Hjertecentret på Rigshospitalet og DTU Compute skal sammen ved hjælp af et unikt dansk datasæt med patientundersøgelser indsamlet gennem mere end 10 år undersøge, om kunstig intelligens (AI) kan afsløre nye og hidtil ukendte tegn på hjertekar-sygdommene hjertestop og stroke.  Her læge i Hjertecentret på Rigshospitalet Klaus Fuglsang Kofoed og lektor Rasmus R. Paulsen fra forskningssektionen Visual Computing på DTU Compute. Foto: Rigshospitalet.

AI-projekt undersøger risikoen for hjertestop og stroke

Medicin og medicoteknik Matematik Informationsteknologi Billedanalyse

DTU og Rigshospitalet lader kunstig intelligens gennemgå unikke patientdata for at finde nye måder at forudse og forebygge hjertekar-sygdomme.

I Danmark dør omkring 12.000 mennesker hvert år af hjertekar-sygdomme. Det svarer til, at hver fjerde dansker dør af en hjertekar-sygdom, og det er den næstmest udbredte dødsårsag. Hjertekar-sygdomme som f.eks. blodprop i hjernen (stroke) er samtidig blandt de mest invaliderende sygdomme, og sygdommene er svære at forudsige.

I projektet ARTICHOKE STUDY - støttet af Novo Nordisk Fonden - vil Rigshospitalet og DTU undersøge, om kunstig intelligens (AI) kan afsløre nye og hidtil ukendte, tegn på hjertekar-sygdomme som forårsager hjertestop og stroke.

”Det er to alvorlige sygdomme, som man godt kan gøre noget ved, men det er bare rigtig svært at finde ud af, hvem der er i risikogruppen. Så projektet har potentiale til at kunne hjælpe en stor patientgruppe ved at kunne forudsige og dermed forebygge hjertekar-sygdomme, og det vil være et vigtigt bidrag til DTU’s vision om ingeniørvidenskab til gavn for mennesker,” siger lektor Rasmus R. Paulsen fra forskningssektionen Visual Computing på DTU Compute.

I projektet vil ingeniørerne og lægerne sidde sammen skiftevis på Rigshospitalet og DTU for at holde skarpt fokus på værdien af forskningen, forklarer Klaus Fuglsang Kofoed, der er læge i Hjertecentret på Rigshospitalet:

”Sundhedsvæsenet er meget optaget af, om AI er en reel og pragmatisk, stærk medspiller, eller - om jeg så må sige - bare er en ny dims, som ikke rigtig flytter noget. Meget AI fortaber sig i mellemregninger, men de må aldrig skygge for måleparametre som sygelighed og dødelighed, for bliver det bedre af, at vi bruger AI? Vi skal have en kritisk tilgang til, hvordan vi bruger AI, så de investerede ressourcer faktisk ender med at forbedre patientbehandlingen. Jeg er selv meget begejstret for AI og håber, at projektet viser, at det er umagen værd, og at det er den vej, at vi skal gå.”

Hjertets form og udseende sættes på formel

I projektet anvender Rigshospitalet og DTU 12.000 CT-hjerteskanninger fra den helt unikke, danske befolkningsundersøgelse Herlev/Østerbroundersøgelsen, hvor man kender patienternes sygdomshistorie over en 10-årig periode. Man ved, hvem der har fået netop de to sygdomme – hjertestop og stroke - og derfor kan man gå tilbage og se, hvordan patientens hjerte så ud før en af de to sygdomme opstod.

"Så projektet har potentiale til at kunne hjælpe en stor patientgruppe ved at kunne forudsige og dermed forebygge hjertekar-sygdomme, og det vil være et vigtigt bidrag til DTU’s vision om ingeniørvidenskab til gavn for mennesker."
Lektor Rasmus R. Paulsen fra forskningssektionen Visual Computing på DTU Compute

Forskerne udvikler først AI-baserede algoritmer, som gør den kunstige intelligens i stand til at genkende hjertets forskellige delelementer på CT-skanninger.

Risikoen for hjertedød håber man at kunne finde et mønster for ved at undersøge både formen og udseendet af muskelvævet i hjertet (myokardiet), sidstnævnt ved at se på CT-billedets gråtone-variation inde i selve musklen. Eftersom lægerne ikke er helt sikre på, hvordan en syg og en rask muskel ser ud på et CT-billede, skal algoritmerne lave en systemetisk beskrivelse af, hvordan musklen ser ud og koble det til patientens helbredssituation, så man i sidste ende kan bruge den viden til at lave en patientspecifik risikovurdering.

