Gå til hovedindhold
​​​​​​​​Fra venstre ses CEO for Bioinnovation Institute Tanja Danner, Professor fra DTU Aasa Feragen og medstifter af Prenaital og overlæge på Rigshospitalet Martin G. Tolsgaard. 

Kunstig intelligens finder markant flere risikograviditeter

​AI-modeller til analyse af ultralydsbilleder kan afsløre op til 35 procent flere risikograviditeter og derigennem forebygge for tidlig fødsel eller fødselskomplikationer.

​Brug af kunstig intelligens til at analysere ultralydsscanninger kan opdage op til 35 procent flere risikograviditeter end scanninger udført af sundhedsprofessionelle uden AI-beslutningsstøtte. Det viser resultater fra en nyetableret spinout-virksomhed Prenaital fra DTU og Københavns Universitet, som ingeniører, dataloger og læger har oprettet efter flere års samarbejde i Technical University Hospital of Greater Copenhagen, TUH.

Prenaitals AI-modeller er i en udviklingsfase og det første produkt til at kvalitetssikre ultralydsundersøgelser er på vej til regulatorisk godkendelse. Den første model - en AI model til vækstscanning, der kan finde op til 35 procent af alle fostre i risiko for abnorm vækst, forventes at komme på markedet i 2026. Modellerne er blevet udviklet i samarbejde med sonografer, jordemødre og læger på Rigshospitalet, der har svaret på, hvilken teknologi de har mest brug for, og herefter er AI-teknologien blevet trænet på DTU med mere end 10.000 billeder fra ultralydsscanninger fra danske hospitaler.

”Ultralydsbilleder rummer store mængder data som det menneskelige øje ikke registrerer, men som kan bruges til at finde risikograviditeter. Det drejer sig blandt andet om strukturer i fosterets hjerne, fedtprocent og vævsstrukturer, der kan udnyttes til at forudsige fosterets udvikling. I dag bestemmes fostrets størrelse og vækst ud fra måling af hovedomkreds, maveomkreds og lårbenslængde på ultralydsbilledet, men AI-modellen kan udnytte alle informationer i billedet,” siger professor Aasa Feragen fra DTU, som er medstifter af Prenaital.

AI-teknologien vil kunne give et markant større udbytte af de ultralydsundersøgelser, som gravide får i løbet af deres graviditet, men som i dag kun finder langt under halvdelen af alle risikograviditeter. Alene i Region Hovedstaden, med 22.000 gravide om året, føder 1.500 kvinder for tidligt og koster tilsammen samfundet godt 800 mio. kr. Mindre end 20 procent af alle for tidlige fødsler bliver diagnosticeret i tide til at læger i dag kan starte forebyggende behandling.

Finder halvdelen af alle risikograviditeter 

Medstifter af Prenaital, professor og overlæge Martin G. Tolsgaard fra Rigshospitalet har siden 2019 været ansvarlig for en række forskningsprojekter om effekten af AI-støtte på sikkerheden i lægernes diagnostik. Forskerne på Rigshospitalet er fortsat i gang med at validere teknologien i en gruppe på 200 gravide, som bliver fulgt graviditeten ud.

”Det er frustrerende  når vi står med redskaber, som bare ikke er gode nok, især når vi faktisk kan forebygge, hvis vi har data at stille en diagnose ud fra. Jeg stod for nylig med en gravid, som kom ind i uge 29 og gik i fødsel med et barn, der var for lille til at blive født. Hun skulle være fanget i ultralydsscanningen, men vi misser langt over halvdelen af risikograviditeterne. Hvis vi bare havde vidst det, så kunne vi forebygge hendes veer, og forebygge en for tidlig fødsel, som giver barnet komplikationer, der følger det resten af livet,” siger Martin G. Tolsgaard.

Machine learning og neurale netværk​​

Prenaitals analyse af ultralydsscanninger er baseret på dybe neurale netværk, der består af mange små enheder kaldet neuroner, der er organiseret i lag og designet til at behandle og analysere billeddata.

Før modellerne kan bruges skal de trænes på en stor mængde ultralydsbilleder fra mange forskellige scanninger. Modellen har et specifikt mål og ved at måle, hvor godt den klarer sig, kan den forbedres efterhånden, som den ser nye billeder.

Når AI-modellen er trænet, kan den begynde at analysere nye ultralydsbilleder på baggrund af de mønstre, den har lært, til f.eks. at identificere forskellige dele af fostret som fostrets hoved, hjerte og andre organer, og sammenligne dem med normale værdier, og på den måde opdage eventuelle afvigelser tidligt. Efter analysen kan AI generere en rapport, der opsummerer fundene og på den måde hjælper læger med at stille diagnoser og planlægge behandlinger.

Klar til klinikken i 2026

Prenaital indgik i 2024 aftale om patentrettighederne til den AI-teknologi og de metoder spinout-virksomhedens produkter er baseret på. Herefter har virksomheden fået funding til at ansætte fire medarbejder og har fået plads i Bioinnovation Institutes, BII Venturelab, som ifølge CEO Tanja Danner har fremskyndet mulighederne for at sende de første produkter på markedet.

”BII’s støtte og accelerator forløb har været helt afgørende for, at vi kunne etablere virksomheden, ansætte vores første medarbejdere og skabe fundamentet for at få forskningsresultaterne omsat til vores første produkter, og medarbejdere til at dokumentere vores arbejde og forskningsresultater. Vi har fået adgang til et helt unikt økosystem af viden, sparring og rådgivning i BII, som har accelereret Prenaitals udvikling, så vi kan få vores teknologi ud til de gravide og de babyer, som det hele handler om,” siger Tanja Danner.

Det kommende år skal Prenaital skabe de processer og arbejdsgange, der skal til for at få tilladelse til at udvikle produkter til medicinsk brug, og samtidig færdiggøre de første produkter til vurdering af risikograviditeter, som Prenaital vil markedsføre på det amerikanske marked, i EU og i Danmark fra 2026. Risikomodeller er unikke og har ikke direkte konkurrenter på markedet, hvor virksomheder som GE og Samsung i dag har andre produkter, der fokuserer på at forbedre de sundhedsprofessionelles workflow i forbindelse med ultralydsscanning.

Redaktør
Klik for at scrolle op eller ned p� siden G� til toppen af siden