En AI-algoritm som utvecklats på HUS kan identifiera en hjärnblödning i DT-avbildningar 

Forskarna vid neurokirurgi på Helsingfors universitetssjukhus har deltagit i utvecklingen av en algoritm som är baserad på AI och som effektivt identifierar en subaraknoidalblödning (SAB) i datortomografibilder.  

I undersökningen som publicerades i den ansedda tidskriften Neurology granskades tillämpningen av algoritmen som är baserad på AI vid diagnostiseringen av patienter med hjärnblödning. Man lärde ut AI baserat på material från DT-avbildningar av huvudet. Materialet kommer från patienter som vårdats på HUS. AI-verktygets funktionalitet granskades även i ett mer omfattande internationellt material.  

Patienter som kommer på grund av kraftig huvudvärk genomgår en datortomografiundersökning (DT) för att utesluta kritiska rubbningar i livsfunktioner, såsom hjärnblödning. Identifieringen av orsaken till hjärnblödning är viktig för patientens vård. Om inte hjärnblödningen identifieras i rätt tid dör rentav 75 procent av patienterna som har haft en subaraknoidalblödning i en ny blödning inom ett år.  

“Datortomografiavbildningar av huvudet tillhör de vanligaste bilddiagnostiska undersökningarna under jourtid på sjukhus och  SAB är den vanligaste orsaken till plötslig död till följd av cirkulationsstörning i hjärnan bland personer i arbetsför ålder. AI-algoritmen kan noggrant identifiera en subaraknoidalblödning. AI skulle kunna fungera som hjälpmedel för radiologerna vid tolkningen av bilder genom att avskilja de datortomografiavbildningar som ska prioriteras, berättar docent Miikka Korja, överläkare inom neurokirurgi vid Neurocentrum.   

Diagnosen görs fortfarande av radiologen och besluten om vård fattas av den behandlande läkaren. 

AI-verktyget identifierade korrekt 136 SAB-fall av 137 i ett material med 1 300 DT-avbildningar.  Materialet utgjordes av 49 000 skiktavbildningar i vilka AI identifierade SAB-blödning i 1 845 av 2 110 skiktavbildningar.  

Algoritmen är öppen för användning inom forskarsamhället  

En webbplats har skapats som en del av forskningsartikeln och där kan vem som helst testa algoritmens funktion genom att ladda ner DT-avbildningen på webbplatsen.  

 ”Öppnandet av AI-algoritmen på ett transparent sätt för användning inom forskarsamhället är en betydelsefull reform inom den medicinska bilddiagnostiken och vi anser att ett sådant verksamhetssätt är viktigt när man vidareutvecklar modeller som är baserade på AI för klinisk användning”, berättar den andra av huvudforskarna inom undersökningen, läkare Heikki Peura vid HUS.  

En AI-algoritm som identifierar subaraknoidalblödning har delats ut öppet för vidareutveckling. Forskargruppen har fortsatt i det av HUS koordinerade ekosystemet för företagssamarbete CleverHealth Network för att utveckla algoritmerna för hjärnblödning. och dDet första algoritmpaketet som är avsett för kliniskt bruk identifierar förutom subaraknoidalblödning dessutom andra spontana hjärnblödningar. Den nyligen publicerade algoritmen är en del av algoritmpaketet.  

HUS hoppas på att få det nya algoritmpaketet för klinisk testning under 2023 och i fortsättningen önskar man att få myndighetsgodkännande för att kunna använda algoritmen även i patientarbetet.  
 

Mera information för media: 

Kontaktuppgifter till HUS medietjänst 

Den ursprungliga artikeln i tidskriften Neurology:

Antonios Thanellas, Heikki Peura, Mikko Lavinto et al.
Development and External Validation of a Deep Learning Algorithm to Identify and Localize Subarachnoid Hemorrhage on CT Scans.
Neurology 2022;00:1-10. doi:10.1212/WNL.0000000000201710

Deep Learning Algorithms for Brain Imaging: From "Black Box" to Clinical Toolbox.