• No results found

Nu har första patienten bedömts med hjälp av AI

N/A
N/A
Protected

Academic year: 2022

Share "Nu har första patienten bedömts med hjälp av AI"

Copied!
5
0
0

Loading.... (view fulltext now)

Full text

(1)

Bitr överläkare och forskaren Max Gordon och ST-läkaren Björn Hansen tolkar röntgenbilder med hjälp av Artificiell Intelligens, som forskare på Danderyds sjukhus har utvecklat. Foto: Johan Adelgren.

2019-10-22 07:30 CEST

Nu har första patienten bedömts med hjälp av AI

Efter fem år och 300 000 röntgenundersökningar blev ortopedens Artificiella Intelligens (AI) en del av den kliniska verksamheten.

- När alla kriterier var uppfyllda och alla instanser hade godkänt kunde vi bedöma den första patienten, säger bitr överläkare Max Gordon som är en av forskarna.

Forskningen på en AI som kan bedöma röntgenbilder på misstänkta frakturer

(2)

startade redan 2014 och man har tidigare publicerat lovande resultat gällande enkel frakturtolkning.

- Vi kunde då se, att vår Artificiella Intelligens gjorde röntgenbedömningar med samma säkerhet som en ortoped. Sedan dess har vi jobbat med att expandera till en mer avancerad frakturtolkning, säger Max Gordon.

AI kan bearbeta ”omänskligt” mycket data

Från början matades AI:n med 250 000 röntgenbilder på händer, handleder och fotleder. Utmaningen var då att kunna känna igen frakturer från bilder som inte tidigare bedömts.

- Att känna igen en fraktur är betydligt mer komplext än vad man kanske tror, säger Max Gordon.

Resultatet då blev att AI:n och läkarna gjorde lika bra bedömningar. Nu har man expanderat från att endast upptäcka frakturer till att kunna ge en detaljerad beskrivning av frakturen som sen kan användas för att vägleda behandlingen.

- Just nu har vi avancerad tolkning på plats för fotleder men vi håller på med att även implementera handleder, höfter och knän, berättar Max Gordon.

Säkerheten viktigast

- Den 11 oktober gick vi ”live”, ler Max Gordon. Det var då vi tog emot första patienten som blev bedömd av vår AI tillsammans med läkare i vår kliniska verksamhet.

I två år har det pågått utveckling och kartläggningar för hur det hela skulle gå till. Tillsammans med Region Stockholm Innovation har det gjorts

riskanalyser, klassificeringsrapporter, protokoll för hantering av patientdata med mera, för att säkerställa att systemet uppfyller de krav som ställs.

- Det vi gör nu är ett pilotprojekt där några utvalda läkare fått

specialutbildning och som nu får utvärdera systemet, berättar Max Gordon.

Systemet är ett tillägg till dagens röntgentolkning och ska endast förstärka

(3)

och inte ersätta några av dagens rutiner.

När AI:n är en del av teamet

I många fall bedöms patientens röntgenbilder först av en ST-läkare (blivande radiolog) som nu kan välja att ta in AI:ns kompetens i bedömningen. Sedan säkerställs diagnosen av en mer erfaren radiolog. Bilderna bedöms ofta även av en ortoped som sedan bedömer vilken behandling som ska

rekommenderas för patienten.

- Förenklat skulle man kunna säga att vi vill veta om vi behöver operera eller inte, för att patienten ska bli bra, säger Max Gordon.

Ett flertal ST-läkare har utbildats i att göra bedömningar tillsammans med AI:n. En av dem är Björn Hansen.

- Det är inspirerande och utvecklande att arbeta med AI och jag är imponerad av vad den kan åstadkomma redan idag. Det ska bli spännande att få vara en del av det fortsatta utvecklingsarbetet, menar han.

Utvecklingen fortsätter

Även om AI:n nu kan användas i den kliniska verksamheten, fortsätter forskningen.

- Vår nästa utmaning är att även lägga till vilken behandling som är bäst för patienten, där flera parametrar spelar in, menar Max Gordon. Där kan AI:n göra rekommendationer med hjälp av inmatad data, men vi kommer alltid att behöva även det mänskliga kunnandet för att se och förstå vad som är bäst för just den här patienten, att se hela människan. Det kan, än så länge, inte AI göra.

Korta fakta

Studien är ett samarbete mellan Karolinska Institutet och Danderyds sjukhus.

AI:n är programmerad för bedömningar av misstänkta frakturer i kroppens alla leder utom bröstkorg och rygg.

(4)

Forskningen har framför allt finansierats med hjälp av ALF- medel.

Att kunna ta steget från forskning till klinisk applikation har främst finansierats av Region Stockholm Innovation och Vinnova.

AI:n kan bara tyda skelettröntgenbilder, inte

magnetkameraundersökningar eller datortomografier. 

Kontaktuppgifter till Max Gordon, Danderyds sjukhus MD, PhD, Orthopaedic Surgeon

Department of Orthopaedics, Danderyd Hospital Karolinska Institutet, Department of Clinical Sciences Ortopedkliniken

Danderyds Sjukhus AB 18288 Stockholm

tel (w) +46-812355884 tel (h) +46-702246560 max@gforge.se

My thesis: http://publications.ki.se/xmlui/handle/10616/42012

Danderyds sjukhus är ett av landets största akutsjukhus. Det viktigaste för oss är att våra patienter känner sig trygga och säkra och får bästa möjliga vård och behandling. Det målet arbetar vi mot varje dag - tillsammans.

Mer info finns på www.ds.se och på www.akutsjukhuset.com

(5)

INTE INTRESSERAD? Du finns med i vårt register för utskick av

pressmeddelanden då vi tror att det kan intressera dig som journalist eller politiker/beslutsfattare inom vården. Om du inte längre vill ha våra utskick ber vi dig avregistrera dig via länken nedan.

Så här hanteras personuppgifter på Danderyds sjukhus.

References

Related documents

Utifrån min erfarenhet som personlig assistent, har jag upplevt att det är svårt att utveckla den assisterade måltiden tillsammans med arbetskollegor när kunskap om matens

Studenten förväntas kunna tillföra nödvändig kunskap inom området AI-/Machine Learning för att ta sig an problemformuleringen och behöver där utöver vara bekväm med att,. •

Projektet går ut på att med hjälp av AI/Machine Learning identifiera vilka parametrar hos fastigheter, så som geografisk placering, verksamhetstyp, byggår m.m., som bäst

En leverans från projektet Strategi och grund för övervakning av anläggning är rapporten Big Data och kvalificerad analys/AI i tillgångsförvaltningen (1) där detta dokument är en

Enligt Rosário, Núñez, Vallejo, Cunha, Nunes, Fuentes och Valle (2018) är det vanligt att lärare i matematik väljer att använda sig av matematikläxor, vilket

We run our training data through different machine learning algorithms: Random Forest, K-Nearest Neighbor, Naive Bayes, Multilayer Perception (MLP), Gradient Boosting Trees,

Många kvinnor förklarade att de kände sig stigmatiserade i samband med deras utsatta situation. De upplevde att denna känsla kunde leda till svårigheter att ta kontakt med

Figur 14 och Figur 15 innehåller två grafer vardera som visar recall för de fyra olika modellerna testade på testparti ”Alla”... Figur 14 - Grafer som visar recall för