Helgelandssykehuset med i EU-prosjekt som skal bruke kunstig intelligens til å påvise covid-19

Brynjar Andreassen, lungelege ved Helgelandssykehuset Mo i Rana, er med i et større EU-forskningsprosjekt som skal bruke kunstig intelligens for å oppdage og følge med på covid-19-sykdom. Helgelandssykehuset får 4,4 millioner kroner til dette prosjektet fra EU, som eneste norske helseforetak i samarbeid med MedSensio i Tromsø og flere internasjonale aktører.

Helen K. Langfors Åsli, webredaktør

Published 10/13/2020

Last updated 4/22/2024

Brynjar Andreassen skal samarbeide med sykehjem i Rana kommune i forskningen, med utstyr som MedSensio i Tromsø m.fl. internasjonale aktører skal utvikle. Prosjektet, eller konsortiet, skal bruke kunstig intelligens for å kunne oppdage og følge med på covid-19 sykdomsutvikling, både hos tidligere friske og hos risikopasienter med kroniske hjerte- og lungesykdommer. Forskningen vil Andreassen også bruke som del av sin egen doktorgradsavhandling.

- Det er i europeisk klasse

Hvor unikt er dette prosjektet?

- Det er i europeisk klasse, vi har jo konkurrert mot de beste i Europa, fastslår Herald Reiersen. Han er forsknings- og innovasjonssjef i Helgelandssykehuset.

Hva menes med kunstig intelligens i denne sammenhengen?
- Det er utrolig spennende. Vi skal lytte på pasientenes lunge- og hjertelyder over lang tid. Når virus infiserer lunger lages forskjellige lyder, og de kronisk syke pasientene har allerede en annen lyd enn friske. Maskinen må oppdage endring i lyder også hos en KOLS-pasient. Det er her den kunstige intelligensen kommer inn – den skal lære underveis ved hjelp av algoritmer. Min jobb er å samle inn data. Maskinen hjelper meg tolke dette, forteller Brynjar.

Vi skal lytte til de ulike melodiene fra lunge og hjerte og lage et bibliotek av lyder fra syke og friske lunger.

Det forskes en del på kunstig intelligens, det kanskje aller mest kjente er bildegjenkjenning. Dette er lyd-gjenkjenning - og kan kanskje minne om de appene som kan fortelle deg navnet på en sang ved å spille av deler av lyden.

- Vi skal lytte til de ulike melodiene fra lunge og hjerte og lage et bibliotek av lyder fra syke og friske lunger. Virusinfeksjoner i lunger lager ulike lyder fordi trykkbølgene av luft i lungene påvirkes forskjellig av sykt vev og væskeansamling. Når lydbiblioteket er på plass, skal maskinen lære hva som er unormale lyder og foreslå diagnose, forklarer Herald.

Det unike her at man på sikt kan lage små stetoskoper som festes på huden, og da kan man lytte på lyder fra lungene over lengre tid, timer eller dager. En lege bruker vel under ett minutt på en slik undersøkelse.

Herald og Brynjar — F.v. Herald Reiersen, Brynjar Andreassen.
Brynjar er veldig takknemlig for all drahjelp fra Herald. Han og Ida (Bukholm, fagsjef) har hatt en nøkkelrolle: - Det er først etter at Herald og Ida kom på banen at det ble fart på mine tanker om å forske. Helgelandssykehuset er et lokalsykehus, og dette er ikke vårt hovedfokus. Dere to har virkelig stått i bresjen for dette. Jeg har tenkt på forskning lenge, men først nå løsner det, sier en fornøyd Brynjar.

Drøm om å forske

Målet er å starte i desember. Mange er allerede involvert, og det kan bli flere ansatte i prosjektstillinger. Brynjar har tidligere vært lege i spesialisering og konstituert lungelege ved Lungeavdelingen ved St.Olavs hospital i Trondheim. Der er det vanlig at mange forsker samtidig som de har deltidsstillinger på sykehuset. Det ble derfor naturlig for Brynjar å se sørover for samarbeidspartnere, SINTEF, NTNU og St.Olavs, rundt sin egen doktorgrad.

