Hvordan ordne 25 millioner

Augmentet virkelighet (AR) slik man ser den gjennom Microsoft sine Hololenses. Radiograf Carl Petter Skaar Kulseng, som har utviklet det nevrale nettverket, holder frem en 3D-printet knemodell. Til høyre svever hologrammet av samme kne.

Hvordan ordne 25 millioner puslebrikker på 40 sekunder

AV KJELL-INGE GJESDAL

I over et år har Sunnmøre MR-klinikk, med støtte fra Innovasjon Norge og i samarbeid med NTNU Ålesund og ortopene på Ålesund sjukehus, bygget opp kompetanse innen medisinsk anvendelse av kunstig intelligens på ledd.

For å finne begynnelsen på dette prosjektet, må man gå litt over et år tilbake i tid, gjerne til 6. mars-utgaven av Sunnmørsposten, der man møter overskriften «Åpner unik ledd-lab på Ålesund sjukehus». Ortopedene Andreas Dalen og Terje Vagstad formidlet under intervjuet at ved det nye biomekaniske laboratoriet vil man kunne simulere og teste ut

Kjell Inge Gjesdal er radiograf, forsker og daglig leder ved Sunnmøre MR-klinikk.

FOTO: TONE RISE

både gamle og nye operasjonsteknikker. Roboten er den eneste i sitt slag i Norden og vil kunne erstatte kostbare utenlandske studieopphold. Med seg på laget har ortopene ingeniør Aleksander Skrede fra NTNU Ålesund som programmerer robotarmen til å kunne bevege seg med millimeterpresisjon.

Hva har MR-klinikken på Moa og bruk av kunstig intelligens å gjøre med det nevnte samarbeidsprosjektet? Vel, forut for leddoperasjoner må røntgen-, CT- eller MR-bilder studeres. Og av disse bildemetodene gir MR-bildene den mest nøyaktige gjengivelsen av leddenes anatomi. Hva om bildene kunne brukes til noe mer enn å avsløre en skadet menisk, et avrevet korsbånd eller en skulderbetennelse? Hva om de samme bildene kunne brukes til å lage tredimensjonale modeller?

En slik modell av pasientens eget kne kan nå 3D-printes, og legen kan sammen med pasienten enklere forklare både diagnose og behandling. Modellen kan også overføres til VR-briller der leddet svever

«Hva om bildene kunne brukes til noe mer enn å avsløre en skadet menisk, et avrevet korsbånd eller en skulderbetennelse?»

som en tredimensjonal luftspeiling (hologram) som flere kan studere samtidig. Som del i det store leddsamarbeidsprosjektet har MR-klinikken på Moa både 3D-printet kneledd og brukt VR til å visualisere leddene.

For å muliggjøre disse formene for 3D-visning, har man også måtte lære seg å bruke kunstig intelligens. Uten å bruke dette nye fantastiske verktøyet, tar det cirka en uke å lage et tredimensjonalt kneledd som er synlig gjennom VR-briller. Dette er urealistisk tids- og ressursbruk på et sykehus.

Kunstig intelligens har mange varianter, i vårt arbeid har vi brukt det som kalles dype nevrale nettverk. Dette er en metode der datamaskinen simulerer hjernens læringsmetode. For å lære datamaskinen å gjenkjenne anatomiske strukturer i leddet har vi matet inn bilder fra 20 ulike personer, og vi har også matet inn fasiten for hvert av disse knærne for 13 ulike anatomiske strukturer. Til sammen er det over 6 milliarder informasjonsbrikker i et slikt system, og vi har latt maskinene stå i nesten tre uker sammenhengene for at de skal lære å gjenkjenne hver av disse 6 milliarder brikkene.

Tilbake til tittelen på denne teksten. For å teste hvor flink datamaskinen er blitt til å lære å gjenkjenne knestrukturene, har vi matet inn MR-bilder fra et ukjent kne, altså et kne som ikke har vært med med i treningsprosessen. MR-bildene fra et slikt kne består av 25 millioner puslebrikker.

«Det mennesket bruker en uke på å gjøre, bruker datamaskinen mindre enn ett minutt på å utføre.»

Svaret er 40-60 sekunder. Det mennesket bruker en uke på å gjøre, bruker datamaskinen mindre enn ett minutt på å utføre. Nøyaktigheten i datamaskinens segmentering i forhold manuell segmentering vil man kunne lese om i den vitenskapelige artikkelen vi håper er klar i løpet av 2020. Det vi kan si nå, er at våre nøyaktighetstall viser at kunstig intelligens brukt til anatomisk segmentering av MR-bilder fungerer. Og om kort tid kan man laste ned programmet som, dersom det blir matet med de riktige MR-bildene, utfører segmenteringen og viser 3D-modellen på minutter. Programmet er utviklet av Magnus Øye, student ved NTNU Ålesund.

Når tredimensjonale leddfremstillinger lar seg utføre på sekunder, åpner dette nye muligheter, utover det å vise modellen enten fysisk eller virtuelt. Ønskedrømmen til avdelingssjef Erland Hermansen ved ortopedisk avdeling ved Ålesund sjukehus er at det biomekaniske laboratoriet i fremtiden suppleres med en kirurgisimulator. Den første utfordringen er løst ved hjelp av samarbeidet mellom Sunnmøre MR-klinikk, NTNU Ålesund og Ålesund sykehus. Det videre arbeidet har som mål å få frem en prototype på en slik simulator i løpet av et års tid.

Ifølge signaler vi har fått fra Institutt for IKT og realfag ved NTNU ser de med spenning på potensialet som ligger i dette tverrfaglige samarbeidet. n post@holdpusten.no

Fiksert pasient gir bedre bilder.

Pearltech kokong for å fixere en baby.

Ingen kan holde seg helt urørlig. Om ikke annet så puster vi. Alle bevegelser innebærer uskarpe bilder ved datatomografi og magnetrøntgen. Dessuten kan man iblant få pasienter som overhodet ikke klarer å ligge stille.

Løsningen på problemet finnes i Pearltech og IFix hjelpemiddel for å fiksere pasienten mens undersøkelsen pågår. Les mer om produktene på vår hjemmeside.

Du er velkommen til å kontakte oss.

Calmed for røntgen

info@calmed.se +46 (0)31 281 795

www.calmed.se