Risikoen for stroke hænger tæt sammen med hjertestop, fordi blodpropper i hjernen starter i hjertet, formentlig i auriklet, der er en slags blindtarm i venstre forkammer. Hvis patienter får hjerteflimmer (atrieflimmer), ryster hjertet, og så kan blodpropperne ryste sig løs og bevæge sig op i hjernen. Auriklet kan f.eks. ligne et blomkål eller en kyllingevinge. Lægerne mener, at aurikler, der ligner blomkål, har større risiko for at danne blodpropper i den komplicerede masse, som blodet kan sidde stille indeni end i aurikler, der ligner glatte kyllingevinger. Den tese skal AI-modellen også undersøge nærmere.

Proof of concept

Hvis projektet lykkes vil lægerne kunne anvende den nye viden og bruge CT-skanninger til at lave hjertediagnostik, for modsat tidligere giver moderne CT-skanninger kun lidt stråling, så man kan godt bruge det som klinisk screeningsværktøj, uden at man påfører folk en kræftrisiko.

”Kunstig intelligens er endnu meget langt væk fra de kliniske hverdagsmetoder, når vi håndterer patienter. Men AI er - som en slags computer-assisteret systematisk mønstergenkendelse - meget bedre end det menneskelige øje til at lave billedanalyser og kan automatisk måle mindre strukturer i hjertet. Hvis vi får opfyldt vores visioner, så kan vi i nær fremtid CT-skanne en patient og bruge AI til meget mere præcist at udtale os om en mulig helbredsrisiko og dermed også give en mere meningsfyldt vejledning til patienten om at gennemgå en livsstilsændring, at modtage behandling eller andet,” siger Klaus Fuglsang Kofoed.

På DTU Compute håber man, at forskningen munder ud i et proof of concept, hvor man gennem videnskabelige artikler i store tidsskrifter kan komme med en god tommestok til at måle risikoen.

Senere kan det måske implementeres i en national guideline til vurdering af risiko for blodprop i hjernen, så det indgår sammen med andre patientdata f.eks. blodtryk i en helhedsvurdering af, om patienten skal tilbydes forebyggende behandling.

”Inden for AI er der de seneste år sket en utrolig udvikling inden for billedanalyse. Med avancerede algoritmer kan vi i dag udtrække meget mere information fra billeder end tidligere til at forudsige alvorlige sygdomme. Algoritmerne kræver højkvalitetsdata, hvor man kender patienthistorik. Derfor er datasættet helt unikt, for som forsker får man sjældent adgang til så mange relevante patientdata,” siger Rasmus R. Paulsen.

Projektet bygger ovenpå tidligere samarbejder, og bevillingen fra Novo Nordisk Fonden gør det muligt for partnerne at intensivere udviklingen på området.

Vi er meget taknemmelige for, at Novo Nordisk Fonden støtter udbygningen af samarbejdet mellem Rigshospitalet og DTU. En vigtig del af processen er at forene to meget forskellige miljøer. Min erfaring er, at et forskningsmiljø er en skrøbelig plante, og at det er super vigtigt at få det til at køre godt. Og når først det kører, er der ingen grænse for, hvad der kan komme ud af samarbejdet,” siger Klaus Fuglsang Kofoed. 

Hjertecentret på Rigshospitalet og DTU Compute skal sammen ved hjælp af et unikt dansk datasæt med patientundersøgelser indsamlet gennem mere end 10 år undersøge, om kunstig intelligens (AI) kan afsløre nye og hidtil ukendte tegn på hjertekar-sygdommene hjertestop og stroke.  Her læge i Hjertecentret på Rigshospitalet Klaus Fuglsang Kofoed og lektor Rasmus R. Paulsen fra forskningssektionen Visual Computing på DTU Compute. Foto: Rigshospitalet.  

Herlev/Østerbroundersøgelsen

  • Datasættet, som anvendes i projektet, er fra Herlev/ØsterbroundersøgelsenThe Copenhagen General Population Study. Det er en befolkningsundersøgelse, hvor man siden 2003 har opsamlet data fra patienter, der er blevet undersøgt for forskellige sygdomme.
  • Datasættet indeholder over 12.000 hjerteskanninger, hvor man kender patienternes sygdomshistorie over en 10-årig periode. Man ved, hvem der har fået de to sygdomme - blodprop i hjernen (stroke) og hjertestop - som man kigger på i projektet. På den måde kan man gå tilbage og se, hvordan patientens hjerte så ud før en af de to sygdomme opstod.
  • Ved at lade kunstig intelligens gennemgå CT-skanningerne, kan man kortlægge mønstret for, hvornår en patient har særlig risiko for at blive ramt af de to sygdomme.
  • Rigshospitalet har allerede indsamlet alle nødvendige data fra skannede personer, og gennem projektet bliver data opdateret yderligere med klinisk opfølgning for patienterne.