Kanskje vi kan påvise mer enn covid-19, for eksempel andre typer forverringer av kroniske sykdommer som KOLS og hjertesvikt.

Ideen ble født ved nettverksbygging

- Det gir et flott signal til ansatte at det lønner seg å skrive søknader og finne gode samarbeidspartnere. Dette er et eksempel på at nettverk fungerer. Vi fant frem til MedSensio i Tromsø via Induct, en nettside for å fremme innovasjon. De inviterte oss med inn i Horizon 2020 søknaden, forteller Herald, som gjerne vil understreke hvor viktig det er å ikke gi opp;

- Har du en drøm om å forske, begynn med å bygge nettverk for å teste ut ideen med andre! Det lønner seg til slutt. Drømmen kan bli sannhet om du står på. Det var en diskusjon omkring deltakelse på en annen forskningssøknad sammen med kommunene og SINTEF som fødte ideen. Vi var på utkikk etter mulige industrielle samarbeidspartnere innen lungemedisin.

Da kom spørsmålet – finnes det en sensor for å overføre og tolke lungelyder? Dette sjekket Reiersen ut, og fikk så kontakt med MedSensio. Resten er historie.

- Det er veldig artig at det er vi på Helgeland som er samarbeidspartnere med Tromsø-firmaet MedSensio.

Halvparten av koronadødsfall er sykehjemspasienter

Samarbeidspartnerne i prosjektet er en sammensetning av internasjonale selskaper som er eksperter på områdene innen kunstig intelligens, hardware og distribusjon i marked. Tromsøfirmaet MedSensio er medansvarlig for utviklingen av teknologien, og Helgelandssykehus er klinisk partner i Norge.

Selve produktet kombinerer et digitalt stetoskop med flere sensorer (temperatur, puls og pustefrekvens), og viser resultatene og historikken til pasienten i en app.

Mangel på helsepersonell og ressurser til å oppdage luftveissymptomer er blant de viktigste årsakene til at koronatilfeller ikke blir avdekket tidlig nok. Dette øker sannsynligheten for at sykdommen sprer seg innad i institusjoner som sykehjem.

– Analoge stetoskop er det i hovedsak legene som læres opp til å bruke, mens et smartere digitalt produkt vil gi sykepleiere og annet helsepersonell mulighet til å også følge med på pasientenes lunger, sier daglig leder i MedSensio, Johan Ravn.

– Vårt ønske er at dette prosjektet skal bidra til å øke kvaliteten på behandling av sykehjemspasienter over hele Europa, og bidra til å begrense smitten av korona. Sammen skal vi lage et helseovervåkingssystem som skal passe inn i nye arbeidsrutiner og skal integreres i eksisterende IT-systemer slik at helsepersonell kan ha bedre kontroll over sine pasienter i risiko-gruppen. Produktet skal også kunne brukes for monitorering av kronisk syke pasienter etter korona-pandemi, og slik bidra til tidlig diagnostikk av forverringer i helsetilstand.

Kan brukes til mer enn covid-19

Det er ikke helt avklart hvordan arbeidsfordelingen blir, men Brynjar ser for seg å fremdeles jobbe på klinikken samtidig med prosjektet. Han er alene lungelege på Mo per i dag. I tillegg vil han kanskje kunne forske på pasienter på Helgelandssykehuset. Han regner ikke med det blir vanskelig å få inkludert pasienter, da dette verken er ubehagelig eller medfører risiko for pasientene.

Bestillingen fra EU er det som går på covid-19. I tillegg tenker Andreassen å bruke dataene til egen forskning og doktorgrad.

- Kanskje vi kan påvise mer enn covid-19, for eksempel andre typer forverringer av kroniske sykdommer som KOLS og hjertesvikt.

