Skip til primært indhold

Øjenlæger fra Vejle tester AI-værktøj i globalt studie

Øjenlæger fra Vejle Sygehus medvirker i et stort, internationalt studie, hvor forskere vil undersøge, om kunstig intelligens kan støtte lægerne, når de skal opdage øjensygdomme.

Benjamin kigger

Det kræver meget skarpe øjne, når lægen skal finde små forandringer på nethinden. I fremtiden kan kunstig intelligens hjælpe med det præcisionsarbejde.

Selv mikroskopiske forandringer på nethinden kan afsløre forskellige sygdomme i øjet. Nu medvirker øjenlæger fra Vejle Sygehus i et stort, internationalt studie, der inkluderer læger verden over - og hvor kunstig intelligens bliver brugt som et støtteværktøj til at finde netop disse forandringer.

På Sygehus Lillebælt er læge og ph.d., Benjamin Sommer Thinggaard, den lokale ansvarlige for studiet, som han og otte kollegaer fra Øjenafdelingen deltager i. De har stillet deres ekspertise og erfaring til rådighed i det store forskningsprojekt, som flere end 200 øjenlæger fra blandt andet USA, England, Kina, Australien - og altså også Vejle – er en del af.
- Jeg er stolt over, at vi deltager i det her. Og det er først henad vejen gået op for mig, hvor stort det rent faktisk er, siger han.

Mønstre fra millioner af billeder

Vejle-lægerne deltager blandt andet ved at logge sig på en digital platform og database, der består af billeder af anonyme, udenlandske patienters nethinder, som allerede er lagt ind i databasen.

Forenklet beskrevet bliver lægen herefter bedt om at vurdere, hvad forskellige scanningsbilleder indikerer – det kan for eksempel være tegn på diabetiske øjenforandringer, en blodprop i øjet eller den aldersrelaterede øjensygdom, AMD. Samtidig giver den kunstige intelligens – baseret på mønstergodkendelse fra 14,5 millioner billeder og viden om sygdomsforløbene – sit bud på, hvad den anonyme patient fejler.

Benjamin Sommer Thinggaard

Benjamin Sommer Thinggaard er læge på Øjenafdelingen og primus motor på Vejle Sygehus' arbejde med det store forskningsprojekt, der involverer læger fra lande verden over,

Algoritmen eller det digitale værktøj kaldet ’EyeFM’ ”spytter” en procentsats, der peger på sandsynligheden for en given sygdom – for eksempel 82 procent sandsynlighed for AMD. Lægen får herefter – med den viden til rådighed - muligheden for at give endnu et bud på, hvad scanningsbilledet viser. Samlet set har studiet vist, at lægen oftere vurderer den korrekte diagnose, når lægen får hjælp af den kunstige intelligens.
- Det er supergodt. Og det undrer mig ikke, at AI er god til at vurdere billederne. For meget i vores verden handler om mønstergenkendelse, og AI vil være bedre til at huske mønstre end mennesker. Jeg kan ikke huske 14,5 millioner billeder, men det kan den. Så det giver god mening, siger Benjamin Sommer Thinggaard.

Omtalt i berømt tidsskrift

Benjamin Sommer Thinggaard og en gruppe læger deltog alle i det første studie, der er afsluttet, og som kulminerede med en stor forskningsartikel i det prestigefyldte, videnskabelige tidsskrift ”Nature Medicine”. 
- Det er ret vildt, at studiet blev offentliggjort i ”Nature Medicine”. Det vidner også om, hvor stort det, fortæller han.

Det internationale forskningsprojekt fortsætter nu i et nyt studie. Det udspringer fra en række forskningsenheder i Asien – blandt andet Kina og Singapore - men også øjenlæger fra London har en central rolle i studiet. 

Men ét er forskning. Noget andet er, om algoritmen og systemet en dag vil være så godt og praktisk brugbart, at det kan bruges i det daglige arbejde blandt øjenlæger verden over. Benjamin Sommer Thinggaard vurderer, at der fortsat er et stykke dertil. For selvom udviklingen går stærkt – og de foreløbige resultater er lovende – er der stadig meget, der skal på plads. Både praktisk og finansielt. Men det er bestemt sandsynligt, at øjenlæger en dag vil kunne bruge AI i arbejdet.
- Det vil nok ikke overtage arbejdet, men vi kan bruger det til at støtte os til – som en hjælp til at finde sygdomme.

Pressekontakt

Søren Hygum Hansen

Kommunikationskonsulent

Kommunikation


61 62 24 54
APPFWU01V