10 000 lunger skannet i 3D. Et så stort materiale er en sjelden gave for en informatiker.

Men Lauge Sørensen, ved Datalogisk institutt ved Københavns Universitet, grep muligheten og brukte et materiale som opprinnelig var samlet for å undersøke lungekreft. Materialet brukte han til å trene en algoritme i å diagnostisere kols.

De 10 000 3D-bildene er såkalte CT-skanninger, og viser både sykt og friskt vev.

Algoritmen har nå lært å se forskjell på strukturer i lungevevet, slik at et program kan tegne et kart over lungen som viser hvor det er sykt lungevev.

– Algoritmen kan registrere svært små endringer i strukturen i lungevevet og angi sannsynligheten for sykdom i vevet tidlig i sykdommen, forklarer Lauge Sørensen.

Danner sannsynlighetskart

Teknologiske framskritt betyr at datamengden i helseindustrien vokser. Sørensen mener det gjør det opplagt å ta i bruk datateknologi for å analysere av materialet.

– Man vil aldri kunne sette en lege til å analysere 10 000 skanninger, men det kan datamaskinen gjøre, og hvis man har adgang til en superdatamaskin, kan det gjøres raskt, forklarer han.

Algoritmen skjærer ut en kube av 3D-bildet av hele lungen og analyserer strukturen i dette stykket. Analyseresultatene fra en rekke kuber brukes til å regne ut om lungene er skadet.

Algoritmen beregner først sannsynligheten for at lungene er syke, og så tegner et program et sannsynlighetskart over lungene.

De strukturendringene som viser seg tidlig ved lungesykdommer, er ikke lette å få øye på, men kan potensielt registreres av datamaskinen. Derfor kan algoritmen konkurrere med legens vurdering av graden av sykdom, mener Sørensen.

Datamaskinen gir et objektivt tall

Algoritmens analyse er også ensartet og objektiv.

– Forskning viser leger tolker CT-skanninger ulikt. Mens legenes vurdering er subjektiv, gir algoritmen et objektivt svar hver gang.

- Men vi vet fortsatt ikke om en legefaglig vurdering tross alt er best, for dette er ikke undersøkt, understreker forskeren.

Foreløpig er den mest opplagte bruksmuligheten å benytte algoritmen i forskning hvor man har et stort datamateriale.

– Forskningen kan spare kostnader og tid fordi avlesningen er så presis at man vil trenge svært få forsøkspersoner når man for eksempel vil påvise effekten av et nytt legemiddel, sier Sørensen.

Algoritmen ble utviklet under Lauge Sørensens doktorgradsprosjekt, som ble veiledet av Marleen de Bruijne, og var en del av et større forskningsprosjekt hvor personer fra Datalogisk institutt ved Københavns Universitet, Gentofte Universitetshospital samt AstraZeneca i Lund i Sverige deltok.

Prosjektet ble støttet av Det Strategiske Forskningsråd.