Deep learning-algoritme sparer patienter for besværlige CT-scanninger på Rigshospitalet
Siden maj i år har en lang række svage patienter med hjernesygdomme kunne undgå en ubehagelig tur i en CT-scanner- og unødvendig radioaktiv stråling. Det kan de, fordi en forskergruppe på Rigshospitalet har trænet en algoritme til at kunne danne meget præcise CT-billeder ud fra MR-scanninger.
Indtil maj har de fleste patienter med kognitive forstyrrelser, fx demens, skulle en en ekstra tur til CT-scanning, efter de har fået lavet en PET/MR-scanning, så lægerne kan få det fulde overblik over hjernen, inklusiv knogledelene.
»Når man i dag scanner en patient med MR, så vil dele af billedet være sorte felter, fordi billedsignalet ikke kan trænge igennem knogler. Derfor skal mange patienter have taget en supplerende CT-scanning for at få belyst de sorte knogleområder. Det er besværligt og patienterne bliver udsat for ekstra radioaktiv stråling, siger Claes Nøhr Ladefoged, post.doc ved Klinik for Klinisk Fysiologi, Nuklearmedicin og PET på Rigshospitalet.
Ugentligt drejer det sig om godt 10 patienter der kan undgå CT-scanninger og i stedet få software til danne et CT-billede ud af en MR-scanning. I dag foregår den proces helt fuldautomatisk, så en computer omdanner MR-scanningerne til CT-billeder på under et minut efter MR-scanningen.
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. Få tilsendt tilbud
