Södersjukhuset använder AI för att korta väntetider för strålbehandling
Med stöd av medel från den särskilda nationella satsningen på cancervården under 2024, testar nu Södersjukhuset (SÖS), två AI-verktyg i arbetet med targetinritning som en del av planeringen inför strålbehandling. Arbetet har frigjort tid för läkarna, kortat ledtiderna för bröst-, prostata- och kolorektarcancerpatienter till behandlingsstart och färre patienter har behövt skickas ”utomläns” för behandling.
Det tar en onkolog flera timmar att manuellt med millimeterprecision rita in tumörområde och riskorgan på CT- bilderna. För AI-verktygen som testas, AI-RAD och M-Vision, tar det bara några sekunder. Läkarna har sedan kontrollerat båda verktygens targetdefintion, vilket det ena, eventuellt med manuella korrigeringar, kan bli underlag för dosplanering och -beräkning.
Projektet utgår från onkologkliniken på Södersjukhuset men är ett samarbete med KTH i Huddinge, Karolinska Universitetssjukhuset i Solna och Karolinska Institutet.
– Sedan projektstart har totalt 800 patienter berörts och resultaten för tredje kvartalet är tydliga: färre patienter har behövt skickas till andra regioner under hösten 2024, som Västerås och Linköping, för att påbörja sin behandling. Det innebär bättre ekonomi för regionen och en avsevärd förbättrad situation för patienterna, som slipper långa resor, säger Pehr Lind, överläkare på onkologkliniken på Södersjukhuset och ledare för projektet.
Förväntningarna på fler effektiviseringar och tidsvinster till 2025
– Vi har hittat en bra arbetsprocess i arbetsgruppen som består av cirka 10 läkare, sjuksköterskor och fysiker och vi har nu insikt i respektive verktygs styrkor och svagheter. Vi hoppas på forsatt anslag under nästa år för att kunna frigöra klinisk arbetstid för utvecklingsarbete. Framöver ser vi en stor potential i att även implementera AI för efterföljande moment som automatiserad dosplanering, planering av patientflöden och optimerad bemanning på kliniken, säger Pehr Lind.
Trots framgångarna finns utmaningar, särskilt med att integrera AI i det kliniska arbetet i takt med den snabba AI-utvecklingen inom radiologin.