I nær fremtid kan pasienter slippe mange av de ubehagelige undersøkelsene de må gjennom i dag. Det skriver UiT Norges arktiske universitet i en pressemelding.
Stipendiat ved Institutt for klinisk medisin Samuel Kuttner har nemlig i samarbeid med forskere på kunstig intelligens, utviklet en helt ny metode for analyse av PET-bilder. Metoden bruker kunstig intelligens for å analysere PET-bildene av kreftsvulsten, slik at pasienten slipper kontinuerlige blodprøver.
PET-undersøkelser
En PET-undersøkelse er en avansert medisinsk undersøkelse på innsiden av kroppen. Ved å sprøyte inn et radioaktivt sporstoff, en såkalt «tracer», i blodet til pasienten, kan man ved hjelp av en PET-skanner følge tracerens ferd gjennom kroppen.
Kuttner forklarer at traceren tas opp av alle cellene våre, men fordi kreftceller bruker mer energi, så lyser de mer opp en vanlige celler. Dette ser man tydelig på PET-bildene. PET-skanneren lager tredimensjonale bilder som viser hvor kreftsvulsten er, om den er aktiv eller inaktiv, samt skiller mellom godartet og ondartet svulst.
Håper å slippe kontinuerlige blodprøver
Ved visse avanserte typer PET-undersøkelser har det vært nødvendig å ta kontinuerlige blodprøver mens pasienter ligger i skanneren. Dette kalles arteriell kanylering og gjøres for å måle hvor mye tracer som finnes i blodet til enhver tid.
– Det er vondt for pasientene når blodet tas ut, og det er også en viss risiko assosiert med dette, sier Kuttner.
Han har derfor undersøkt om kunstig intelligens kan brukes for å forutsi den nødvendige informasjonen man får fra blodet, direkte fra PET-bildene.
Kuttner og hans forskerkollegaer har testet metoden på PET-data fra mennesker hvor også blod-data var samlet inn. Resultatene, som nylig ble publisert i tidsskriftet Journal of Cerebral Blood Flow and Metabolism, peker mot at metoden fungerer.
Satser på internasjonalt samarbeid
Det gjenstår fremdeles mye arbeid før metodene kan brukes i daglig klinisk praksis, men etter doktorgraden ønsker Kuttner å fortsette å arbeide videre med metoden.
– Kunstig intelligens og maskinlæring krever mye data. Derfor er det viktig å samarbeide med andre sykehus og dele data, sier Kuttner.
Kuttner er stipendiat ved Institutt for klinisk medisin ved UiT, og disputerer nå med avhandlingen «Advancing Quantitative PET Imaging with Machine Learning».
