De seneste halvandet år har radiolog Karen Lind Gandrup kigget på gamle MR-skanninger af patienter, mistænkt for stroke. 1000 for at være mere præcis. Men hun har ikke været alene om det.
For med på sidelinjen har der været en ny algoritme, som har kigget de samme billeder igennem – og oveni det har der efterfølgende været en lægefaglig vurdering i forhold til den kliniske diagnose: Stroke eller ej.
- Inden vi tester algoritmen i klinikken, så skal vi sikre os, at den fungerer. Og vores resultater i valideringen viser, at den kunstige intelligens ramte inden for skiven i en grad, så den kan tages i brug. I første omgang i form af et pilotprojekt, der snart kan gå i gang i Akutmodtagelsen, siger Karen Lind Gandrup, Herlev og Gentofte Hospital.
Tid er afgørende
Helt konkret kobles algoritmen sammen med MR-skanneren, hvor den skal analysere billederne allerede mens patienten er i skanneren, og dermed understøtte personalets prioritering af patienterne, fortæller professor i neurologi Christina Kruuse. Hun er overordnet leder af projektet på Herlev, og ser frem til at teste algoritmen.
- Når vi taler om stroke, så er tid helt afgørende for at holde overlevelsen så høj, og komplikationerne så lave som muligt. Derfor vil et værktøj, som kan hjælpe med at afklare hvilke patienter, der med det samme skal ses, potentielt have stor betydning. Vi skal have de rigtige patienter i de rigtige forløb, og kan teknologien bidrage til at igangsætte udredning og behandling hurtigere, give bedre flow i Akutmodtagelsen og hjælpe med bedre overblik for klinikerne, så gavner det både patienter og hospital, siger Christina Kruuse.
- Men det er vigtigt at understrege, at det er et værktøj, der skal understøtte de beslutninger, som det sundhedsfaglige personale træffer. Det er ikke algoritmen, der diagnosticerer, siger Christina Kruuse.
Hun bakkes op af Karen Lind Gandrup.
- Vi kan bruge det som prioriteringsredskab til hvilke skanninger der skal tages stilling til først, og som faglig støtte. Især til dem der ikke er specialister.
Skal kunne stole på teknologien
Under pilotprojektet vil det vise sig, om systemet gør at patienterne kommer hurtigere til den relevante behandling, og hvordan de forskellige involverede faggrupper håndterer teknologien.
- Én ting er om det teknisk fungerer, men det skal også implementeres på en måde så alle føler de kan stole på den, og er med på at reagere på de resultater maskinen giver, siger Christina Kruuse.
Samme toner lyder fra Malini Sagar, der laver ph.d. på Afd. for Hjerne- og Nervesygdomme, som en del af projektet.
- Derfor er det vigtigt at have de faggrupper med i processen, som skal bruge og kunne stole på den nye teknologi, når vi tester, hvorvidt vi kan bruge et radiologisk AI-produkt som klinikere. Og hvilke praktiske effekter det har på patientforløbet. Vi kigger også på de historiske data, i de tilfælde, hvor AI ikke matcher lægens fund. Hvad kendetegner patienten når det sker, forklarer hun.
Projektet foregår i samarbejde med Datalogisk Institut på Københavns Universitet, Odense Universitetshospital og det private firma Cerebriu.