Photo by Josh Riemer on Unsplash
Liv Jorunn Høllesli og Luca Tomasetti har utviklet et verktøy ved hjelp av kunstig intelligens for å forbedre diagnostiseringen av hjerneslag. Dette verktøyet bruker maskinlæring for å analysere CT-perfusjonsbilder og nøyaktig identifisere områder i hjernen med redusert blodtilførsel. Forskningen deres har vist at kunstig intelligens kan øke nøyaktigheten i å skille slagrammede områder, noe som kan hjelpe helsepersonell til å ta raskere og bedre avgjørelser. Selv om teknologien ennå ikke er i bruk ved norske sykehus, har den potensial til å revolusjonere diagnostikk og behandling av hjerneslag. Doktoravhandlingene til Høllesli og Tomasetti ved Universitetet i Stavanger dokumenterer deres arbeid og funn.
Tid er alt.
-ANNONSE-
For mer informasjon om: Førstehjelpstips for deg med barn i huset
Meir presis bildediagnostikk
Det blir teke bilete av hjernen med ein gong pasienten kjem inn og bileta har stor innverknad på val av behandling. Men det er avgrensingar ved dagens bildediagnostikk ved akutt hjerneslag.
Det er vanskeleg å skilje mellom hjernevev som kan reddast, og hjernevev som allereie er dødt, seier Høllesli.
Ho ønskte å sjå nærare på moglegheita for å utvikle eit verktøy for enda meir presis bildediagnostikk enn dagens. Kanskje kunstig intelligens kunne brukast for å betre nøyaktigheita i bileta?
Høllesli slo seg saman med Luca Tomasetti. Saman har dei kome fram til løysingar som kan gje raskare og meir presis diagnostikk.
-ANNONSE-
For mer informasjon om: Heartstart pakke
Skil ut område i hjernen
Spørsmålet forskarane stilte seg, var om ein ved hjelp av maskinlæring raskt kunne finne ut nøyaktig kor problemet var. Og om pasienten faktisk har hjerneslag? Maskinlæring er ein metode innan kunstig intelligens.
Den tekniske løysinga for betra bildediagnostikk er det Luca Tomasetti som har stått for. Hans del av tvillingprosjektet handla hovudsakleg om å utvikle nye automatiske metodar for bildediagnostikk ved hjelp av maskinlæring.
Han har brukt bilete frå CTP-skanning som input for eit såkalla kunstig intelligens-nettverk. Det kan segmentere områda i hjernen med nedsett blodtilførsel.
Med andre ord, skilje ut dei områda i hjernen som bør behandlast.
Under eit hjerneinfarkt døyr det i gjennomsnitt to millionar nerveceller i hjernen kvart minutt. På grunn av den sentrale rolla bildediagnostikk har ved hjerneinfarkt, er det viktig å utvikle nøyaktige, raske og automatiske løysingar for å identifisere plasseringa og storleiken på området som er ramma av infarktet, seier Tomasetti.
Forskinga til dei to viser at bruk av bilete basert på CT-perfusjon som input for kunstig intelligens, aukar moglegheita for å skilje ut og meir nøyaktig karakterisere dei slagramma områda. I tillegg kjem dei nye og meir avanserte parameterane basert på CT-perfusjon.
Resultata kan hjelpe radiologar og nevrologar med å ta betre og raskare avgjerder for pasientar som kan mistenkast for akutt hjerneinfarkt.
Og raske avgjerder er det behov for i helsevesenet.
Når ein pasient med mogleg hjerneinfarkt kjem inn til sjukehuset, er både tidleg og rett behandling avgjerande for utfallet. Behandlinga avgjer om pasienten får varig funksjonsnedsetjing og i kva grad.
I dei mest alvorlege tilfella, om pasienten overlever eller døyr.
-ANNONSE-
For mer informasjon om: Dukker for øvelse ved brann
To prosjekt – same data
Det er no fire år sidan samarbeidet mellom Høllesli og Tamasetti starta. Dei har begge brukt same data i doktoravhandlingane sine og har møtt kvarandre regelmessig for å diskutere og analysere resultata.
