Radiologer lär algoritm analysera hjärtbilder
Den unika forskningsstudien SCAPIS blir utgångspunkt för ett av de första projekten inom Life Science att genomföras på samverkansplattformen AI Innovation of Sweden. I ett första steg ska datorerna lära sig analysera hjärtbilder tagna av datortomograf, och det är radiologer på Sahlgrenska Universitetssjukhuset som står för facit.
AI Innovation of Sweden, som nyligen invigdes på Lindholmen Science Park, ska bli en ny ledande miljö för samarbeten inom artificiell intelligens. Vinnova står för en stor del av finansieringen, och i satsningen ingår över 40 olika partners, bland andra Västra Götalandsregionen, Chalmers och Göteborgs universitet. Life Science är ett av fyra stora forskningsområden som ingår i satsningen, och som ett första pilotprojekt är det alltså SCAPIS som öppnar dörren för de projekt som sedan ska följa.
Komplexa datamängder
Inom SCAPIS har enorma mängder data om 30 000 personer samlats in vid sex universitetssjukhus i Sverige, där varje studiedeltagare kartlagts med olika prover och undersökningar och även fått svara på en mängd frågor i enkäter. De analyser som påbörjats av materialet ska ge svar på varför sjukdomar som stroke, KOL, plötsligt hjärtstopp och hjärtinfarkt uppstår, varför vissa får dem och andra inte, och hur man kan förhindra att de uppstår.
– Artificiell intelligens ger oss ett nytt redskap att hantera en så här stor datamängd. Med kraften från de algoritmer som utvecklas med maskininlärning är det möjligt att väga in många variabler samtidigt, vilket gör att vi kan titta på komplexa datamängder på ett helt nytt sätt jämfört med mer traditionella statistiska metoder, säger Göran Bergström (bilden till vänster), professor vid Sahlgrenska akademin och överläkare på Sahlgrenska Universitetssjukhuset, och den som leder den nationella forskningsstudien SCAPIS, som genomförs med finansiering från Hjärt-Lungfonden.
Lär sig analyser bilder av hjärta
SCAPIS har identifierat tre olika delprojekt som passar att genomföra inom AI Innovation of Sweden. I det första projektet ska algoritmerna lära sig analysera bilder av hjärta, tagna med datortomograf, där avbildningen av hjärtats kärl prioriteras eftersom det inte finns något AI-beslutsstöd för dessa bilder i världen.
– För en tränad radiolog tar det en timme att analysera en hjärt-CT-undersökning. I vårt material har vi ju 30 000 bilder, och vi kan därför spara mycket tid på vi kan få stöd av AI i dessa analyser, konstaterar Göran Bergström.
I projektet ska ett helautomatiskt analysverktyg utvecklas, där en AI-modell matas med bildinformation och samtidigt som den får facit för om det avbildade hjärtat är friskt eller om det finns tecken på sjukliga förändringar.
– Facit kommer från duktiga radiologer på Sahlgrenska Universitetssjukhuset, som på bilderna markerar vad som är normal hjärtvävnad, om bilden innehåller något som bör undersökas mer noga eller om den visar på sjukliga förändringar. Till att börja med skapar radiologerna 80 facitbilder, och sedan testar programmerarna hur bra algoritmen lärt sig. Radiologerna fortsätter att mata algoritmen med korrekta bildanalyser tills vi är nöjda med algoritmens nivå, förklarar Göran Bergström.
Konsekventa analyser
Det är den framtida praktiska tillämpningen som står i fokus för de projekt som genomförs inom AI Innovation of Sweden. När algoritmen blivit duktig på att analysera bilderna kan de bli ett bra beslutsstöd för radiologer, och de kommer minska risken för misstag.
– Om man låter tjugo duktiga radiologer analysera samma bildmaterial kommer de till viss del att göra olika bedömningar. Människans förmåga att analyser bilder är i mycket unik men påverkas av trötthet, hunger eller dagsform, men de tränade nätverken levererar alltid samma resultat. Med stöd av AI kommer vi få snabbare och mer konsekvent bedömning av bilderna, tror Göran Bergström, och tillägger att radiologerna sedan kan fokusera på de mer svårtolkade bilder där algoritmen går bet.
Även Jan Kilhamn (bilden till vänster), som är FoU-chef hälso- och sjukvård inom Västra Götalandsregionen, håller med om att projektet kan förbättra förebyggande, upptäckt och behandling av hjärtkärlsjukdom:
– Den utvidgade analys som nu görs med AI kring röntgenbilder av hjärtan kan förhoppningsvis bidra till att tydligare och tidigare identifiera riskpatienter, och även ge ledning kring vilken som är den bästa behandlingen för specifika patientgrupper, säger han.
Klusteranalys och prediktion
Forskare inom SCAPIS planerar för ytterligare två AI-projekt, som dock inte ska köras på plattformen AI Innovations of Sweden.: Det ena projektet handlar om sjukdomsprediktion och det andra fokuserar på en ny diagnostik med klusteranalyser. Det projektet ska oleda till ett verktyg som kan gruppera olika faktorer som kännetecknar personer med risk för olika sjukdomar.
– När det gäller diabetes delar vi dag in den sjukdomen i två typer, typ 1 och typ 2. Nyligen föreslog forskare i Lund att det kanske istället rör sig om fem olika typer av diabetes. Det är ett exempel där jag tror att data från SCAPIS med hjälp av klusteranalys skulle kunna hjälpa till, säger Göran Bergström.
Sjukdomspredikation, som också är SCAPIS viktigaste mål, handlar om att kunna förutsäga vem som kommer att bli sjuk i framtiden. AI kan förutsättningslöst väga samman många variabler som förhoppningsvis kan förbättra de prediktionsmodeller som finns idag.
– Dagens riskmodeller är ganska dåliga. Genom att lägga till omics-data och kombinera med nya markörer och bilddata kan vi få en bättre bild av vilka grupper vi bör intervenera mot, säger Göran Bergström.
ÄVEN FOTO: ELIN LINDSTRÖM CLAESSEN