OPTIKEREN NR 6, 2025 39 F som skal predikere om man har svulst eller om det er noe annet, så er det viktig å ha tilgang på hvorfor modellen gir de svarene den gir. HVA MAN MÅ TENKE PÅ Mange etiske og juridiske spørsmål kan oppstå ved bruk av slike modeller. For hvem er ansvarlig hvis modellen tar feil? Er det de som har utviklet modellen eller er det vi helsepersonell som bruker modellen? Hva er det som er blitt lagt til grunn for svaret som KI-modellen finner? Som helsepersonell må man forstå dataen man «trekker ut». Man må skjønne hva modellen er trent på, hvilke svakheter modellen har og hva kan man kan gjøre med dataene. Når man forsker blir det også mer spennende, mener Fineide. Det går an å lage modeller for å finne ut mange ulike ting, for eksempel hvilken øyenfarge folk har. Det som er interessant er hvilke parametere som legges til grunn når man gjør en slik prediksjon. Man må skjønne hva som skjer i black box (black box betyr systemer man ikke helt forstår virkemåten til/hva de gjør). Derfor må man kunne trekke ut dataene og forklare hva KI gjør. Man lager altså modeller som vurderer modellene. Fineide og Tørreøyneklinikken har brukt dette i flere studier, hvor de har sett på tårefilm, kjerteltap og begerceller. Tårefilmen er som kjent kompleks. Den består av tusenvis av proteiner, fettstoffer, mineraler og så videre. Tørre øyne er en betennelsessykdom som går på øyets overflate og på øyelokkenes kjertler og struktur. Sykdommen kan påvirke begercellene og påvirker overflatens evne til å binde tårefilmen. I noen typer betennelse vil tåreproduksjonen være påvirket. Talgkjertlene påvirkes negativt, noe som gir mindre fettstoffer og ustabil tårefilm. KI BRUKT PÅ TÅREFILMSTABILITET KI ble brukt på datasett av pasienter samlet inn på Tørreøyneklinikken. Modeller ble så trent til å predikere tårefilmstabiliteten. Dette var i første omgang for å se om de kunne bruke KI til å predikere graden av tårefilmstabilitet basert på de kliniske funnene. Det fungerte bra. Forklarbar KI ble så brukt til å trekke ut de variablene i datasettet modellene synes er viktigst. Det var: alder, tåreproduksjon, symptomer, meibomkvalitet og betennelsesforandringer, som alle er kliniske variabler som har betydning for tårefilmstabiliteten. Da dette også fungerte bra, ble KI brukt på graden av kjertelatrofi. Modeller som kunne si hvor mye kjerteltap en pasient har, ble lagd basert på de kliniske undersøkelsene. Etterpå fant de hvilke variabler modellene syntes var mest viktig. Alder var også her en interessant faktor. De trente flere prediksjonsmodeller og forklarbar-modeller og fant ut at de forskjellige modellene vektlegger forskjellige ting. En modell så på tidligere sykehistorikk, hvilke medisiner som ble brukt, operasjoner osv., mens en annen modell la mye mer vekt på funn fra kliniske undersøkelser. Av dette kan man lære hvordan maskinlæringsmodellene fungerer. I neste steg ville de se på litt større datasett. De samlet inn tåreprøver fra tørre øyne-pasienter. Så ble tåreprøvene analysert i et massespektrometer og de fikk ut proteinprofilen til disse pasientene. Det er tusenvis av proteiner pr. pasient. KI-algoritmene ble trent til å plassere pasienter i forhold til grad av meibomsk kjerteldysfunksjon. KI trakk ut hva de viktigste proteinene var i en slik gradering. BAKTERIER Normalflora varierer fra person til person, og hva som er normalflora på øyets overflate er lite undersøkt. De tok bakterieprøver fra friske kontroller og tørre øyne-pasienter, dyrket fram bakteriene, brukte DNA analyse og fikk en bakterieprofil fra friske og syke. KI-modeller ble trent til å skille mellom friske og syke, basert på bakterieprofilene, og de brukte forklarbar KI til å trekke ut de viktigste bakteriene. De så at tap av bakterielt mangfold korrelerer med tørre øyne. AUTOMATISK BILDEANALYSE TIL Å TELLE CELLER Å telle begerceller manuelt er en tidkrevende prosess. Nå har de trent opp en KI-modell til å gjøre det. Med hjelp av KI og computer vision kan man analysere bilder og identifisere om et gitt objekt er til stede. Modellen vurderer hver enkelt piksel i bildet, som enten er begercelle eller bakgrunn. Det sparer tid, og man finner raskt ut hvor det er celler og hvor mange det er, som er til god hjelp i laboratoriet. Fineide mener man også kan bruke KI som et nyttig verktøy for å generere nye hypoteser. Ved å trekke ut de viktigste parameterne fra dataene, kan man som forsker gå videre med konvensjonell statistikk og litteraturgjennomgang. KI kan brukes på mange områder innen forskning i helse. Nye modeller kan bidra til effektiv diagnostikk og behandling, og dermed dra faget framover, til fordel for pasientene. £ CLINICAL CONFERENCE Som helsepersonell må man forstå dataen man «trekker ut». Man må skjønne hva modellen er trent på, hvilke svakheter modellen har og hva man kan gjøre med dataene.
RkJQdWJsaXNoZXIy MTQ3Mzgy