Hoppa till huvudinnehåll

Maskininlärning ska känna igen farliga hjärnblödningar – kan årligen rädda livet på tiotals finländare

Flera röntgenbilder på hjärnan.
Bilder från en datortomografi, alltså en skiktröntgen. Flera röntgenbilder på hjärnan. Bild: iStock/choja Datortomografi,bukaorta

Helsingfors och Nylands sjukvårdsdistrikt (HUS) håller på att lära upp ett datorsystem att lägga märke till vissa farliga hjärnblödningar. Tekniken kan komma att börja användas i sjukvården nästa år men fungerar redan nu utmärkt, säger HUS.

Hittills har det varit svårt att snabbt veta om en patient som kommer till sjukhuset med fruktansvärd huvudvärk också har en viss livsfarlig hjärnblödning – en så kallad subaraknoidalblödning.

Det är en blödning mellan hjärnans innersta hinnor, på grund av svaghet i ett blodkärl, och drabbar 300–400 finländare årligen.

Om patienten har en sådan här blödning avgörs med hjälp av skiktröntgen men läkare har inte alltid tid att omedelbart tolka röntgenbilderna.

Dessutom är det ingen lätt uppgift och feldiagnoser är relativt vanliga, enligt internationella studier.

– Om den farliga hjärnblödningen inte diagnostiseras i ett tidigt skede så dör åtminstone 75 procent av en ny hjärnblödning under det kommande året, efter att de har fått fara hem med beskedet att inget farligt syns på röntgenbilderna, säger Miikka Korja som är innovationsdirektör och neurokirurg vid Helsingfors och Nylands sjukvårdsdistrikt HUS.

Porträtt på Miikka Korja.
Miikka Korja. Porträtt på Miikka Korja. Bild: Yle/Niklas Fagerström porträtt,Miikka Korja

Maskininlärning som sjukvårdsdistriktet håller på att utveckla i samarbete med tre IT-företag kan ändå hjälpa till med att snabbt och automatiskt avgöra vilka patienter som har farlig hjärnblödning och vilka som inte har det.

Vad är maskininlärning?

Tekniken går ut på att man tränar ett datorsystem att lösa en uppgift genom att mata det med en stor mängd exempel, och är en vanlig tillämpning av så kallad artificiell intelligens.

Det är samma teknik som används av självkörande bilar, Googles sökrobot och de rekommendationssystem som finns till exempel hos Spotify och Netflix för att de ska kunna anpassa sig till individuella användare.

– Om datorn skulle kunna varna på bara några millisekunder om att det syns hjärnblödning på röntgenbilden så kunde läkaren prioritera de här fallen och ge sin egen kompletterande diagnos på bara några minuter. Och patienten kunde sedan få vård så gott som omedelbart, säger han.

Ofta är det hjärnoperation som krävs i sådana här fall.

Det aktuella datorsystemet tränas med finländska patientdata som har samlats in under de senaste tio åren.

– Våra biologiska datorer, alltså hjärnor, räcker inte till att analysera hela det här enorma datamaterialet. Därför är det också oundvikligt att datorn kommer att förbättra vårdkvaliteten och våra bedömningar, säger Korja.

Han får medhåll av Pekka Neittanmäki som är professor i IT vid Jyväskylä universitet.

– Det finns flera exempel från utlandet på att datorer kan göra mer exakta bedömningar inom vården än vad människor kan, och att kvaliteten alltid är likadan, oberoende om det är måndag eller fredag, säger Neittaanmäki.

Ska upptäcka alla fall

Korja bedömer att HUS datorsystem kommer att kunna upptäcka alla hjärnblödningar det får i uppgift att analysera.

– Men när det ställs in på en så hög känslighet så innebär det att systemet också kommer att varna i onödan, även om det inte kommer att ske särskilt ofta. I nuläget larmar vårt testsystem i två procent av de fall där det inte handlar om hjärnblödning, säger han.

I hälften av fallen där den har reagerat felaktigt har det ändå visat sig att patienten hade något annat farligt, till exempel en hjärntumör, så i verkligheten var det bara en procent av fallen där larmet var helt obefogat.

Hittills har HUS maskininlärning bara tolkat äldre röntgenbilder, men så småningom ska den alltså börja användas i realtid på nya patienter.

Målet är att låta datorn känna igen hjärnblödningar i sjukvården i Helsingfors om 1–2 år och också annanstans i Finland senast inom fem år.

Korja säger att vården då kommer att bli mer jämlik på olika håll i landet för tanken är att ge tekniken gratis till andra sjukvårdsdistrikt.

– Längre fram kunde det också bli en kommersiell produkt man kunde sälja till utlandet, tillägger han.

Fler exempel

Ett annat AI-projekt används redan inom vården vid HUS. Det är en algoritm som hjälper läkarna att förebygga blodförgiftning hos för tidigt födda spädbarn – något som Svenska Yle berättade om redan år 2016.

Algoritmen är nu i egen regi, när den tidigare byggde på IBM:s Watson-superdator som visade sig vara en för dyr lösning.

Sjukvårdsdistriktet siktar också på flera andra pilotprojekt inom artificiell intelligens.

Läs också

Nyligen publicerat - Inrikes