Så kan AI förbättra bildanalysen vid datortomografi av kranskärlen

Att manuellt analysera plack i kranskärlen är tidskrävande och beror till viss del på vem som gör bedömningen – två erfarna granskare kan komma fram till något olika resultat för samma bild. Det är precis den typen av begränsningar som AI-baserad bildanalys nu börjar lösa.

Forskning har visat att AI-baserade verktyg kan korta analystiden för en erfaren granskare från runt 19 minuter per patient till under 11 sekunder – samtidigt som noggrannheten hålls hög. Det handlar alltså inte om att välja mellan snabbhet och kvalitet, utan om att uppnå båda samtidigt.

AI-verktyg för plackkvantifiering har i studier visat mycket hög samstämmighet – över 90 procents överensstämmelse jämfört med både erfarna granskare och invasiv ultraljudsmätning (IVUS), som länge betraktats som referensmetod.

Det gör det lättare att lita på att en förändring mellan två undersökningar över tid faktiskt beror på en verklig förändring i kärlet, snarare än på skillnader i hur bilden tolkats.

AI kan inte bara mäta den totala plackvolymen, utan även dela upp den i undergrupper – förkalkat, icke-förkalkat och särskilt högriskbetonat lågdensitetsplack – och göra det konsekvent för varje undersökning. Just den typen av detaljerad karaktärisering har i studier visat sig ha ett tydligt samband med framtida risk för allvarliga hjärthändelser.

Det är precis den här utvecklingen vi på LEVA följer noggrant och ser stor potential i – en naturlig del av hur vår tjänst kan utvecklas framåt: snabbare, mer konsekventa och mer detaljerade mätningar av plack, som ett stöd till våra specialisters granskning, inte som en ersättning för den.

Och den granskningen håller högsta tänkbara kvalitet. Alla undersökningar hos LEVA bedöms av antingen certifierade level 3-läsare – den högsta formella kvalifikationsnivån som finns för tolkning av hjärt-CT – eller av thoraxradiologer med mångårig erfarenhet specifikt av kranskärl.