Till innehåll på sidan
Till KTH:s startsida

Bildanalys och AI ska rädda fler coronapatienter

En röntgenbild som föreställer ett par lungor. Bilden visar kroppen i genomskärning, förmodligen skiktröntgen. Vyn är endera ovan- eller underifrån. Tre ljusare fält i lungorna, som är mörkare, är markerade med bostäverna A, B och C. Dessa indikerar förtätning av lungvävnaden. En liten, infälld bild i den större bilden, visar en röntgenbild av lungor från höger sida.
Covid-19 har introducerat nya kliniska begrepp. Denna patient uppvisar förekomst av främmande celler som ger en viss förtätning av lungvävnaden (infiltrat) som vanligen ses i olika faser av sjukdomen. A visar "ground glass"-stadiet, glesa infiltrat som ofta ses i början av förloppet. Lite senare brukar det, som vid B, tillkomma ett nätformigt mönster i förtätningarna och detta kallas "carazy paving". Till slut (C) blir delar av infiltraten helt förtätade.

NYHET

Publicerad 2020-05-20

Lungröntgen och datortomografi spelar en stor roll för vården av covid-19-sjuka. Samtidigt är kunskapen om hur röntgenbilderna ska tolkas begränsad. Nu ska forskare och personal från KTH och Karolinska universitetssjukhuset vid forskningscentret Medtechlabs med hjälp av bildanalys och artificiell intelligens utvärdera röntgenbilder för att förbättra vårdsituationen.

Fakta

Bildanalys med AI kan få särskilt stor betydelse för sjukhus med mindre erfarenhet och med mindre högspecialiserad vård. Mjukvaran skall utvecklas och valideras och erfarenheterna kan få betydelse även vid kommande epidemier. I projektet ingår också att följa upp internationella erfarenheter och förmedla dem till vården.

Lungorna är ett av de organ som drabbas hårt av det nya coronaviruset. Parallellt ser sjukvård och forskare att det råder en skillnad mellan vad röntgenbilderna visar och hur patienten faktiskt mår.

Läget blir inte bättre av en intensivvård utsatt för hård belastning där varje läkare är ansvarig för fler patienter än normalt. I detta skede uppstår frågor som "När kan vården fortsätta som tidigare, när behöver den intensifieras?".

– Studier visar att AI kan skilja covid-19 från andra typer av lunginflammation. Vårt mål är att förbättra träffsäkerheten i diagnostiken ytterligare, säger Mats Danielsson, professor i medicinsk bildteknik vid KTH.

Nystartat forskningscentrum ska stötta

Det är med hjälp av en donation som KTH och samarbetspartner fått möjligheten att titta närmare på detta problem. Tillsammans med professor Kevin Smith arbetar Mats Danielsson på det nystartade Medtechlabs som har världsledande kompetens inom medicinska bilder och AI.

Fakta

Mats Danielsson, professor i medicinsk bildteknik vid KTH, berättar att donationer är av stor betydelse för forskningsinsatsen. "Pengarna är jätteavgörande eftersom det vanligtvis är svårt att få loss resurser". Vill du också stötta KTH:s forskning om covid-19? Stöd KTH

Arbetet är en tvåstegsraket.
 
– I steg ett skapar vi en databas med röntgenbilder tillsammans med klinisk data. Informationen kommer från alla de covid-19-patienter som behandlats på Karolinska universitetssjukhuset och blir då tillgänglig för vidare forskningsarbete.

AI tränas i lungdiagnoser

Databasen kommer bland annat att baseras på granskningar av erfarna experter på området, så kallade thoraxradiologer. När databasen är upprättad ska KTH-forskarna påbörja utveckling av AI-mjukvara och algoritmer som kan känna igen olika lungdiagnoser.

– Vi ska träna AI-mjukvaran att upptäcka nya mönster i bilderna som bättre stämmer överens med patientens tillstånd. Vi vill öka träffsäkerheten i patientens prognos inför eventuell överflyttning till intensivvård, men också för att följa måendets förändring från dag till dag. Målet är att AI-utvärdering av röntgenbilderna ska bidra till att den bästa vårdnivån väljs och att behandlingen kan styras mer precist, säger Sven Nyrén, thoraxradiolog på Karolinska universitetssjukhuset.
 
Han tillägger att covid-19 är en helt ny sjukdom att förhålla sig till och utforska. I takt med att läkemedel utvecklas för att behandla den behövs också verktyg för att bedöma hur bra läkemedlen fungerar. Där kommer Mats Danielssons och de andras arbete väl till pass.

Text: Peter Ardell

För mer information, kontakta Mats Danielsson på 070 - 371 06 91 eller md@mi.physics.kth.se.