Slag er en betydelig årsak til sykelighet og dødelighet over hele verden, og påvirker hovedsakelig den eldre befolkningen. Endovaskulær terapi med trombektomi er en svært effektiv, tidskritisk behandling for pasienter med karokklusjoner. Dette prosjektet har som mål å motvirke uønskede variasjoner i helsetjenesten knyttet til geografisk avstand og varierende ekspertise innen slagbehandling ved primære slagbehandlingssentre. Hvis prosjektet lykkes, kan det forbedre kvaliteten og hastigheten på arbeidsflyten i akutt iskemisk slagbehandling og øke antallet pasienter som mottar tidlig og gunstig endovaskulær behandling.
Hovedmålet med dette prosjektet er å øke antallet pasienter behandlet med trombektomi og redusere ulikhetene i helsetjenesten gjennom å bruke et KI-verktøy for å forbedre akutt slagdiagnostikk. Vi har som mål å forbedre pasientforløpet gjennom en pragmatisk tilnærming til akutt slagbehandling ved hjelp av nyeste fremskritt innen kunstig intelligens.
Denne studien er en regional, klinisk studie som vurderer nytten av å implementere et KI-basert automatisk bildeanalyseverktøy som klinisk beslutningsstøtte for radiologer på vakt. Studien startet i 2023.
Hypoteser
Nye KI-baserte bildeanalyseverktøy brukt på allerede tilgjengelige standard CT-baserte bildebehandlingsteknikker kan a) forbedre akutt slagdiagnostikk og b) øke antallet pasienter som blir overført og behandlet med trombektomi.
Delmål
- Å vurdere den diagnostiske nøyaktigheten til mCTA for påvisning av iskemisk slag med middels og stor karokklusjoner ved bruk av KI-baserte analyseverktøy sammenlignet med vurdering av radiologer på vakt.
- Å vurdere om implementeringen av et KI-basert analyseverktøy for mCTA kan øke antallet slagpasienter som er kvalifisert for og tilbys trombektomi.
- Å vurdere om bruken av KI-baserte bildeanalyseverktøy i radiologisk diagnostikk ved primære slagbehandlingssentre kan redusere tiden fra symptomstart til åpning av blodåre (recanalization) hos akutte iskemiske slagpasienter behandlet med trombektomi.
- Å sammenligne funksjonelle utfall og pasientrelaterte utfallsmål 3 måneder etter trombektomi hos slagpasienter som fikk sin initielle radiologiske diagnose ved bruk av KI-baserte bildeanalyseverktøy, med slagpasienter diagnostisert ved standardbehandling.
- Å vurdere brukeropplevelsen knyttet til gjennomførbarhet, nytteverdi og tilfredshet med implementeringen av KI-verktøyet.
Prosjektpartnere
Regionalt samarbeid: Denne studien er basert på et bredt tverrfaglig samarbeid og samhandling mellom små og store slagbehandlingssentre i Nord-Norge. Ledere og radiologer ved Finnmarkssykehuset, Nordlandssykehuset og Helgelandssykehuset støtter studien og er involvert i planleggingen og gjennomføringen av prosjektet. Helse Nord IKT er også en viktig partner i prosjektet. Den første fasen av prosjektet vil inkludere etablering av et regionalt nettverk for akutt slagbehandling med representanter fra hvert sykehus i regionen.
Nasjonalt samarbeid: Prosjektet samarbeider med et lignende prosjekt i Helse-Sør Øst, ledet av førsteamanuensis Anne Hege Aamodt ved Oslo universitetssykehus (OUS).
Internasjonalt samarbeid: Et internasjonalt samarbeid med ledende nevrointervensjonister/nevrologer, prof. Mayank Goyal og prof. Michael Hill ved University of Calgary, Alberta, Canada. De har vært involvert i utviklingen av StrokeSENS-programvaren og driver for øyeblikket multisenterstudier om trombektomibehandling av LVO og MVO. De vil bidra med sin omfattende ekspertise innen slag og trombektomiforskning og lang erfaring med bruk av StrokeSENS for klinisk bildeanalyse.
Koordinering studien skjer fra UNN Tromsø. Prosjektleder er Agnethe Eltoft, nevrolog ved UNN. Doktorgradsstudenten i dette prosjektet er Jon Andre Totland, som er radiolog ved UNN. SKPI bidrar som rådgivende organ i prosjektet, for eksempel i spørsmål knyttet til validering og/eller juridiske utfordringer.
