Kunstig intelligens til automatiseret hjerteanalyse ud fra magnetisk resonans (MR) skanning

En undersøge af om brugen af kunstig intelligens fører til hurtigere og bedre diagnostik af hjertekarsygdom

  • Kunstig intelligens til automatiseret hjerteanalyse ud fra magnetisk resonans (MR) skanning

Problem
Der er en stigende pres på sundhedsvæsenet og derfor er der behov for innovative løsninger til hjertediagnostik og patient-specifik behandling. Udredningen af hjertekarsygdomme kræver ofte en hjerteskanning i form af en ultralydsskanning og røntgenundersøgelse, og i nogle tilfælde en magnetisk resonans (MR) skanning. Analyse af hjerte MR skanningsbilleder, som består af flere hundrede optagelser, foretages manuelt af en speciallæge og er derfor meget tidskrævende og til dels baseret på en subjektiv vurdering.

Løsning
Kunstig intelligens forventes at kunne bidrage til automatisering samt hurtigere og mere kvantitativ analyse af hjerteskanninger. Kunstig intelligens vil dermed kunne understøtte den kliniske beslutningsproces i fremtidens sundhedssystem, som forventes at kunne levere sundhedsydelser af høj kvalitet til alle borgere. Projektet skal undersøge om brugen af kunstig intelligens i forhold til - og i kombination med - bedste lægefaglige vurdering fører til hurtigere og bedre diagnostik af hjertekarsygdom ud fra magnetisk resonans skanning af hjertet.

Proces

  • Indsamling og klargørelse af hjerte MR data fra patienter
  • Træning af kunstig intelligens til genkendelse af hjertemuskulaturen
  • Analyse af "proof-of-concept"- resultater
  • Volumenberegninger af hjertemuskulaturen baseret på resultater
  • Metodevalidering ved sammenligning med nuværende tidskrævende metode, samt andre automatiserede metoder.
  • Brugerundersøgelse ved 2-3 specialister på hjerteafdelingen

 


År   2020


Kunstig intelligens til automatiseret hjerteanalyse ud fra magnetisk resonans (MR) skanning
Kontakt

Læge, PhD
Rasmus Stilling Tougaard
rstougaard@clin.au.dk
40811383


Udviklingssted
Afdelingen for Hjertesygdomme, Aarhus Universitetshospital
Top