”Målet er i første omgang, at akutafdelingerne skal udstyres med teknologien til at tage øjenbaggrunds-fotos med henblik på at konferere med øjenlæger, så dyrebar tid ikke mistes i forhold til trombolyse, siger Steffen Hamann.
AI-teknologi finder hurtigt akut blodprop i øjet
En ny AI-teknologi er i stand til at identificere akut centralarterieokklusion i nethinden (CRAO) på få sekunder – også i det kritiske behandlingsvindue, hvor blodpropopløsende behandling kan reducere risikoen for et efterfølgende slagtilfælde, viser nyt internationalt studie. Det kan potentielt redde patienternes syn.
Det internationale AI-studie har dansk deltagelse, og er publiceret i Journal of the American Heart Association. Forskerne bag studiet har udviklet, trænet og testet et deep learning-system, hvor AI-teknologien er blevet oplært i at analysere farvebilleder af øjets nethinde og identificere hyper-akut CRAO.
I dag er hurtig diagnose af CRAO ofte et problem. Mange akutafdelinger har ikke adgang til øjenlæger med specialviden, som i tide kan tage stilling til, om patienten skal have trombolyse-behandling. Hvis den nye AI-teknologi bliver yderligere valideret, kan den forbedre udvælgelsen af patienter til blodpropopløsende behandling og optimere forebyggelsen af sekundære slagtilfælde.
”Målet er i første omgang, at akutafdelingerne skal udstyres med teknologien til at tage øjenbaggrunds-fotos med henblik på at konferere med øjenlæger, så dyrebar tid ikke mistes i forhold til trombolyse, siger Steffen Hamann, professor, overlæge og leder af Center for Synsbaneforskning på Rigshospitalet samt én af forfatterne til studiet.
”Aktuelt er det nemlig sådan, at trombolyse kun kan tilbydes indenfor 4,5 time efter synstabet. På længere sigt vil teknologien så kunne suppleres af vores deep learning-algoritme, som et add-on, således at kameraet giver dig resultatet øjeblikkeligt, lige efter billedet er taget.”
AI-systemet opnåede en præcision (AUC) på 0,96, en sensitivitet på 92,6 procent og en specificitet på 85,0 procent i det hyper-akutte stadie. Præstationen var tilsvarende høj ved billeder taget op til 24 timer efter synstabet. AI-systemet overgik endda stroke-specialister i en del af testmaterialet.
Mere om studiet
Den retrospektive undersøgelse omfattede 1.322 farvebilleder af øjets nethinde fra 771 patienter med akut synstab som følge af enten CRAO, CRVO (central retinal veneokklusion) eller NAION (non-arteritisk anterior iskæmisk opticus neuropati), derudover indgik raske kontroller også i studiet.
Deep learning-systemet opnåede et areal under ROC-kurven (AUC) på 0,96 (95 % CI 0,95–0,98), en sensitivitet på 92,6 procent (95 % CI 87,0–98,0) og en specificitet på 85,0 % (95 % CI 81,8–92,8) ved påvisning af CRAO i det hyper-akutte stadie, med tilsvarende resultater inden for 24 timer. Fotografierne blev indsamlet fra ni specialiserede neuro-oftalmologiske centre i seks lande, herunder fra tre randomiserede kliniske forsøg.
Studiet er ledet af professor, overlæge Dan Milea, fra Rothschild Foundation Hospital i Paris.