Kunstig intelligens (KI) kan bli et nyttig verktøy for å oppdage og behandle hjerte- og karsykdommer, viser Durgesh Kumar Singhs forskning. 

Han jobber ved KI-senteret SFI Visual Intelligence ved UiT Norges arktiske universitet.

Han undersøkte hvordan KI kan brukes til å måle hjertets venstre hovedkammer – én av hjertets fire kamre – ut ifra ultralydbilder. Bildene tas med en ultralydprobe som plasseres på pasientens venstre bryst.

Viktig for å oppdage hjertesykdommer

Det venstre hovedkammeret har en viktig funksjon – å pumpe oksygenrikt blod ut i hovedpulsåren. Blodet fraktes så videre til kroppens organer.

Pumper ikke kammeret ut nok blod, får ikke organene nok oksygen til å fungere optimalt. Det kan skyldes sykdommer eller tilstander som forandrer hjertets størrelse og tykkelse. 

Eksempler kan være høyt blodtrykk eller sykdommer i hjertemuskelen.

Målingene gir legene nyttig informasjon om hjertekammerets størrelse og pumpeevne. Den brukes til å avdekke mulige tegn til hjerte- og karsykdommer.

Resultatene til Singh viser at KI-metoden hans kan måle hjertekammeret både raskt og presist. 

Han mener det kan bli et lovende redskap for helsevesenet i og utenfor Norge.

– Vi viser hvordan dyplæring kan brukes til å måle hjertekammeret på en mer nøyaktig og konsistent måte. Dette oppnår vi ved å gjøre KI-en mer bevisst på hjertets struktur, sier Singh.

En hjelpsom assistent

Dyplæring går ut på å få maskiner til å utføre en gitt oppgave uten direkte instrukser fra mennesker. 

Singh trente KI-en på tusenvis av ultralydbilder av hjertekammeret. Bildesettet består av ultralydbilder fra sykehus over hele verden.

På den måten lærte den seg hvordan hjertekammeret ser ut. Metoden bruker denne kunnskapen til å finne de viktigste bildedelene for å måle det.

– Se på det som en assistent som automatisk legger linjalen på rett sted. Først finner metoden den beste målelinjen ved å tegne opp formen til hjertet. Linjalen brukes så til å lese av størrelsen på hjertekammeret langs linjen, forklarer Singh.

Sparer verdifull tid og ressurser

Disse målingene utføres vanligvis for hånd av en hjertelege. Det gjøres ved å undersøke ultralydbildet, tegne en rett linje på tvers av hjertekammeret og plassere målepunkter på linjen. 

Problemet er at arbeidet er svært tidkrevende – selv for en erfaren spesialist.

– Det er et delikat og repetitivt arbeid som tar mye tid. Målingene kan også variere basert på hjertet til pasienten og personen som utfører undersøkelsen, sier Singh.

Metoden til Singh kan måle hjertekammeret på noen få sekunder. Det bidrar til mange mulige fordeler – fra raskere svar for pasientene til mindre arbeidstrykk for legene.

– Ved å automatisere de mest tidkrevende delene av prosessen kan resultatene være klare rett etter selve undersøkelsen. Mer presise målinger gjør at legene også kan fange opp små endringer i hjertet over flere måneder og år, sier han.

Færre unødvendige undersøkelser

En ultralydundersøkelse kan koste både sykehus og pasienter opptil flere tusen kroner. Mer nøyaktige målinger betyr også færre unødvendige undersøkelser.

– Mer presise målinger reduserer behovet for ekstra undersøkelser, noe som kan spare både pasientens og helsevesenets tid og penger, sier Singh.

Singh undersøkte hvor godt metoden hans måler hjertekammeret ved å sammenligne det med lignende KI-metoder. 

Resultatene viser at det utkonkurrerer disse metodene – både når det gjelder å plassere målepunktene riktig og samsvar med menneskelige eksperter.

