Titusindvis af scanninger: AI skal spotte åreforkalkning, før den bliver til blodpropper

Åndenød. Trykken for brystet. Smerter, der stråler ud i armen. Eller måske… ingenting? Nogle mennesker mærker symptomerne, før blodproppen pludselig rammer. Andre gør ikke. Fælles for dem er, at åreforkalkning kan udvikle sig i det skjulte i årevis, uden at sygdommen bliver opdaget i tide. 

Det vil danske forskere forsøge at ændre med projektet Nordic Collaboration on AI and Cardiac Imaging, som har nået en vigtig milepæl: Omkring halvdelen af de planlagte 100.000 hjerte-CT-scanninger er indsamlet, og det betyder, at forskerne kan begynde at træne kunstig intelligens til at identificere og måle åreforkalkning.

Målet er at udvikle et beslutningsstøtteværktøj, som kan hjælpe læger med at opdage patienter med øget risiko for alvorlig hjertesygdom tidligere og gøre vurderingerne mere ensartede på tværs af hospitaler og læger.

"Vi kan allerede se meget på en CT-scanning, men hvis kunstig intelligens kan hjælpe os med at måle præcist, hvor meget åreforkalkning en patient har, får vi et langt bedre grundlag for at vurdere, hvem der har behov for yderligere undersøgelser eller forebyggende behandling. Samtidig kan vi mindske de forskelle, der naturligt opstår, når mennesker vurderer de samme billeder," siger Simon Winther, overlæge ved Hjertesygdomme på Regionshospitalet Gødstrup og klinisk professor ved Aarhus Universitet.

Ikke konkurrent til lægerne

Forskerne bygger en af verdens største databaser med hjerte-CT-scanninger fra Danmark, Norge og Sverige. Datamængden spænder fra raske personer til patienter med udbredt åreforkalkning og giver kunstig intelligens mulighed for at lære forskellen mellem raske og syge blodkar.

På sigt er ambitionen, at AI ikke blot skal kunne identificere åreforkalkning, men også hjælpe med at sætte tal på sygdommens omfang og analysere blodgennemstrømningen gennem hjertets kranspulsårer. Det kan give læger et bedre grundlag for at vurdere, hvilke patienter der har størst risiko for at udvikle alvorlig hjertesygdom.

"Det er ikke sikkert, at en patient har behov for behandling her og nu. Men hvis vi kan se, at åreforkalkningen udvikler sig i en retning, der øger risikoen for blodpropper, kan vi sætte tidligere ind og måske forebygge, at sygdommen udvikler sig," siger Simon Winther.

Forskerne forventer samtidig, at teknologien kan frigøre tid i klinikken, så lægerne kan koncentrere sig om de patienter, der kræver de mest komplekse vurderinger.

"AI er ikke en konkurrent til lægerne,” siger Monika Colombo, som er adjunkt ved Institut for Mekanik og Produktion på Aarhus Universitet og projektets koordinator.

Hun fortsætter:

“Tværtimod bygger alle modellerne på den viden og erfaring, som klinikerne bidrager med. Vi bruger kunstig intelligens til at udnytte lægernes tid og ressourcer bedre, så de kan fokusere på de patienter, der har størst behov for en grundig vurdering.”

Fra billeder til viden

Udviklingen inden for kunstig intelligens til medicinsk billedanalyse går stærkt, men forskerne bag projektet mener, at kombinationen af et usædvanligt stort datasæt, avancerede beregningsfaciliteter og et tæt samarbejde mellem læger og ingeniører giver projektet en særlig styrke.

De avancerede beregninger foregår blandt andet på den danske supercomputer Gefion, som gør det muligt at analysere meget store mængder billeddata og gennemføre komplekse simuleringer af blodgennemstrømningen i hjertets kranspulsårer.

Et vigtigt mål er samtidig at gøre resultaterne tilgængelige for andre forskere. AI-modellerne udvikles som open source, så de kan testes, videreudvikles og sammenlignes med andre metoder.

"Vi har en helt unik kombination af et af verdens største datasæt, de nyeste AI-værktøjer og et stærkt tværfagligt samarbejde på tværs af de nordiske lande. Samtidig er det afgørende for os, at modellerne bliver frit tilgængelige for andre forskere. Det giver de bedste muligheder for at udvikle løsninger, som på sigt kan gøre en reel forskel for patienterne," siger Monika Colombo.