Mer informasjon om konsortiet

Konsortiet består i tillegg til Helgelandssykehuset og MedSensio fra Norge av bedriftene Sanolla og Natali fra Israel, og Rudolf Riester, Benevit og PhilonMed fra Tyskland.

De som bidrar med teknologi er Sanolla og MedSensio, som skal utvikle instrumentet mot kunstig intelligens og helseparametere. Riester bidrar med utvikling og kommersialisering av medisinsk utstyr og e-Helse-utstyr. Helsetjenestene skal leveres av Natali (privatsykehus i Israel), BeneVit, PhilonMed (private sykehus i Tyskland) og Helgelandssykehuset.

Helgelandsykehuset har fått innvilget et budsjett på €416, 875 (ca 4,4 mNOK) med ingen egendel (100% ekstern finansiering). Totalt budsjett til konsortiet er på €6.68mill (70,23 mNOK).

Helgelandssykehuset har forpliktet seg til 41 måneders fulltidsarbeid, dvs. ca. 2 fulltids ansatte i 22 måneder.

Studiet heter «Telehealth-ready AI-powered multi-parametric system for surveillance of COVID-19 and cardio-pulmonary chronic patients» (Kunstig intelligens-forsterket e-Helse-multiparametersystem, for å overvåke Covid 19 og hjerte-lunge pasienter)

Det er mulig å følge utviklingen av covid-19 sykdommen ved hjelp av lytteutstyr (auskultasjon) koplet til kunstig intelligens, siden 82 % av tilfellene har hoste og 31 % pustevansker. Teknologi kan oppdage lavfrekvente lungelyder, måle pust, og kontinuerlig følge progresjonen til pasientene som har disse problemene, og dermed kan forebyggende tiltak settes i gang tidligere.

Prosjektet foreslår å bruke en hjemme- / «Point-of-Care» utstyr der man lager en pakke av digitalt stetoskop og måling av andre kliniske parametere, for å følge med på evt. forverring av respirasjonen til Covid 19 pasienter. Da kan man tidlig påvise lungebetennelse, og dermed trenger ikke pasientene å komme til behandling på sykehus før det blir nødvendig. Pleiehjem eller hjemmesykehus kan tidlig oppdage og følge med på Covid-19 sykdomsutviklingen.

Auskultasjon (lytting på lunger) er førstelinje diagnostisk metode for lungesykdommer, men det er fortsatt utfordringer for å få dette nøyaktig nok. Dette har drevet frem utviklingen av digitale stetoskoper. Infralyd (lyd som ikke er hørbart, dvs. mindre enn 30 Hz) er en viktig kilde for klinisk relevant informasjon.

Konsortiet/prosjektet presenterer her en ny generasjon av et datadrevet auskultasjonsutstyr, PyXy, som har et ekspertnivå på instrumentet, for å kontrollere lunge- og hjertefunksjon, Dette ved lytting av normale lyder og infralyder fra bryst, og deteksjon av hjerterytme, blodoksygennivå, kroppstemperatur og respirasjonshastighet.

Grensesnittet opp mot PyXy beskrives av et samspill med medisinsk personell og hjemmebrukere på en liknende måte som bruk av tradisjonelle stetoskoper, men har nye egenskaper når det gjelder deteksjonsmetoder da det brukes kunstig intelligens for å få nøyaktig data. Utstyret er allerede nå 90% sensitiv for å detektere lungebetennelser, og har nylig vist lovende resultater for å kunne kontrollere Covid-19 infeksjonen. Instrumentet kan gi betydelig helseøkonomisk fordeler ved fjernhelse/e-helse og kan gi bedre oppfølging av lungerelaterte sykdommer for den eldre delen av befolkningen. PyXy metodene kan til og med utføres også uten medisinsk ekspertise.

Horizon 2020

This project has received funding from the European Union’s Horizon 2020 research and innovation programme under grant agreement No 101016046.