Umiddelbar gjenkjennelse av hjerneslag ved hjelp av kunstig intelligens
I samarbeid med
Søknadssammendrag
Hjerneslag er en av våre fremste årsaker til død og alvorlig funksjonsnedsettelser. Forskning viser at kort tid mellom hjerneslag og riktig behandling reduserer risiko for død og senskader. Pasientens manglende forståelse for egen situasjon, varierende utfall, variasjon i symptombilde og kognitive utfordringer, fører til unødig tidsbruk i prehospitalt forløp. En studie fra 2010 viser bl.a. at kun 63% tok direkte kontakt med AMK.
Sentral facialisparese er en ansiktslammelse som oppstår hos ca. 40% av alle slagpasienter. Vi vil utvikle et dyp-læringssystem som kan gjenkjenne facialisparesen ved hjelp av bildepredikasjon og varsle pasient om mulig hjerneslag, med anbefaling om å kontakte 113 umiddelbart.
Beste metode for å løse bildepredikasjon av denne typen er CNN. Det skal innhentes over 2000 unike bildedata av personer med sentral facialisparese hos de største slagenhetene i Norge, og det skal benyttes data augmentering og Transfer Learning for å utnytte datasettet optimalt.
Primærmålgruppe er personer som har gjennomgått slag (70 000). Studier viser at denne gruppen har 19,4–23% risiko for nytt slag innen 5 år.
I 2021 vil vi utvikle modeller som kan fintrenes til å løse utfordringen, og innen utgangen av året bevise at systemet er gjennomførbart. I 2022 utvides datasettet kunstig og bildedata samles inn. Systemet vil være ferdig utviklet i des.22. Resultatmål er recall og precision på 99,5% og 98% respektivt og et system klart for pilottesting i brukerrettet applikasjon.