulike undersøkelser, sier Fineide.
Det kan også føre fram til behandling som treffer bedre: Hvis KI for eksempel antyder at betennelse eller lav tåreproduksjon driver plagene, kan tiltakene velges deretter.
Forklarbar KI gir ikke bare svar på hva som feiler pasienten, men kan også vise hvilke prøver og funn som taler for og imot konklusjonen til KI, altså hva som dro vurderingen i ulike retninger. For eksempel kan den si at ustabil tårefilm er sannsynlig fordi kjerteloljen er dårlig og det er tegn til irritasjon, mens normal tåremengde kan trekke i motsatt retning.
At forklarbar KI ikke bare gir en konklusjon, men også viser hvilke funn som taler for og imot, er nyttig når flere mulige forklaringer er aktuelle.
Slik kan KI brukes trygt
Før KI kan brukes i stort omfang i klinikker, må det gjøres mye utprøving og kvalitetssikring av metodene:
- Det er viktig med høy treffsikkerhet: Modellene må prestere godt før de tas i rutinebruk.
- De må også fungere på data fra andre klinikker, ikke bare der de er utviklet.
- Løpende kvalitetssikring er også viktig: Hvor godt de fungerer må overvåkes over tid.
Og forklaringene må være tydelige: Behandleren må kunne se hvorfor modellen foreslår noe.
Opplæring og åpenhet er også avgjørende: Legene må kjenne modellens styrker, svakheter og hva den er trent på.
Og det er mennesket som bestemmer: KI er et støtteverktøy, den tar ikke over ansvaret.
Veien videre
Veien videre i forskningen på KI i diagnostikk og behandling av tørre øyne kan være
- at det trengs flere og bredere datasett fra ulike steder, det vil si flere eksempler på tørre øyne
- å teste KI-modellene på andre klinikker enn der de er laget, og de må leveres som enkle, trygge og forståelige verktøy, med klare råd og forklaringer
- å legge vekt på at løsningen fungerer godt også for pasientgrupper som ofte er underrepresentert, det kan for eksempel være barn og ungdom, de eldste, etniske minoriteter og folk som bruker ulike medisiner, som generelt kan være underrepresentert i slike studier
Brobygger mellom medisin og teknologi
Doktorgraden er forankret i ingeniørvitenskapen, men er et direkte resultat av et tett samspill med medisinfaget.
– Evnen til å jobbe tverrfaglig er viktigere enn noen gang. Dataingeniører og leger har gjerne helt ulike måter å tenke på. Utfordringen er at ingeniørene ikke alltid forstår hva som er viktigst for legen, mens legen på sin side ikke kjenner til hvilke teknologiske muligheter og begrensninger som finnes.
Fredrik Andreas Fineide er lege med erfaring fra Tørreøyne klinikken, og har levert en doktorgradsavhandling i nært samspill mellom medisin og ingeniørvitenskap.
– Helsevesenet og teknologibransjen trenger brobyggere som snakker begge språk, og jeg er enormt takknemlig for at jeg har fått verktøyene til å fylle nettopp den rollen, sier Fineide.
