Detektion af et cerebrovaskulært uheld (CVA) eller ‘slag’ – AI kan hjælpe paramedicinere i tidskritiske nødsituationer

At være paramediciner er et ufatteligt stressende job. Ikke kun har de ansvaret for at redde liv, men disse frontlinjearbejdere placeres konstant i uforudsigelige situationer i alle tænkelige miljøer. De skal forblive imødekommende men samtidig assertive og kunne arbejde godt både individuelt og sammen med tilknyttede tjenester (brandvæsen, politi osv.). Oven i det skal de gøre alt dette mens de arbejder uregelmæssige og lange timer, hvilket lægger ekstremt pres på både krop og sind. Af alle de opkald, paramedicinere skal besvare, er nogle af de mest skræmmende dem, hvor de har lidt eller ingen kontrol over udfaldet. En allergisk reaktion kan behandles med medicin; visse diabetiske nødsituationer kan løses med glukose; hjerterytmeforstyrrelser kan korrigeres med elektrisk intervention. Men når det gælder cerebrovaskulære uheld (CVA’er) – almindeligvis kaldet et ‘slag’ – er der kun meget begrænset, der kan gøres i felten.

Yderligere komplicerer situationen ved håndtering af en CVA, at behandlingen for den mest almindelige form (iskæmisk) skal leveres inden for en relativt kort tidsramme på under 4,5 time. Det kan lyde som meget tid, men når man tager højde for den tid, det tager for paramedicinere at ankomme til stedet, udelukke mulige årsager, identificere problemet og endelig gøre patienten klar til transport til en skadestue, går 4,5 time meget hurtigere end man skulle forvente – især i landdistrikter. Derfor er hurtig og tidlig påvisning altafgørende ved en CVA.

Heldigvis kan paramedicinere med fremkomsten af Artificial Intelligence (AI) få et nyt værktøj, de kan stole på i de kommende år.

Omforme minutter til sekunder

Et team af biomedicinske ingeniører fra RMIT University har for nylig udviklet et nyt værktøj, der udnytter AI til at identificere en CVA på sekunder, med en højere nøjagtighed end der i øjeblikket er muligt i felten. Deres papir, med titlen Ansigtsudtryk til at identificere post‑stroke: Et pilotstudie, beskriver en smartphone‑app, der effektivt kan vurdere en persons ansigtsfunktioner og afgøre, om der er tegn på en CVA baseret på veletablerede tegn såsom ensidig ansigtsnedhængning.

Selvom der stadig er meget arbejde at gøre, var de tidlige resultater ret lovende, med den AI‑baserede løsning, der nøjagtigt opdagede post‑stroke‑patienter med en succesrate på 82 %.

Med en nøjagtighed på 82 % er resultaterne lovende. Analysen viser, at ‘Kiss’ og ‘Spread’ er de bedste ansigtsudtryk til at skelne mellem sunde og post‑stroke‑personer, med musklerne omkring munden som mest påvirkede. Systemet er designet til usuperviseret analyse af videoerne, hvilket gør det egnet til at blive udviklet som en app på en smartphone.

En del af det, der kan gøre identifikation af en CVA vanskelig og tidskrævende, er, at processen typisk involverer at udelukke forskellige alternative årsager til patientens præsentation. Et par almindelige tilstande, der kan efterligne en CVA, omfatter,

• hypoglykæmi (lavt blodsukker)
• infektioner i centralnervesystemet (fx meningitis)
• svær hypertension og/eller øget intrakranielt tryk (ICP)
• stoffer (fx kokain)

Når først identificeret, involverer præhospital pleje typisk sikring af patientens luftvej, levering af ilt efter behov og hurtig transport. Hvad patienten har brug for, er enten et antikoagulerende middel til iskæmiske CVA’er eller kirurgisk indgreb for hæmoragiske CVA’er.

Ved at introducere så mange variable bliver nøjagtigheden sværere i felten, og den mest værdifulde ressource (tid) bliver brugt. Med hvert minut, der bringer patienten tættere på permanent hjerneskade, kunne en løsning foreslået af ingeniørteamet redde utallige liv verden over ved at gøre paramedicinernes arbejde en smule lettere og mere effektivt.

Virksomheder, der udnytter kunstig intelligens i sundhedssektoren

1. Alphabet Inc.

GOOGL Prisdiagram

Alphabet’s (GOOG ) Google Health division fokuserer på at udnytte AI til at forbedre sundhedspleje. De udvikler AI‑algoritmer til diagnosticering af sygdomme fra medicinsk billedbehandling, forudsigelse af patientresultater og personalisering af behandlingsplaner. Et bemærkelsesværdigt projekt er brugen af AI til at opdage diabetisk retinopati og brystkræft med høj nøjagtighed fra medicinske billeder.

Et andet initiativ knyttet til Alphabet er gennem et af dets datterselskaber, DeepMind. Dette firma, som også er i front inden for AI i sundhedssektoren, arbejder på projekter, der bruger AI til at forudsige patientforværring og udvikle modeller for proteinstrukturforudsigelse, som kan fremskynde lægemiddelforskning.

2. IBM Corporation

IBM Prisdiagram

IBM Watson Health anvender AI og dataanalyse på forskellige udfordringer inden for sundhedspleje. Dets AI‑drevne løsninger har til formål at forbedre klinisk beslutningstagning, styrke patientpleje og optimere driften. Watson Health’s Oncology‑ og Genomics‑løsninger hjælper onkologer med at udvikle personlige kræftbehandlingsplaner ved at analysere enorme mængder medicinsk litteratur og genetiske data.

Gennem sit initiativ Clinical Development bruger IBM også AI til at strømline processen for kliniske forsøg, forbedre datastyring og reducere tiden til markedet for nye terapier.

Udover CVA’er

Interessant nok tror ingeniørteamet bag dette initiativ, at softwaren med tiden kan identificere andre neurologiske tilstande, der manifesterer sig gennem ansigtsudtryk, med høj nøjagtighed. Et par eksempler på sådanne tilstande er,

• Bell’s parese
• Parkinsons sygdom
• Myasthenia gravis
• Amyotrofisk lateral sklerose (ALS)

Teamleder Professor Dinesh Kumar har udtalt,

Vi ønsker at være så følsomme og specifikke som muligt. Vi arbejder nu på et AI‑værktøj med yderligere data, og hvor vi også vil overveje andre sygdomme… Samarbejde med sundhedsudbydere vil være afgørende for at integrere denne app i eksisterende nødhjælpsprotokoller, så paramedicinere får et effektivt middel til tidlig påvisning af slag.

Indtil videre håber vi, at dette produkt kan perfektioneres og realiseres, da det kan spille en vigtig rolle både i at redde liv og bevare livskvaliteten for utallige CVA‑ramte hvert år.