AI946 - AI ved PET-scanning

Billedet er generet af kunstig intelligens

Reduktion af stråledosis i kræftbehandling

Signaturprojektet, "Reduktion af stråledosis ved skanninger brugt i kræftbehandling", omhandler et AI-system, hvor en patient blev scannet med en lavere stråledosis og i kortere tid, men med en opnåelse af god billedkvalitet. Således kunne man kontrolscanne oftere, uden at patienten påføres en betydelig stråledosis.

  • Rigshospitalet
  • Region Hovedstaden

Beskrivelse af systemet

I. Hvor bruges systemet og hvad bruges det til?

Projektet kørte ved og blev drevet af Rigshospitalet. Det var desuden Rigshospitalet, der sikrede, at opsamling af viden og resultater løbende blev afprøvet og kvalificeret. PET-skanning blev anvendt til diagnostik af en lang række lidelser, herunder kræftsygdomme, hjertesygdomme, demens og andre hjernesygdomme. Projektet udviklede en metode, der reducerede mængden af støj i skanningsbillederne, så de fortsat kunne bruges diagnostisk, selv ved lavere dosis og kortere skanningstid.

II. Hvornår blev det implementeret?

Projektet løb fra andet halvår 2019 til udgangen af 2021. Det er i dag kun implementeret til forskningsbrug, ikke til brug for patienter.

III. Hvordan gør systemet brug af kunstig intelligens?

Den nye algoritme sikrede et bedre signal-støj-forhold, således at de billeder, der blev optaget i scanneren, havde en tilstrækkelig høj kvalitet, selvom de var optaget over kortere tid og med anvendelse af en lavere stråledosis. Algoritmen blev udviklet på baggrund af skanningsbilleder foretaget med henholdsvis normalt og nedsat mængde af sporstof, hvor den kunne forudsige billedet skabt med den fulde dosis sporstof ved brug af den nedsatte dosis.

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

Projektet udviklede algoritmer på baggrund af skanningsbilleder. Nogle af disse skanningsbilleder var foretaget med en normal mængde af sporstof, mens andre var foretaget med en nedsat mængde af sporstof. Dette trænede algoritmen til at forudsige, hvordan det ville have set ud, hvis der var brugt en fuld dosis sporstof. Data blev håndteret i Rigshospitalets kliniske systemer og var anonymiserede under modeltræningen. Den færdige algoritmemodel anvendte ikke henførbare data.

V. Hvilke sikkerhedsforanstaltninger findes der?

Der udføres klinisk validering.

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

Der er endnu ikke identificeret nogen udfordringer, da systemet kun er taget i brug til forskning. Det forventes, at der vil blive identificeret udfordringer ved den kliniske implementering, da MDR-forordningen (Forordningen for medicinsk udstyr) skal opfyldes. Dette er et tungt arbejde. Der forventes ikke at blive identificeret nogen udfordringer af etisk eller teknisk karakter, da projektet primært gik ud på at optimere billedkvaliteten fra scannerne.

VII. Hvordan er begrundelsen for indføring af systemet?

Når en patient blev PET-scannet, sprøjtedes et radioaktivt sporstof ind, som gjorde skanningsbilledet skarpere. Dette stof øgede dog patientens risiko for senere at udvikle kræft. Ved at indføre et system, hvor en algoritme kunne efterbehandle skanningsbillederne og gøre dem skarpere, ville man kunne bruge en markant lavere dosis af sporstoffet, uden at det forringede billedets skarphed. Dette ville mindske patientens udsættelse for det kræftfremkaldende sporstof, uden at det fik konsekvenser for kvaliteten af diagnosen.

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

På Vejle Sygehus bruger man kunstig intelligens i kombination med en hjertescanner til at gøre scanningsbillederne skarpere. 85% af patienterne kan nu blive sendt hjem, uden at de behøver at blive sendt til en ny hjerte-undersøgelse. Fordi man bruger kunstig intelligens til at forbedre billedkvaliteten, ender patienter med at få en mindre dosis stråling i kroppen. 

Bidrag til offentlig-ai

Har du supplerende oplysninger, ønsker du ændringer som projektejer eller vil du give et bidrag til offentlig-ai.dk og vores arbejde med at synliggøre AI i den offentlige sektor?

Bidrag med oplysninger til offentlig-ai.dkStøt forskningen finansielt
Klassifikationsbegrundelse
Systemet forbedrer reaktivt kvaliteten af et konkret PET-skanningsbillede ved at reducere støj. Det er ADS på sagniveau (det enkelte billede), og systemet anbefaler indirekte behandlingsforløb ved at muliggøre oftere scanning med lavere dosis.
Ændringshistorik (3 opdateringer)
Algoritmisk reguleringsklassifikation tilføjet
Kilde: Laage-Thomsen & Ratner (2025), Politica 57(2) (2026-06-30)
Felt opdateret
Vis detaljer
+ Leverandør: Ukendt leverandør
Oprettet
Citér dette projekt

APA 7

Rigshospitalet & Region Hovedstaden. (2024). Reduktion af stråledosis i kræftbehandling. I «Offentlig AI – Database over kunstig intelligens i den offentlige sektor». Tilgået 7. august 2026 fra https://offentlig-ai.dk/projekter/reduktion-straaledosis-kraeftbehandling

Citér databasen

APA 7

Küçüksu, A., & Gyldenkærne, C. H. (2026). Offentlig AI - Kunstig Intelligens i det offentlige v2 [Data set]. Zenodo. https://doi.org/10.5281/zenodo.20660412