Lysets usynlige egenskaper kan avsløre om du har kreft

Algoritmene for maskinlæring skiller mellom normale celler (røde) og kreftceller (blå). De nederste mikroskopbildene viser tradisjonelle versus automatiserte metoder. De blå områdene (til høyre) samsvarer med upolarisert lys og indikerer at kreft er til stede.

Automatiserte maskiner lærer nå å finne kreftceller ved hjelp av manipulert lys. Det kan avlaste et presset helsevesen og korte ned ventetiden for engstelige pasienter.

Dette er et debattinnlegg. Eventuelle meninger i teksten står for skribentens regning. Hvis du ønsker å delta i debatten, kan du lese hvordan her.

Ved uttak av celleprøver, budbringeren som forteller om du er kreftsyk, går det vanligvis tre til fire uker før prøvesvaret foreligger, ifølge Kreftforeningen. Dette er blant de tøffeste ventefasene livet byr på. Men om noen år er ventingen trolig historie, takket være ny lysteknologi og datamaskiner med kunstig intelligens.

Lang ventetid

Mye diagnostikk baseres i dag på et knapphetsgode: spesialister som gjør manuelle undersøkelser – av pasienten eller eksempelvis av vevsprøver.

Det er derfor ventetiden ofte er lang. Uker eller måneder kan føles som år når du tror noe er galt.

Mange bestiller time i det private der ventetiden er kortere, men prisene stive. Er du i et lavinntektsland, finnes kanskje ikke tilbud om utredning i det hele tatt.

Som svar på dette har vi i Sintef sammen med kolleger fra Universitetet i Oulu i Finland og Det syddanske universitet gått nye veier i forskningen. Ved å utnytte usynlige egenskaper ved lys, pluss kunstig intelligens, prøver vi å forbedre kreftdiagnostikken.

Uker eller måneder kan føles som år når du tror noe er galt

Diagnostikk er mer enn kjemi (blodprøveanalyser), elektriske signaler (EKG), ultralyd og røntgen. For også det samme lyset som varmer deg en sommerdag, kan – idet strålene reflekteres fra deg – fortelle noe om helsen din.

Et eksempel er fall som gir blåmerker: en fargeendring og derfor lett å se. For påvisning av kreft, derimot, må vevsprøver gjerne behandles kjemisk før de kan studeres. Dette for å fargelegge og synliggjøre biologiske trekk. Først da kan spesialister se – i et mikroskop – om kreft er til stede.

Men reflektert lys fra vevsprøver inneholder også informasjon øyet ikke ser. Mye forskning pågår nå for å kartlegge hva usynlige deler av lyset forteller når lys reflekteres fra hud, øyne, ja, også fra hjernen.

Åpner for rask kreftpåvisning

Noe av den usynlige informasjonen ligger i måten lyset svinger på. Mens havbølger beveger vann opp og ned, svinger lysbølger skrått og sideveis også. Litt som bevegelsene du kan lage med et utstrakt hoppetau.

Øyet skjelner ikke mellom de ulike svingeretningene (lysets polarisering). Men det er disse vi er opptatt av. Det vi studerer, minner litt om solstrålers reise mot Jorden.

Sollys endrer nemlig svingeretning (på fagspråket: endrer polarisering) når det spres av små molekyler eller partikler i atmosfæren. Slik spredning gjør også himmelen blå (Rayleigh-spredning). Men lysets møte med større partikler i luften gjør også at farger vaskes ut på avstand når det er disig (Mie-spredning).

Slik sprer lys seg også i cellene dine.

Forenklet sagt får vi Rayleigh-spredning fra lys som treffer kjernen til friske celler, men større grad av Mie-spredning når lyset treffer kjernen til kreftceller. Automatisert måling av reflektert lys fra vevsprøver åpner dermed for rask kreftpåvisning.

Dette krever at vi får brukt all informasjon lyset kan gi oss. Men skal vi hente detaljerte opplysninger om lysets polarisasjon i hvert bildepunkt, blir datamengden fort for stor, selv for topptrente spesialister.

Datamaskiner, derimot, tåler mye informasjon. Ved hjelp av maskinlæring, en gren av kunstig intelligens, ser de sammenhenger vi ikke ser. Kombinasjonen mye data pluss maskinlæring vil dermed forhåpentlig gi mer treffsikker diagnostikk.

Treffprosenten kan høynes

For noen lyder dette som fremtidsmusikk. Men maskiner er alt på vei inn i medisinsk diagnostikk.

En studie fra Google Research i USA viste at 92 prosent av svulstene i et utvalg vanlige mikroskopbilder av vevsprøver lot seg påvise av kunstig intelligens. Patologer fant kun 73 prosent av svulstene.

Selv tror vi treffprosenten til kunstig intelligens kan høynes ytterligere med nye lysbaserte undersøkelsesmetoder. Som å inkludere måling av endringer i svingeretningen når lys går inn i vev.

Et europeisk forskningssamarbeid Sintef leder, handler om dette. Her utvikler vi et kompakt, raskt og følsomt instrument. Det skal undersøke vevsprøver med polarisert lys, for så å bruke maskinlæring til å avgjøre om kreft er til stede.

Målet er utstyr som sykehus/legekontor kan bruke etter enkel opplæring. Det hele basert på banebrytende overflater i nanoskala (metaflater på fagspråket). Disse måles i milliondels millimeter og har tredimensjonale «mønstre» av eksempelvis sylinderformede pilarer eller klosser. Det gir oss nye måter å kontrollere lysets polarisering på.

Vi håper løsningen vår vil gi en dobbeltgevinst

Sammen med Det Syddanske Universitet har vi i Sintef funnet nye måter å gjøre slike flater bevegelige på. Slik kan vi endre lysets svingeretning underveis og dermed gi mer informasjon til algoritmene som skal avdekke sykdom i vev.

Prosjektet bygger på et lovende testsystem som våre samarbeidspartnere ved Universitetet i Oulu har utviklet. Arbeidet gjennomføres på oppdrag fra ATTRACT – et samarbeid mellom ledende europeiske forskningsorganisasjoner, deriblant Cern, om å utvikle epokegjørende ny teknologi.

Vi håper løsningen vår vil gi en dobbeltgevinst. En enkel og rask førsteundersøkelse hos fastlegen. Pluss kreftundersøkelser for mennesker i lavinntektsland som i dag ikke har noe slikt utredningstilbud.

Alt dette takket være lysets usynlige egenskaper.