Forestil dig et digitalt værktøj, der gør det muligt at analysere 12.000 MR-scanningsbilleder på 20 minutter, frem for selv at skulle bruge godt et år på langsomt at kigge dem igennem.
Det er måske virkeligheden for danske læger og radiologer, der ved hjælp af kunstig intelligens kan få automatiseret processen med at registrere læsioner, altså betændte områder, i hjernen. Og det interessante for sclerosepatienter er, at netop læsionerne er essentielle i forhold til at kunne forudsige sygdomsforværringer hos mennesker med sclerose.
”Når en MS-patient ved første symptom kommer ind til en MR-scanning, så skal algoritmen ud fra en analyse af læsionen i hjernen udregne risikoen for udviklingen af en sygdomsforværring inden for to år,” siger Amalie Monberg.
Hun er uddannet ingeniør og ph.d.-studerende ved Afdeling for Klinisk Fysiologi og Nuklearmedicin på Diagnostisk Center, Rigshospitalet.
Amalies algoritmer
Amalie sidder i en forskergruppe støttet af Scleroseforeningen, som arbejder med implementering af kunstig intelligens i den kliniske arbejdsgang i det danske sygehusvæsen.
I april 2020 begyndte hun på sit ph.d.-projekt, der handler om udviklingen af algoritmer, der skal spotte læsioner i hjernen ud fra MR-scanningsbilleder.
”Læsioner er områder, der er blevet angrebet inde i hjernen af kroppens eget immunforsvar. De her læsioner kan observeres som hvide områder på magnetisk resonans-scanninger (MR) og er vigtige i forhold til at diagnosticere, men også når man skal monitorere sygdommen,” forklarer hun.
Amalie er i øjeblikket i fuld gang med det helt store kodnings- og programmeringsarbejde med sin algoritme, der bygger på store datasæt fra rutineundersøgelser af en masse patienter på Dansk Multipel Sklerose Centers klinik, Skleroseklinikken, på Rigshospitalet Glostrup.
Skræddersyet behandling
Algoritmen skal skabe et print af en 3D-maske, der nemt markerer det område på MR-scanningsbilledet, hvor der er tegn på læsioner. Den gør det muligt at tælle antallet af læsioner, overvåge udviklingen over tid og vil altså i sidste ende kunne bruges til at komme sygdomsudviklingen i forkøbet, forklarer Amalie.
”Kunstig intelligens kan ved at analysere og forstå en hel masse behandlingsforløb på samme tid hjælpe lægerne med hurtigst muligt at vurdere, hvilken type behandling eller rehabilitering der er brug for.”
Der findes allerede andre metoder, hvor man segmenterer eller indtegner områder på MR-scanningsbilleder for at kunne bruge det til et diagnostisk formål, for eksempel når man skal opdage tumorer.
Hvad er udfordringerne?
Men det svære ved at benytte sig af metoden i forbindelse med sclerose er, at læsionerne i hjernen ikke er homogene, men i stedet er små og diffuse og sidder mange forskellige steder.
”Derfor skal vi vise algoritmen nok eksempler til, at den lærer, at de forskellige variationer af læsioner stadig er det samme fænomen, som den kigger på,” siger Amalie.
En anden udfordring ved at udvikle algoritmer til billeddiagnostik i hospitalsverdenen er, at MR-scannere ofte bliver opdateret eller udskiftet, så scanningsbillederne hurtigt bliver forældede.
Men Amalie og forskergruppen forventer at have udviklet en robust algoritme til foråret, og så skal den selvfølgelig igennem en klinisk valideringsproces.
”Vi tester i samarbejde med radiologer og neurologer på afdelingen, hvor robust algoritmen er. Hvor godt den virker, og hvordan den indgår i det kliniske system. Hvis alt går godt, vil implementeringsprocessen starte i løbet af næste år.”
Hvad er demyelinisering?
Når man får MS, sker der en nedbrydelse af aksonerne, de nervetråde, der sender impulser ud, og nervebanerne inde i hjernen. Det kaldes for en demyelinisering, og den gør, at nerveimpulserne ledes langsommere, fordi myelinet, et meget vigtigt fedtstof, nedbrydes. Det skaber læsioner i hjernen.
