Realistisk ultralydsimulering og kunstig intelligens for evaluering av hjertefunksjon

Metoden skal:

1. Kvalitetssikre data og sortere ut ultralydbildene som gir de mest robuste målingene.
2. Tolke data gjennom å gjenkjenne kjente strukturer i hjerte, for eksempel muskelen, og kvantifisere vevsbevegelsen. 
3. Beregne kliniske mål som enklere kan vurderes og dokumenteres av helsepersonell.  

Utviklingen foregår gjennom en læreprosess, hvor det benyttes store datamengder med en kombinasjon av ekte pasientdata og realistiske simuleringer. Målet er å tilby et effektivt og presist verktøy i utredningen av pasienter henvist til hjerteundersøkelse.

Hjerte- og karsykdom krever årlig over 10 000 menneskeliv i Norge, og medfører store personlige og samfunnsmessige kostnader. Korrekt diagnostikk er en forutsetning for å kunne gi hver enkelt pasient best mulig behandling, og dermed redusere sykelighet og død. Diagnostikk av hjertesykdommer er imidlertid ressurskrevende, og ofte preget av subjektivitet. 

Kontaktpersoner:

Andreas Østvik, forsker, SINTEF/NTNU og , overlege PhD, Klinikk for hjertemedisin og forsker, NTNU, 

Bakgrunn og samarbeidspartnere

Prosjektet har utspring fra ultralydmiljøet ved NTNU og Klinikk for hjertemedisin, St. Olavs hospital, og gjennomføres i samarbeid med SINTEF, Sørlandet sykehus og biomekanikkgruppen ved NTNU.