Fungerer på forskjellige typer ultralydbilder

Legene måler hjertekammeret med hjelp av to ulike ultralydbilder: Såkalte B-mode og M-mode-bilder. B-mode-bildene fremstiller ultralydbølgene som et todimensjonelt bilde, mens M-mode-bildene viser hjertets bevegelser gjennom en skannelinje.

Metoden til Singh kan analysere begge disse bildetypene, noe som gjør det mer brukbart i ekte kliniske sammenhenger.

– Basert på legens behov eller preferanser kan målingene vises på enten den ene eller den andre bildetypen, sier Singh.

Tett samarbeid med medisinsk industri

Prosjektet foregikk i nært samarbeid med GE HealthCare, som er en av flere industripartnere i SFI Visual Intelligence. 

Et mål med prosjektet var å utvikle en KI-basert algoritme som kan brukes i GE HealthCares ultralydskannere.

Erik Steen er sjefsingeniør i GE HealthCare, og sier det er stort behov for å øke produktiviteten ved slike undersøkelser.

– Vi har fått bekreftet dette behovet fra en rekke kunder og eksperter fra hele verden. Arbeidet til Durgesh kan bidra til økt produktivitet ved å automatisere målinger som trengs for å avdekke tilstander som fortykket hjertevegg, sier han.

Skal testes i kontrollerte omgivelser

Basert på disse mulighetene planlegger GE HealthCare å teste ut metoden i kontrollerte og trygge omgivelser. Håpet er at arbeidet etter hvert kan installeres i ultralydskannerne.

– I første omgang skal vi teste ut metoden på innsamlede data og få tilbakemeldinger fra det interne kliniske teamet vårt, som er eksperter på denne typen målinger, forteller Steen.

Men det vil ta flere runder med grundig testing før dette skjer, understreker Steen. Dette for å sikre at metoden måler hjertekammeret på riktig måte.

– Det er viktig for oss å sjekke at metodene er robuste og virker på et stort antall pasienter med varierende bildekvalitet. Vi må også dokumentere at de er like gode som eller bedre enn eksperter som måler for hånd, forklarer han.

– Legene har fortsatt full kontroll

Funnene til Singh viser hvor nyttig KI-teknologi kan bli for å oppdage og behandle hjertesykdommer. 

Men hva vil skje med legene fremover? Vil de i fremtiden bli erstattet av kunstig intelligente algoritmer?

Singh forsikrer oss at det ikke er tilfellet. KI skal først og fremst hjelpe legene med det kliniske arbeidet. De vil alltid passe på at teknologien gjør jobben riktig.

– Det er ment for å hjelpe, ikke erstatte. Meningen med teknologien er å få vekk de mest slitsomme og tidkrevende stegene. Legene har fortsatt full kontroll, sier Singh.

Referanse: 

Durgesh Kumar Singh: Towards more accurate and label-efficient Left Ventricle Automatic Measurements. Doktorgradsavhandling ved UiT Norges arktiske universitet, 2025.

Artikkelen er produsert og finansiert av UiT Norges arktiske universitet

UiT er én av over 80 eiere av forskning.no. Deres kommunikasjonsansatte leverer innhold til forskning.no. Vi merker dette innholdet for å tydelig skille formidling fra uavhengig redaksjonelt stoff.
Her kan du lese mer om ordningen.

Fikk du med deg disse artiklene fra UiT Norges arktiske universitet?

• 

  Slik kan ansvarlig mote bli en suksess

• 

  Derfor betyr stedsnavn mye for urfolk

• 

  Derfor er trygghet så viktig for barn

• 

  – Barn må få prøve skumle ting

• 

  Hvorfor er noen dyr mer sårbare?

• 

  Slike hager gir bedre psykisk helse: – Forskningen er krystallklar

Les flere saker fra UiT Norges arktiske universitet her.

forskning.no vil gjerne høre fra deg!
Har du en tilbakemelding, spørsmål, ros eller kritikk? TA KONTAKT HER