Smartare datortomografi kan nå MR-kamerans nivå 

Med en ny metod kan hjärnbilder tagna med datortomografi i vissa fall ge lika mycket information som bilder tagna med magnetresonanstomografi, MR-kamera, visar en ny studie från Göteborgs universitet. Därmed kan tillgången på diagnostikstöd för exempelvis demens och andra hjärnsjukdomar öka, framför allt inom primärvården. 

Datortomografi (CT) är en förhållandevis billig avbildningsteknik som finns brett tillgänglig inom vården men även på många ställen i världen där man inte har tillgång till andra undersökningsmetoder. CT anses dock vara sämre på att återge exempelvis subtila strukturella förändringar i hjärnan eller förändringar i flödet i ventrikelsystemet jämfört med magnetresonanstomografi (MRT). Idag måste därför vissa avbildningar genomföras på specialiserade avdelningar på större sjukhus där den mer avancerade avbildningstekniken finns. 

AI som tränats på MR-bilder 

Den nya programvaran kan fungera som ett diagnostiskt stödsystem för radiologer och andra professioner som tolkar bilder tagna med CT. Programmet har skapats genom djupinlärning, som är en form av artificiell intelligens (AI). Programvaran har tränats på att överföra tolkningar från avbildningar gjorda med MRT till bilder där samma hjärnor avbildats med CT.  

– Vår metod generar diagnostiskt användbara data som i vissa fall är lika bra som om man gör en magnetresonanstomografi i specialistvården. Poängen är att man med denna enkla och snabba metod kan få mycket mer information från undersökningar som redan görs på rutin inom primärvården men även i en del utredningar i specialistvården. I ett första skede kan metoden stödja demensdiagnostik, men den kommer sannolikt även få andra användningsområden, säger Michael Schöll, professor vid Sahlgrenska akademin och den som lett arbetet med studien som gjordes i samarbete med forskare på Karolinska Institutet, National University of Singapore och Lunds universitet. 

Tillförlitligt beslutsstöd 

Detta är en väl validerad klinisk tillämpning av AI-baserade algoritmer, med potential att bli ett snabbt och tillförlitligt beslutsstöd som effektivt minskar antalalet falskt negativa fall. Det är forskarnas bedömning att denna lösning kan förbättra diagnostiken i primärvården och optimera patientflödet till specialvården.  

– Det är ett stort steg framåt för bilddiagnostiken. Nu är det möjligt att mäta storleken på olika strukturer eller regioner i hjärnan på ett liknande sätt som görs vid avancerad analys av MRT-bilder. Med hjälp av programvaran kan man alltså segmentera hjärnans beståndsdelar i avbildningen och mäta dess volym, trots att bildkvaliteten i grunden inte är lika hög vid CT, säger Meera Srikrishna, som är postdoktor vid Göteborgs universitet och försteförfattare till studien som publicerats i tidskriften Alzheimer’s & Dementia.  

Andra hjärnsjukdomar 

Programvaran har tränats på avbildningar av totalt 1117 personer, som samtliga avbildats med både CT och MRT. Den aktuella studien involverade framför allt friska äldre individer och patienter med olika demenssjukdomar. Ett annat användningsområde som forskargruppen undersöker nu är normaltryckshydrocefalus (NPH). 

När det gäller NPH har forskargruppen nya resultat som pekar på att metoden kan användas både under själva diagnostiken och även för att följa effekten av behandlingen. Normaltryckshydrocefalus är ett tillstånd bland framför allt äldre personer, där vätska samlas i hjärnans ventriklar vilket leder till neurologiska symtom. Av alla över 65 år drabbas cirka två procent. Eftersom diagnostiken kan vara komplicerad och tillståndet riskerar att blandas ihop med andra sjukdomar missas sannolikt många fall.  

– Det är svårt att ställa diagnosen för NPH, och det kan också vara svårt att säkert utvärdera effekten av en så kallad shuntopereration som ska dränera vätskan i hjärnan. Därför tror vi att vår metod kan komma att göra stor skillnad i vården av dessa patienter, säger Michael Schöll.  

Utvecklingen av programvaran har pågått under flera år och fortsätter nu i samarbete med kliniker i Sverige, England och USA tillsammans med ett företag, vilket är en förutsättning för att innovationen ska kunna få ett godkännande och överföras till vården. 

Titel: CT-based volumetric measures obtained through deep learning: Association with biomarkers of neurodegeneration, https://doi.org/10.1002/alz.13445

Kontakt: 

Meera Srikrishna (engelskspråkig), postdoktor på Sahlgrenska akademin vid Göteborgs universitet, e-post meera.srikrishna@gu.se

Michael Schöll, professor i molekylär medicin på Sahlgrenska akademin vid Göteborgs universitet, e-post michael.scholl@neuro.gu.se, telefon 0705 72 74 71

Bild: Michael Schöll och Meera Srikrishna (foto: Göteborgs universitet)