Afprøver om kunstig intelligens kan forudsige risiko for hjertestop og stroke

Rigshospitalet og DTU undersøger i et samarbejde, om kunstig intelligens (AI) kan afsløre nye og hidtil ukendte tegn på hjerte-kar-sygdomme, som forårsager hjertestop og stroke. Forhåbningen er, at det i fremtiden kan føre til nye måder at forudse og forebygge hjerte-kar-sygdomme.

Ingeniører fra DTU og læger fra Rigshospitalet samarbejdet tæt omkring projektet ARTICHOKE STUDY og holder i det et skarpt fokus på værdien af forskningen, forklarer Klaus Fuglsang Kofoed, der er læge i Hjertecentret på Rigshospitalet:

”Sundhedsvæsenet er meget optaget af, om AI er en reel og pragmatisk, stærk medspiller, eller – om jeg så må sige – bare er en ny dims, som ikke rigtig flytter noget. Meget AI fortaber sig imellemregninger, men de må aldrig skygge for måleparametre som sygelighed og dødelighed, forbliver det bedre af, at vi bruger AI? Vi skal have en kritisk tilgang til, hvordan vi bruger AI, så de investerede ressourcer faktisk ender med at forbedre patientbehandlingen. Jeg er selv meget begejstret for AI og håber, at projektet viser, at det er umagen værd, og at det er den vej, at vi skal gå.”

Hjertets form sættes på formel

I ARTICHOKE-projektet anvender Rigshospitalet og DTU 12.000 CT-hjerteskanninger fra Herlev/Østerbroundersøgelsen, hvor man kender patienternes sygdomshistorie over en tiårig periode. Man ved, hvem der har fået netop de to sygdomme – hjertestop og stroke - og derfor kan man gå tilbage og se, hvordan patientens hjerte så ud før en af de to sygdomme opstod.

Forskerne udvikler først AI-baserede algoritmer, som gør den kunstige intelligens i stand til at genkende hjertets forskellige delelementer på CT-scanninger. Man håber at kunne finde et mønster for ved at undersøge både formen og udseendet af muskelvævet i myokardiet ved at se på CT-billedets gråtone-variation inde i selve musklen. Eftersom lægerne ikke er helt sikre på, hvordan en syg og en rask muskel ser ud på et CT-billede, skal algoritmerne lave en systemetisk beskrivelse af, hvordan musklen ser ud og koble det til patientens helbredssituation, så man i sidste ende kan bruge den viden til at lave en patientspecifik risikovurdering.

Systematisk mønstergenkendelse

Hvis projektet lykkes vil lægerne kunne anvende den nye viden og bruge CT-skanninger til at foretage hjertediagnostik, for modsat tidligere giver moderne CT-skanninger kun lidt stråling, så man kan godt bruge det som klinisk screeningsværktøj, uden at man påfører folk en kræftrisiko.

”Kunstig intelligens er endnu meget langt væk fra de kliniske hverdagsmetoder, når vi håndterer patienter. Men AI er - som en slags computer-assisteret systematisk mønstergenkendelse - meget bedre end det menneskelige øje til at lave billedanalyser og kan automatisk måle mindre strukturer i hjertet. Hvis vi får opfyldt vores visioner, så kan vi i nær fremtid CT-scanne en patient og bruge AI til meget mere præcist at udtale os om en mulig helbredsrisiko og dermed også give en mere meningsfyldt vejledning til patienten om at gennemgå en livsstilsændring, at modtage behandling eller andet,” siger Klaus Fuglsang Kofoed.

En god tommestok

På DTU Compute håber man, at forskningen munder ud i et proof of concept, hvor man gennem videnskabelige artikler i store tidsskrifter kan komme med en god tommestok til at måle risikoen. Senere kan det måske implementeres i en national guideline til vurdering af risiko for blodprop i hjernen, så det indgår sammen med andre patientdata f.eks. blodtryk i en helhedsvurdering af, om patienten skal tilbydes forebyggende behandling.

”Inden for AI er der de seneste år sket en utrolig udvikling inden for billedanalyse. Med avancerede algoritmer kan vi i dag udtrække meget mere information fra billeder end tidligere til at forudsige alvorlige sygdomme. Algoritmerne kræver højkvalitetsdata, hvor man kender patienthistorik. Derfor er datasættet helt unikt, for som forsker får man sjældent adgang til så mange relevante patientdata,” siger Rasmus R. Paulsen, som er lektor ved forskningssektionen Visual Computing på DTU Compute.