AI skal hjælpe læger i behandlingen af døve

tirsdag 18 jan 22

Kontakt

Paula Lopez Diez
Ph.d.-studerende
DTU Compute

Kontakt

Rasmus Reinhold Paulsen
Lektor
DTU Compute
45 25 34 23

Tema om sundhedsteknologi

Siden 2010 er antallet af ingeniører i sundhedsvæsenet steget med 22 procent, så der i 2019 var 553 ingeniører direkte ansat i sundhedsvæsenet. I et tema om sundhedsteknologi skriver DTU om udviklingen inden for blandt andet medicinsk billedteknologi, kunstig intelligens og sensorer og bærbart udstyr. Teknologi som understøtter lægerne, åbner for hurtigere diagnostik og behandling, og løfter kvaliteten.

Billedanalyse-værktøjer kan effektivisere diagnosticering og planlægning af indoperationen af det avancerede høreapparat cochlearimplantat.

En ud af fem patienter, der har høretab, kraftig hørenedsættelse eller er født døve, har misdannelser i det indre øre. De kan have gavn af at få indopereret et avanceret høreapparat; et cochlearimplantat (CI). Undersøgelserne af det indre øres labyrintiske opbygning foregår med CT-skanninger, og fortolkningen af billederne er meget vanskelig, og det kan forsinke eller helt udelukke behandlingen.

På DTU undersøger ph.d.-studerende Paula López Diez, hvordan man kan anvende kunstig intelligens, AI, til billedanalyser. AI vil gøre det hurtigere for læger at undersøge om et høreimplantat vil egne sig.

”Det er meget motiverende at se, hvilken betydning CI har for patienterne og vide, at min forskning vil kunne bidrage til at hjælpe dem. AI bliver i dag anvendt alle mulige steder og vil blive endnu mere udbredt, fordi det virker. Vi bør prioritere, at AI-forskningen bliver anvendt inden for lægevidenskaben, så diagnosticeringen bliver bedre, og patienterne kan blive behandlet tidligere,” siger Paula López Diez.

Software skal hjælpe ved kompliceret operation
Et cochlearimplantat består af en udvendig og indvendig del. Udvendigt opfanger en lydprocessor, placeret bag øret, lyden, som den digitaliserer og overfører via en sender placeret på kraniet til en implantatmodtager lige under huden. Modtageren omdanner den digitale information til et elektronisk signal, der sendes til en række af elektroder indopereret i øresneglen (Cochlea, på latin). Elektroderne stimulerer hørenerven, så hjernen opfatter lyd.

Selve operationen er kompliceret, fordi lægerne skal bore et hul i kraniet for at indoperere både modtageren og elektroderne, men hvis de rammer en ansigtsnerve, eller en elektrode ligger for tæt på en ansigtsnerve, vil patienten kunne opleve lammelser, tics og smerter. Og hvis elektroden placeres forkert i forhold til misdannelser, virker implantatet ikke. Så det kræver stor præcision, og lægerne har brug for en detaljeret viden om misdannelser i øret.

”Målet er at udvikle et software, som lægerne uploader CT-skanningsbillederne til, og hvor værktøjet automatisk identificerer de forskellige typiske misdannelser i strukturen i det indre øre. Softwaren skal potentielt udvikles til at give en vurdering af, hvorvidt et cochlearimplantat vil kunne virke, og give lægen viden om, hvordan og fra hvilken vinkel en operation kan foretages,” siger Paula López Diez.

"AI bliver i dag anvendt alle mulige steder og vil blive endnu mere udbredt, fordi det virker. Vi bør prioritere, at AI-forskningen bliver anvendt inden for lægevidenskaben, så diagnosticeringen bliver bedre, og patienterne kan blive behandlet tidligere."
Paula López Diez, ph.d.-studerende på DTU Compute

”Mange ørelæger mangler viden om misdannelser i ørerne, fordi der er så få patienter med det. Og ingen misdannelse er ens, så der vil algoritmen også kunne gøre en forskel,” siger hun.

Paula López Diez er ansat i afdelingen Visual Computing på DTU Compute, hvor forskerne er eksperter i at bruge kunstig intelligens som machine learning og deep learning i billedanalyser. Ved hjælp af sin viden om ørets struktur træner Paula sin matematiske model til at identificere særlige kendetegn i CT-skanningsbillederne.

