Content area

|

Kunstig intelligens skal beskrive røntgenbilleder af knæ

Sundhedsvæsenet oversvømmes af data i disse år. Et eksempel er antallet af billeddiagnostiske undersøgelser, som hele tiden stiger og gør det svært for radiologer at følge med. Men nu skal det løses med kunstig intelligens. Et nyt projekt lader en algoritme beskrive graden af artrose på røntgenbilleder af knæ.
Røntgenbillede af knæ med slidgigt taget bagfra. Grafisk tilføjes det eksisterende originalbillede pile og streger for at fremhæve de relevante sygdomstegn. Ved hjælp af algoritmen kan man automatisk beskrive graden af slidgigt på røntgenundersøgelsen af knæ på samme høje niveau, som en erfaren radiolog. Visionen er, at teknologien med signaturprojektet bliver rullet ud til alle regionens hospitaler.
Forfatter(e)
Line Felholt kontaktlinef@gmail.com

Det er egentlig radiologernes job at beskrive, hvad de ser på røntgenbillederne, og sende diagnosen tilbage til den læge, der har med patienten at gøre. Men sådan er det sjældnere og sjældnere i dag, især når det gælder indikationen artrose. For radiologerne har ikke tid.

»Vi drukner i data«, siger professor Mikael Ploug Boesen fra Røntgenafdelingen på Bispebjerg og Frederiksberg Hospital.

Siden 2010 er antallet af diagnostiske undersøgelser pr. patient øget med 10-15 procent årligt, og der er »kun« uddannet 2-4 procent flere radiologer. I samme periode er mængden af data pr. skanning fordoblet hvert andet år for samme undersøgelser, der skal beskrives. Radiologerne bruger derfor kortere og kortere tid på at kigge på billederne, selvom litteraturen viser, at fejlraten stiger med 16-17 procent, hvis man halverer tiden til at kigge på billederne.

»Trykket stiger i tønden, og gør vi ikke noget ved det, så eksploderer den«, siger Mikael Ploug Boesen.

Resultatet af den øgede datamængde er ifølge professoren, at radiologiske afdelinger:

»Mange steder har forladt at beskrive røntgenbillederne for blandt andet knæartrose på grund af tidspres«.

I stedet er det blevet kutyme, at andre specialer tager sig af at vurdere graden af artrose på de billeder, de modtager fra de radiologiske afdelinger. Det kan de langt hen ad vejen godt finde ud af, mener Mikael Ploug Boesen. Men det giver stor variation i fortolkningerne. Derfor skal der findes en løsning.

Den kan blive AI.

»Med det nye projekt vil vi undersøge, om vi kan implementere en ensartet analyse og beskrivelse af røntgenbilleder af knæ for slidgigt ved hjælp af kunstig intelligens (AI). Håbet er, at vi dermed kan give en mere ensartet behandling, og samtidig nedbringe forbruget af unødvendige skanninger og udredningsforløb i specialambulatorier, som anbefalet i nationale kliniske retningslinjer for knæartrose«, siger Mikael Ploug Boesen.

Et hjælperedskab

Det nye projekt hedder AI-KOA. Det er en del af en helt ny satsning på røntgenområdet, nemlig Radiologisk Artificiel Intelligens Testcenter (RAIT, www.rait.dk). Centeret skal vise vejen for brugen af kunstig intelligens i den kliniske radiologiske praksis og er et samarbejde mellem Herlev og Gentofte Hospital og Bispebjerg og Frederiksberg Hospital.

RAIT er blandt andet ramme om to konkrete projekter, der er indstillet af Digitaliseringsstyrelsen til at komme på Finansloven 2021. I projekterne undersøges det, hvordan kunstig intelligens kan hjælpe læger ved at analysere og tolke røntgenbilleder af henholdsvis knæ og lunger. I AI-KOA-projektet er fokus på knæ. Her vil man bruge en danskudviklet algoritme fra startupfirmaet Radiobotics til at analysere røntgenbilleder og beskrive graden af artrose på samme høje niveau, som en erfaren radiolog gør. Det er meningen, at teknologien på sigt skal rulles ud til alle Region Hovedstadens hospitaler.

