Ny diabetesforskning: Kunstig intelligens skal styrke øjenscreening og effektivisere øjenlægers arbejdsgang

Ph.d.-studerende Tobias Nissen har en ambition om at styrke screening af diabetiske øjenkomplikationer. I samarbejde med Steno Diabetes Center Nordjylland og Aalborg Universitetshospital undersøger han, hvorvidt kunstig intelligens kan sikre en mere automatiseret arbejdsgang for øjenlæger og derved både spare tid og optimere screeningsresultater.

Tobias Nissen, ph.d.-studerende ved Steno Diabetes Center Nordjylland og Aalborg Universitetshospital.

En algoritme bliver ikke træt

Siden maj 2019 har Tobias Nissen arbejdet med sit ph.d.-projekt, som undersøger, hvor pålidelig en algoritmebaseret software er til at opdage risikobetonede forandringer i øjnene, når man har diabetes.

Dette gøres i samarbejde med Steno Diabetes Center Nordjyllands særkende Digital Sundhed samt øjenafdelingen på Aalborg Universitetshospital.

Udover at kunne relokere lægefaglige ressourcer ved at automatisere noget af screeningen, er målet med ph.d-projektet også at undersøge om softwaren kan medføre et bedre resultat:

”Hvis man sidder en hel dag og kigger øjenbilleder igennem, så kan man blive træt til slut på dagen. Men det gør en algoritme ikke. Ved at bruge algoritmer, tror vi på at vi kan optimere øjenscreening og vi håber derfor at vise, at softwaren er mindst lige så effektivt og pålidelig som lægerne”, fortæller Tobias Nissen.

 

Øjenscreening kræver mange ressourcer

På nuværende tidspunkt er diabetisk øjenscreening en manuel opgave for øjenlæger, hvilket ifølge Tobias Nissen er tidskrævende og en stor opgave:

”Man skal se på fem billeder pr. øjne. 10 billeder pr. patient. Det er højt opløselige billeder som skal kigges igennem og man er nødt til at være grundig i gennemgangen, da det kan være meget små pletter. Så hvis det tager 10 minutter pr. patient, så er det seks patienter i timen man kan nå”.

Som Tobias Nissen forklarer, vil man med hjælp fra softwaren kunne sortere de billeder væk, hvor der ingen forandring er og udelukkende lade lægerne vurdere de billeder, hvor softwaren ser en mulig forandring.

De umiddelbare vurderinger er, at dette kan fjerne 40 % af arbejdsbyrden.

De frigivne lægeressourcer kan så blive brugt til andet arbejde og især tage hånd om udfordringen, at der kommer flere ældre med kroniske sygdomme, som har behov for at blive set af øjenafdelingen – der pt. er det 2. travleste ambulatorium set pr. antal patientkontakter pr. år.

 

Den store test

I løbet af foråret 2021 vil tre øjenlæger fra Aalborg Universitetshospital og Odense Universitetshospital med +10 års erfaring se øjenbilleder fra 960 personer igennem. Deres screeninger bliver så sammenholdt og sammenlignet med softwarens vurderinger for at se, hvor der er uoverensstemmelser.

Et lille studie har tidligere vist nogle pæne resultater, hvor softwaren/den kunstige intelligens bedømte korrekt i hovedparten af tilfældene. Men nu tester vi i en større skala med enkelte justeringer”, fortæller Tobias Nissen.

Resultater forventes klar i løbet af maj/juni 2021 og skal bruges til at skabe evidens, hvorvidt en teknologi som denne kan gavne øjenafdelinger på tværs af Danmark.

 

I den internationale superliga

På Øjenafdelingen på Aalborg Universitetshospital har man påbegyndt brug af den nye screeningsteknologi på diabetesområdet og forventer den yderligere implementeret.

Set med globale briller betyder brug af algoritmebaseret øjenscreening, at Danmark på diabetesområdet rykker tættere på lande som Singapore og USA, hvor især Singapore næsten har implementeret en fuld automatisk screening i deres screeningsprogram for diabetisk retinopati.

Det har taget mange år og ressourcer at komme i mål for Singapore, hvor bl.a. algoritmen skal oplæres til at analysere specifikke data fra Singapore. Det er ikke muligt direkte at overføre teknologier fra land til land, da øjenprofiler er forskellige. Målet er at Tobias’ projekt skal være med til at fremme vejen herhjemme.

 

 

Screenshot: Hvis programmet ser en forandring i øjet, markerer den forandringen på billedet med en lille sort ring og gør den grønne streg gul ude i højre side, så det er nemt at se, hvilke billede(r) der skal have ekstra opmærksomhed.

 

Opdateret