AI-RAPTOR
PhD-forskningsprojekt der udvikler en AI-algoritme til detektion af potentielt maligne lungeforandringer på lavdosis-CT-scanninger med henblik på at understøtte lungekræftdiagnostik og -screening i Danmark.
Beskrivelse af systemet
AI-RAPTOR er et PhD-forskningsprojekt ved OUH der udvikler en AI-algoritme til automatisk detektion og klassificering af potentielt maligne lungeforandringer på lavdosis-CT-scanninger (LDCT). Systemet kombinerer billedanalyse med patientdata (alder, rygehistorik, sygehistorie) og præsenterer diagnostiske fund til radiologens gennemsyn. Projektet er forankret på Thoraxkirurgisk, Lungemedicinsk og Radiologisk Afdeling på OUH i samarbejde med SDU og Region Syddanmarks Regional IT.
Projektet løb fra januar 2023 til december 2025 og var finansieret af Det Frie Forskningsråd (DFF) og Region Syddanmarks Regionale Innovationsfond.
Systemet anvender maskinlæringsalgoritmer til automatisk detektion og klassificering af lungeknuder og andre pulmonale forandringer på lavdosis-CT-scanninger. Algoritmen integrerer billeddata med kliniske patientdata (alder, rygehistorik og medicinsk baggrund) og genererer diagnostiske fund til radiologens vurdering. Den konkrete arkitektur er ikke nærmere beskrevet i de tilgængelige kilder.
Algoritmen er udviklet og valideret på to datasæt: ca. 5.000 anonymiserede CT-scanninger fra diagnostiske lungekræftudredninger og Dansk Lungekræftregister, samt ca. 15.000 anonymiserede scanninger fra det danske kardiovaskulære screeningsforsøg DANCAVAS (2014–2017).
Systemet er designet til at understøtte — ikke erstatte — radiologens diagnostiske vurdering. Data er anonymiseret inden brug. Der er ikke fundet yderligere oplysninger om sikkerhedsforanstaltninger.
Projektet er i sig selv et forsknings- og udviklingsprojekt. Der er ikke fundet oplysninger om forudgående pilotprojekter.
Lungekræft opdages ofte sent, hvilket reducerer overlevelseschancerne markant. AI-understøttet analyse af lavdosis-CT-scanninger kan fremskynde diagnostikken og reducere tiden fra billeddannelse til diagnose, hvilket potentielt kan forbedre prognosen for lungekræftpatienter i Danmark.
DETECT-AI (PROJ-001): Anvender ligeledes AI til analyse af CT-scanninger af brystkassen — her til detektion af koronararterieforkalkninger. Begge projekter udnytter eksisterende CT-skanningsdata til nye diagnostiske formål. EUCanScreen (PROJ-021): EU-projekt der forbereder implementeringsrammer for bl.a. lungekræftscreening på europæisk plan.
AI-algoritmer til lungekræftscreening trænet på specifikke hospitalspopulationer kan have reduceret præcision på andre demografiske grupper. Anvendelse af DANCAVAS-data (kardiovaskulær screening) til lungekræftdetektion rejser spørgsmål om sekundær anvendelse af data til formål ud over det oprindeligt tilsigtede.
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 finansieltÆndringshistorik (2 opdateringer)
Vis detaljer
Citér dette projekt
APA 7
Odense Universitetshospital & Region Syddanmark & Syddansk Universitet. (2023). AI-RAPTOR. I «Offentlig AI – Database over kunstig intelligens i den offentlige sektor». Tilgået 7. september 2026 fra https://offentlig-ai.dk/projekter/ai-raptor
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