Men Mikael Ploug Boesen forsikrer om, at der ikke er tale om at tage arbejdet fra radiologerne.

»Det er en teknologi, vi lægger oven i alt det velkendte. Det handler ikke om at tage noget væk, men at tilføje et hjælperedskab. Radiologi er ikke matematik med ét facit. Det er en kunstart, hvor billederne skal fortolkes. Vi skal i høj grad stadig bruge erfarne mennesker til at analysere og fortolke relevante og tiltagende komplekse billeder, som AI-algoritmer på ingen måde kan matche. Men forhåbentlig kan vi bruge algoritmen til at skære tidsforbruget for nogle af de mange billeder fra. Tid, som herefter kan reinvesteres i mere komplekse problemstillinger«, siger Mikael Ploug Boesen.

Lavthængende frugter

Potentialet i de to projekter i det nye RAIT-samarbejde er stort. I projektet, hvor man vil bruge kunstig intelligens til at tolke røntgenbilleder af brystkassen, skønnes det, at 20-40 procent af de cirka 700.000 billeder, der tages af lunger hvert år på landsplan, ender med at få en »normal«- eller »uændret kroniske forandringer«-diagnose. Visionen er, at man på sigt kan bruge AI-algoritmerne til at sortere de »normale« røntgenbilleder fra.

»Så det er de meget lavthængende frugter, vi vil høste med den nye teknologi«, understreger Mikael Ploug Boesen.

Der er generelt et stort fokus på indførelse af kunstig intelligens i sundhedsvæsenet. Skal det for alvor lykkes, kræver det samarbejde på tværs af afdelinger, hospitaler og regioner. Det er ifølge Mikael Ploug Boesen afgørende at lægge en masse erfaringer og kompetencer sammen, hvis kunstig intelligens for alvor skal tages i brug på hospitalerne. Etableringen af det nye samarbejde i RAIT er et resultat af den erkendelse.

Når testcenteret får lov at ligge på røntgenområdet, har der flere årsager. Dels at frugterne hænger meget lavt på det pressede radiologiområde, dels at radiologien i forvejen er et af de områder, hvor man længst har benyttet sig af digitale værktøjer.

»Vi skal starte der, hvor vi laver rigtig mange undersøgelser, og hvor risikoen er meget lille for, at det får store konsekvenser. Artrose har i dag ingen kurativ behandling ud over symptomlindring ved hjælp af medicin, vægttab og fysioterapi, inden man er kandidat til et nyt knæ. Derfor er det et godt sted at teste en ny teknologi med potentielt store gevinster. Havde det været kræft, var det en anden sag«, siger Mikael Ploug Boesen.

Knæalgoritmen

AI-KOA-projektet benytter sig af en algoritme, der tilføjer pile og streger i farver til røntgenbilleder (secondary capture) for at fremhæve de relevante sygdomstegn. Disse kan ses ved siden af originalbilledet. Algoritmen genererer automatisk en beskrivelseskladde i røntgenafdelingens PACS-system, som en radiolog eller beskrivende radiograf skal acceptere, og på den måde spares der beskrivertid. Når erfaringen med produktet er blevet større, er målet, at det skal foregå fuldautomatisk, ligesom man i dag også bruger en fuldautomatisk algoritme til vurdering af alderen på børn og teenagere ved hjælp af en analyse af knogleforbeningen i hånd- og fingerknogler på venstre hånd. Den aktuelle version af algoritmen er allerede installeret og testet på Røntgenafdelingen, Bispebjerg og Frederiksberg Hospital, som led i EUROSTAR-projektet X-AID.

Blad nummer: 

Right side

af Henning Bagger | 21/10
1 Kommentar
af Jens Meyer Svendsen | 21/10
2 kommentarer
af Sven Refslund Poulsen | 16/10
1 Kommentar
af Jens Ole Mathiesen | 16/10
1 Kommentar
af Gunnar Lauge Nielsen | 13/10
1 Kommentar
af Morten Krogh Jensen | 13/10
11 kommentarer
af Frank Østergaard Hansen | 12/10
1 Kommentar