Liv Jorunn er radiolog, så ho er eksperten på det medisinske feltet. Eg hjelpte ho med det tekniske i hennar del av prosjektet, og ho hjelpte meg med den medisinske delen i mitt prosjekt. Vi diskuterte artiklar, vi diskuterte resultat, vi diskuterte eksperiment. Det var eit aktivt samarbeid, seier Tomasetti.
Han fortel at første steg på vegen var å samle inn så mykje data som mogleg. Dataene dei brukte, var bilete av hjernen til moglege slagpasientar.
Vi brukte dei same bileta i studiane. Sjølv om vi analyserte dei på forskjellige måtar, hadde vi høve til å samanlikne resultata, seier Tomasetti.
Høllesli seier at det ikkje er tilstrekkeleg når ein pasient skal diagnostiserast å ha gode data og teknisk kompetanse for å utvikle gode algoritmar.
Vi treng òg medisinsk ekspertise i den andre enden, for å sjå at svara faktisk er korrekte og nyttige i ein klinisk samanheng. Det er det som har vore så spennande med prosjektet, seier ho.
Høllesli fortel at om vi finn ein metode som teknisk sett er heilt perfekt, hjelper ikkje det om han er irrelevant for pasientane.
Menneske med medisinsk og teknisk kompetanse må jobbe side om side for å utvikle dei beste metodane, til det beste for pasientane. Det er heilt nødvendig.
-ANNONSE-
For mer informasjon om: Mini Anne
Er kunstig intelligens løysinga?
Er det lettare for ei maskin å tolke bileta av hjernevev enn for det menneskelege auget? Blir resultatet meir nøyaktig?
Både og, meiner dei to forskarane.
Vi har ikkje undersøkt nøyaktigheita av diagnosen når ein radiolog ser på bileta samanlikna med maskinen. Men vi finn godt samsvar mellom det maskinen finn og det radiologen finn, seier Høllesli.
Det har skjedd ei stor teknologisk utvikling i helsevesenet dei siste åra. Likevel utgjer førebels ikkje nye verktøy basert på kunstig intelligens ein stor del av kvardagen på sjukehuset.
Verktøyet dei to har utvikla, er ikkje teke i bruk ved norske sjukehus enno.
Det handlar om både tekniske utfordringar, om pengar og menneskelege ressursar. Men kunstig intelligens er ein del av helsevesenet allereie. Det kan ventast å få ei stadig større rolle framover. Så er spørsmålet korleis vi skal bruke teknologien på ein god måte, seier ho.
-ANNONSE-
For mer informasjon om: Hjertebrett
Snakkar om ein revolusjon
Bærum sjukehus er eit døme (vestreviken.no). I fjor tok dei i bruk ein kunstig intelligens-applikasjon for tolking av røntgenbilete.
Når pasientar med mistanke om brot kjem til sjukehuset, blir det teke røntgenbilete. Bileta blir handsama og tolka av kunstig intelligens. I løpet av få minutt er svaret klart.
Ein kan nesten snakke om ein revolusjon innan diagnostikk. Det å gå frå å bruke veldig mykje energi og ressursar på å tolke bilete, samanlikna med å bruke det som maskinen har funne som ledd i diagnostikk. Det frigjer mykje tid.
Tomasetti har òg store forventningar til bruken av kunstig intelligens i helsevesenet.
Sjølvsagt er det mange utfordringar på vegen, men det er også mykje potensial. Slik eg ser det, passar metodar innan kunstig intelligens perfekt til helsesektoren. Men vi må tillate legen si eiga tolking og forklaring av resultata, seier Tomasetti.
Han seier vidare at legane framleis må sjå pasienten med eigne auge. Nye verktøy kan truleg gjere arbeidskvardagen enklare og bidra til betra diagnostikk og behandling.
Referansar:
Liv Jorunn Høllesli: Stroke Mimics and In Depth Analysis of Computed Tomography Perfusion in Patients with Acute Ischemic Stroke. Doktoravhandling ved Universitetet i Stavanger, 2024. Samandrag.
Luca Tomasetti: Automatic AI-Driven segmentation of Acute Ischemic Stroke Regions with CT Perfusion Images. Doktoravhandling ved Universitetet i Stavanger, 2023. Samandrag.