FAST-MRI

FAST-MRI - AI-optimised MRI workflow for acute stroke

PhD-projekt der tester et AI-system til scanningsbeslutningsstøtte og billedanalyse ved MR-scanning af akutte slagtilfælde — med henblik på at fremskynde diagnostik og behandlingsbeslutninger ved apopleksi.

  • Odense Universitetshospital

Metadata

Hovedfunktion
Diagnosticering Beslutningsstøttende værktøj
Regionalt
Sundhed
Lukket
Sidst opdateret i databasen
5. maj 2026

Beskrivelse af systemet

I. Hvor bruges systemet og hvad bruges det til?

FAST-MRI er et PhD-projekt ved Radiologisk Afdeling, OUH, der tester en kommercielt tilgængelig AI-algoritme til detektion af MR-læsioner forenelige med apopleksi. Systemet yder beslutningsstøtte via et smart protokolsystem til scanningsbeslutninger og billedgennemgang. Projektet er forankret ved OUH og CAI-X og er en del af CIMT's PhD-projektportefølje. Det adresserer det kritiske behov for hurtig diagnostik ved akut apopleksi, hvor hvert minut tæller for patientens outcome.

II. Hvornår blev det implementeret?

Projektet løb fra 2020 til 31. januar 2025.

III. Hvordan gør systemet brug af kunstig intelligens?

Systemet anvender maskinlæring til detektion af MR-læsioner forenelige med apopleksi samt klassificering af scanninger. AI-løsningen er en kommercielt tilgængelig algoritme der er integreret i MR-arbejdsgangen via et smart protokolsystem til scanningsbeslutningsstøtte og billedgennemgang. Den konkrete AI-arkitektur er ikke nærmere beskrevet i de tilgængelige kilder.

IV. Hvilke data er blevet brugt til at træne algoritmen?

Projektet anvender retrospektive MR-scanningsdata samt prospektive kliniske forsøgsdata fra patienter ved et komprehensivt apopleksicenter med alle apopleksityper. Der er ikke fundet yderligere oplysninger om datasættets størrelse og sammensætning.

V. Hvilke sikkerhedsforanstaltninger findes der?

Systemet er designet til at understøtte radiologers beslutningstagning — ikke erstatte den. Der er ikke fundet yderligere oplysninger om konkrete sikkerhedsforanstaltninger.

VI. Har systemet været afprøvet gennem f.eks. pilotprojekter? Blev der identificeret konkrete (etiske, juridiske, tekniske) udfordringer? Blev disse udbedret? Hvordan?

Projektet anvender en kommercielt tilgængelig AI-algoritme og tester den i både retrospektiv og prospektiv klinisk kontekst. Der er ikke fundet oplysninger om forudgående separate pilotprojekter.

VII. Hvordan er begrundelsen for indføring af systemet?

Ved akut apopleksi er hurtig diagnostik afgørende — forsinket behandling kan føre til varig invaliditet eller død. MR-scanning er det mest præcise billeddiagnostiske redskab ved apopleksi, men kan være tidskrævende. AI-understøttet optimering af MR-arbejdsgangen kan fremskynde diagnostikken og dermed forbedre patientoutcomes.

VIII. Er lignende systemer blevet implementeret andres stede? Eventuelt, hvilke erfaringer er der derfra.

AI-RAPTOR (PROJ-025): Beslægtet projekt der ligeledes anvender AI til detektion af fund på CT-scanninger (lunge) med henblik på at fremskynde diagnostik. AICE (PROJ-024): Anvender AI til billedanalyse i gastrointestinal diagnostik.

IX. Demokratiske udfordringer

Kommercielle AI-algoritmer til MR-diagnostik kan have varierende præcision på tværs af patientpopulationer og scanningsudstyrstyper. Implementering i en akut klinisk kontekst kræver høj systemstabilitet og klar ansvarsfordeling ved fejlklassificeringer.

Media