For nyligt udgav hun sit første forskningsresultat sammen med kolleger fra DTU og samarbejdspartneren i ph.d.-projektet, virksomheden Oticon Medical. Resultatet bekræfter, at det ved hjælp af AI er muligt at identificere både hørenerven og ansigtsnerver i skanningsbillederne.

AI træner på data fra russiske patienter
Eftersom der kun er få tilgængelige data på patienter med misdannelser i det indre øre, trækker DTU på data fra Moskva-hospitalet The National Medical Research Center for Otorhinolaryngology of the Federal Medico-Biological Agency of Russia. I forvejen samarbejder Oticon Medical med hospitalets chef, professor Khassan Diab, der er specialist på området.

Det er nyt for DTU-afdelingen at samarbejde med russiske forskningsinstitutioner. Ifølge lektor og ph.d.-vejleder Rasmus Paulsen får DTU her mulighed for at træne de matematiske modeller på et unikt datasæt.

”Det er ekstremt vigtigt at have adgang til data, der afspejler den store variation i patienter med misdannelser i det indre øre, og at få ekspertinput til den optimale kirurgiske procedure for at kunne planlægge operationer. Khassan Diabs forskningscenter dækker et stort geografisk område, og derfor behandler hans klinik mange flere patienter end de fleste andre klinikker. Det er uvurderligt at have adgang til disse data sammen med klinisk relevante parametre som for eksempel de kirurgiske indgreb og resultater af implantatoperationer.”

Til foråret skal Paula López Diez besøge hospitalet i Moskva og opleve lægernes hverdag, og se hvordan de genererer data.

”Jeg er ingeniør og matematiker og arbejder med matematiske modeller og har ikke studeret anatomi. Selvfølgelig har jeg fået en stor viden om øret, men det er altid godt at komme ud og få et bedre indblik i lægernes behov, og hvad der skal til for at vores algoritmer vil kunne hjælpe,” siger Paula López Diez.

Oticon Medical: Innovation for patienterne
Oticon Medical har store forventninger til ph.d.-projektet, der er betalt af William Demant Fonden, forklarer medvejleder François Patou, der som senior translational research manager netop arbejder med at få videnskabelig viden hurtigere i brug i praksis:

”Samarbejdet mellem DTU, professor Diab og Oticon Medical repræsenterer et væsentligt skridt mod en sikrere cochlearimplantat-behandling i de mest udfordrende tilfælde: småbørn født med misdannelser. For Oticon Medical er projektet et springbræt til brugen af automatiserede billedanalyser ved CI-behandling, og det støtter virksomhedens målsætning om at lade innovation komme alle CI-brugere til gode.”

Kunstig intelligens, machine learning og deep learning

  • Når computerprogrammer kan gøre noget ’smart’, kaldes det kunstig intelligens – ofte bare AI, som er en forkortelse af Artificiel Intelligence. Kunstig intelligens er dermed et samlet begreb, der dækker over flere metoder.
  • En af metoderne er machine learning, og den nyeste og mest avancerede brug af machine learning kaldes deep learning.
  • Deep learning er baseret på neurale netværk, som er en matematisk model, hvor modellen selv ud fra et givet datasæt og uden direkte programmering kan lære at klassificere f.eks. billeder. Fordi man anvender data, kaldes det for en datadreven model.
  • Gennem en træningsproces bliver det neurale netværk præsenteret for data/billeder i et træningssæt (her cirka 70 patienter fra the National Medical Research Center for Otorhinolaryngology i Moskva), og skal forsøge at klassificere hver enkelt billede.
  • Ved at sammenligne outputtet fra netværket med ”ground truth” (diagnoserne fra Moskva-hospitalet) får modellen mulighed for at forbedre klassifikationen af de billeder, der er forkerte.
  • Ved hjælp af de mange gentagelser lærer netværket hvilke mønstre i data, der kan bruges til at klassificere billederne korrekt.
  • Når modellen er trænet, testes den på ukendte data (her 30 patienter fra Moskva-hospitalet), så man sikrer, at modellen virker.

Nyheder og filtrering

Få besked om fremtidige nyheder, der matcher din filtrering.