AI fra DTU skal hjælpe med at diagnosticere epilepsi

Omkring 50 millioner mennesker verden over har epilepsi. Den neurologiske sygdom giver anfald, der skyldes forstyrrelser i den elektriske aktivitet i hjernen og kan føre til tidlig død. Epilepsi kan behandles med billig medicin, men patienter i lav- og mellemindkomstlande bliver sjældent diagnosticeret, fordi der mangler undersøgelsesudstyr og neurologer.

Gennem projektet eGAP skal DTU Compute hjælpe virksomheden BrainCapture, der blev etableret i 2019 som et spinout af forskningen på samme institut, med at udvikle en billig og mobil EEG-scanningsmetode baseret på kunstig intelligens (AI), som sundhedspersonale uden træning kan bruge lokalt i lav- og mellemindkomstlande.

DTU udvikler teknologi for mennesker og bidrager til løsningen af de globale udfordringer formuleret i FN’s 17 verdensmål. Derfor giver eGAP særlig god mening, siger lektor i forskningssektionen Kognitive Systemer på DTU Compute Tobias Andersen:

”WHO estimerer, at cirka 40 millioner epilepsiramte mennesker bor i ressourcesvage områder, hvor op imod 75% ikke modtager behandling. Skønsmæssigt ville omkring 70% af dem kunne blive fri for anfald, hvis de blev korrekt diagnosticerede og behandlet. Selvom BrainCapture kun ville nå ud til en beskeden del af disse mennesker, ville det altså kunne forbedre livskvaliteten for millioner af mennesker."

DTU-algoritme skal opdage forstyrrende data
EEG (elektroencefalografi) er en teknik til at måle dele af hjerneaktiviteten. Kort fortalt sætter man en hætte med elektroder på patientens hoved og måler spændingsforskellene mellem elektroderne. Data sendes til en computer, hvor neurologen kan aflæse dem som kurver og stille diagnosen ud fra dem. Normalt kan en diagnose stilles efter bare 20 minutters scanning.

Data kan dog være svære at fortolke, fordi øjenbevægelser, blink og muskelsammentrækninger f.eks. i kæbemusklerne også giver signaler og blander sig med de neurale signaler, som skal vise, om patienten er syg.

I eGAP skal data stadig behandles af en neurolog, men man flytter selve undersøgelsen ud i lokale sundhedshuse, og det øger risikoen for, at utrænet personale laver fejl. DTU’s algoritme baseret på AI skal kvalitetssikre undersøgelsen ved at foretage en automatisk analyse af data i realtid, så man under selve scanningen kan opdage, om målingerne bliver forstyrret.

Modsat andre lignende kontrolmetoder kan DTU Computes model ekstrahere signaler og kortlægge præcis hvilke bevægelser, der forårsager signalerne. Det betyder, at man bedre vil kunne hjælpe patienter til ikke at bevæge sig på en forstyrrende måde, så det bliver lettere at stille en nøjagtig diagnose.

”Ved at tilføre noget af den nyeste og mest avancerede teknologi på området til BrainCaptures system håber vi at skubbe grænserne for, hvor meget algoritmerne kan klare på en lille, billig smartphone,” siger Tobias Andersen.

Teknologien skal nu modnes
Den første version af DTU-algoritmen ventes at være klar inden for et par måneder, hvor softwaren bliver installeret i BrainCaptures udstyr for dernæst at blive testet af personale og patienter på epilepsihospitalet Filadelfia.

”I dag har BrainCapture en simpel kvalitetskontrol og en EGG-måling, og vi kan sende data til en cloudplatform. Vi skal nu have løftet og modnet teknologien, så vores løsning kan blive godkendt som medicinsk udstyr og kommercialiseret,” fortæller administrerende direktør i BrainCapture og projektleder Tue Lehn-Schiøler.

Det er forventningen, at eGAP-metoden vil kunne kortlægge cirka 60 % af alle epilepsitilfælde og dermed hjælpe mange patienter, der i dag aldrig bliver undersøgt på sygehuse og dermed ikke får behandling. I første omgang koncentrerer BrainCapture sig om Kenya, hvor man har samarbejdspartnere.