AI hjälper läkarna se risk för hjärtinfarkt

En AI-modell hjälper forskarna att analysera SCAPIS-deltagarnas kranskärl.

Publicerad 2025-08-12 ur Forskning för hälsa nummer 2, 2024 | Text: Nils Bergeå och Malin Byström Sjödin, fotograf: Tomas Ohlsson

I SCAPIS 2 används nya fotonräknande datortomografer som ger extremt högupplösta bilder. Och AI hjälper forskarna att hitta farliga plack i kranskärlen med en metod som har potential att förutsäga framtida hjärtinfarkter.

Befolkningsstudien SCAPIS andra fas som pågår i hela landet innebär ett stort tekniksprång jämfört med den första fasen som genomfördes 2013-18.

Alla deltagande sjukhus genomför nu skiktröntgen med fotonräknande datortomografer. Det är en ny avancerad teknik som gör det möjligt att ännu tydligare avbilda exempelvis kranskärlen som försörjer hjärtat med blod.

Fantastiskt skarpa bilder

– Med den här nya utrustningen får vi fantastiskt skarpa och högupplösta bilder. På hjärtsidan kan forskarna tydligare se plack i kranskärlen, inte minst de fettrika placken som ofta är farliga och svåra att upptäcka. Även lungbilderna blir avsevärt mer högupplösta nu än i första delen av SCAPIS, säger Mira Ernkvist som fram till våren 2025 var forskningschef på Hjärt-Lungfonden.

Med konventionell datortomografiteknik är detektorn uppdelad i celler där alla fotoner som träffar en cell blir till en signal. Det ger en begränsad bildupplösning. Den fotonräknande tekniken innebär ett nytt sätt att ta emot signalen där varje foton ger en separat signal. Det ger mycket skarpare bilder.

Data direkt till forskningsbank

En annan teknisk förbättring gäller dataöverföringen. I SCAPIS 1 samlades data lokalt på sjukhusen – nu kommer det mesta i stället att föras över direkt och automatiskt till SCAPIS nationella forskningsbank på Göteborgs universitet. Det gäller bland annat bilderna från de fotonräknande datortomograferna.

– Det här innebär en stor tidsvinst jämfört med SCAPIS 1. Troligen kommer vi att kunna öppna databasen med data från SCAPIS 2 ganska snart efter det att undersökningarna har avslutats.

Tar hjälp av AI

I SCAPIS 2 tar forskarna hjälp av AI, artificiell intelligens, för att analysera om förändringar på lungorna, så kallade noduli, har ändrats eller tillkommit sedan studiedeltagarens första SCAPIS-undersökning. AI används också för att studera kroppspulsåderns tjocklek.

AI används även på bildmaterialet från SCAPIS 1. Då genomgick 27 000 av studiedeltagarna en datortomografi av hjärtats kranskärl. Flera hundra bilder togs på varje person, bilder som visar om och var det finns plack och förträngningar i kranskärlen. Sådana kan leda till kärlkramp och hjärtinfarkt.

Att granska bilderna är tidsödande och ibland svårt även för tränade röntgenläkare.

– Att granska bilderna är tidsödande och ibland svårt även för tränade röntgenläkare. Därför tog vi hjälp av AI för att kunna göra det snabbare och ibland också bättre, säger Erika Fagman, överläkare i radiologi vid Sahlgrenska universitetssjukhuset i Göteborg.

Hon ingår i en arbetsgrupp som har arbetat fram en algoritm, en AI-modell, som genomför bildanalysen. Metoden kallas djupinlärning och algoritmen består av olika datorinstruktioner som löser uppgiften den är tränad på.

En precis och noggrann modell

Forskarna i arbetsgruppen började med att granska röntgenbilder på 650 av deltagarna i SCAPIS-studien, sedan har de tränat AI-modellen att lära sig att identifiera kranskärl och plack med hjälp av dessa granskade röntgenbilder som ett slags facit.

– Modellen måste få instruktioner om hur ett friskt respektive sjukt kärl ser ut och vad ett plack är. Det tog oss två år att skapa ett manuellt facit och att träna modellen. Nu har AI-modellen lärt sig hur uppgiften, att hitta farliga plack, ska utföras, säger Erika Fagman.

AI-modellen har också potential att användas i klinisk praxis för att förutsäga hjärtinfarkt.

– Jag upplever att den är både precis och noggrann. I den kliniska verksamheten vore detta ett fantastiskt hjälpmedel. Vi skulle kunna granska bilder effektivare och hitta fler plack. I framtiden hoppas jag att vi har så bra programvaror så att jag som radiolog kan fokusera på de svåraste fallen där min kompetens behövs mest, säger Erika Fagman.