CNN og NLP på dansk skal gøre det hurtigere at identificere hjerte- og lungesygdomme

I dag foregår analyse og prioritering af brystrøntgenbilleder manuelt. Et nyt kunstig intelligens-system skal hjælpe med dette arbejde.

Foto : ViShark/Bigstock.

Machine learning med 40.000 røntgenbilleder skal sikre hurtigere, bedre og billigere diagnosticering af kritiske sygdomme i samarbejde mellem DIKU, Rigshospitalet og privat firma.

Dan Mygind

https://pro.ing.dk/9198

15. dec 2020 05:59

2,5 millioner røntgenbilleder og tilhørende radiolog-noter skal via et storstilet machine learning-projekt være med til at sikre hurtigere og bedre diagnosticering af hjerte- og lungesygdomme. Projektet foregår som et samarbejde mellem forskere fra Datalogisk Institut, læger og radiologer fra Rigshospitalet samt det private firma Unumed over de næste 3½ år.

Vil du have fuld adgang til DataTech?

DataTech skriver til dig, der arbejder professionelt med data og analytics. Vi giver dig inspirerende cases, nyheder og debat om alt fra Machine Learning-modeller til dataetik.

Har du allerede et abonnement? Log ind

Er dit prøveabonnement udløbet? Køb

Prøv DataTech gratis

DataTech giver dig ny viden, cases og erfaringer med at lykkes med AI og data science i praksis. Få 3 ugers gratis og uforpligtende prøveabonnement

Klik her

Nævnte firmaer

Københavns Universitet, omtalt i 55 artikler

Besparelsespotentiale

Hvis hurtigere svartider som ventet reducerer indlæggelsestiden for patienter med lungebetændelse mindst en dag, vil det samlet spare sundhedsvæsnet for 221 mio. kroner om året.

Samtidig vil en reducering af dage, som personer med lungebetændelse er sygemeldt, spare samfundet for 75 mio. kroner om året.

AI4Xray

Det formelle navn for projektet er 'Intelligent prioritization and decision support for chest x-ray analysis', men går også under det mere mundrette navn AI4Xray.

Innovationsfonden støtter projektet med 13,8 mio. kroner og det samlede projekt er på 18,9 millioner kroner.

Projektet sker i samarbejde mellem forskere fra Datalogisk Institut, Københavns Universitet, Rigshospitalet og virksomheden Unumed ApS.