Stor milepæl for tidlig oppdagelse av CP

Ved hjelp av kunstig intelligens har en gruppe forskere ved St. Olav og NTNU skapt et nytt verktøy for å kunne identifisere risiko for utvikling av cerebral parese – kun noen måneder etter barnet er født. Nå får de internasjonal anerkjennelse for et omfattende vitenskapelig arbeid.

Elling Finnanger Snøfugl
Publisert 17.08.2022

– Her har vi et klassisk eksempel på at medisin og teknologi kommer sammen og skaper et verktøy som vil kunne gi stor gevinst for pasientene, sier forsker og spesialist i barnefysioterapi ved St. Olavs hospital og NTNU, Lars Adde.

Han er ansvarlig for kliniske studier sammen med nyfødtlege Ragnhild Støen i forskningsgruppen ved NTNU og St. Olavs hospital, som nylig nådde en ny milepæl i sitt arbeid med å bekrefte såkalt «dyplæringsbasert CP-prediksjon». En milepæl som i midten av juli fikk internasjonal oppmerksomhet gjennom publisering av en vitenskapelig artikkel i det anerkjente medisinske tidsskriftet JAMA Network Open

– Stas med anerkjennelse

Adde og Støen har sammen med forskerne Espen Ihlen og stipendiat Daniel Groos ved Institutt for nevromedisin og bevegelsesvitenskap og Heri Ramampiaro og Helge Langseth ved Norwegian Open Artificial Intelligence Lab ved NTNU studert hvordan man ved hjelp av et dataprogram kan analysere spedbarns spontane bevegelser i en videofilm, for på den måten å plukke ut de barna som har høyest risiko for å utvikle cerebral parese (CP).

Forsker og spesialist i barnefysioterapi, Lars Adde.

Forsker og spesialist i barnefysioterapi, Lars Adde, er ansvarlig for studien. Foto: Geir Otto Johansen/St. Olavs hospital.

– Vi på den kliniske siden har jo holdt på en stund og vært med på hele den teknologiske utviklingen, og det å komme dit vi har kommet nå er veldig gøy. Det er stas at vi har fått denne anerkjennelsen av arbeidet vårt, og vi har stor tro på at når denne teknologien tas i bruk, så vil vi ha et svært godt beslutningsstøtteverktøy for klinikere til å kunne identifisere risikofaktorene for utvikling av CP mer effektivt – og på et tidligere tidspunkt, forteller Adde. 

For tidlig fødte barn og andre barn som har vært syke i nyfødtperioden kan ha økt risiko for ulike typer hjerneskader, deriblant cerebral parese (CP). Diagnosen CP stilles gjennomsnittlig ved 19 måneders alder i Norge i dag. 

Ville effektivisere observasjonsmetode

Å tidlig identifisere hvilke barn som vil utvikle CP er ikke enkelt, men en observasjonsmetode av spedbarns spontane bevegelsesmønstre (General Movement Assessment) ved tre måneders alder vil kunne forutsi om barnet har høy risiko for utvikling av CP eller ikke. Dette gjøres av trenede og erfarne eksperter som studerer videoopptak av spedbarnet.

– Dersom indikasjonene på CP oppdages tidlig, vil det har mye å si for barna og den videre utviklingen. CP er en skade på hjernen som ikke kan kureres, men barna kan få et mye bedre liv med forebygging av komplikasjoner og bedret funksjon dersom vi kan gripe inn tidlig, følge opp tettere og tilby treningsprogram fra tidlig alder, sier Lars Adde.

Observasjonsmetoden krever spesiell opplæring og kan være utfordrende å anvende i klinisk praksis. Dette fordi man er avhengig av å ha ekspertise på sykehuset der barna følges opp, samtidig som ekspertene ikke har kapasitet til å kunne undersøke alle som trenger det. De fleste syke nyfødte som trenger slike undersøkelser vil derfor ikke ha tilgang på denne ekspertisen, noe som fører til en ulik og mangelfull helsetjeneste både nasjonalt og internasjonalt for denne pasientgruppen.

Dette ville forskningsgruppen prøve å gjøre noe med. De ønsket å effektivisere og tilgjengeliggjøre denne prosessen gjennom å la et dataprogram gjøre analysene og gi en beslutningsstøtte til klinikeren. 

Mann u hvit frakk

Lars Adde viser hvordan analysevideoene med barna og de 19 virtuelle punktene vises på skjermen. Foto: Geir Otto Johansen/St. Olavs hospital

Studiene på dette har foregått helt siden tidlig 2000-tall, men det er ikke før nylig at teknologien har vært tilgjengelig og god nok til å kunne utføre en tilstrekkelig dataanalyse ved hjelp av kunstig intelligens. 

Gjennom alle disse årene har det, gjennom nasjonale og internasjonale multisenterstudier, derimot blitt samlet inn nær 1200 videoer av spedbarn i risikogruppen, noe som har gitt et svært godt grunnlag for forskning.

Hentet inn ekspertise på kunstig intelligens

Hovedarbeidet med metodikken bak dataverktøyet er det stipendiat Daniel Groos som står for. Han er spesialist i kunstig intelligens ved Institutt for nevromedisin og bevegelsesvitenskap (INB) ved NTNU, og kom inn i forskningsgruppen for 3-4 år siden. Espen Ihlen ved INB, NTNU har vært hans hovedveileder og Groos disputerte 14. juni med sin doktorgrad om den såkalte dyplæringsmetodikken bak verktøyet, som nå kan brukes på videoer av spedbarn og gi tidlig prediksjon av CP. Den nylig publiserte artikkelen i JAMA Network Open er den siste av tre vitenskapelige arbeider i Groos sin doktorgrad.

– Dyplæring er en avansert form for maskinlæring der man kan spore mer avanserte mønstre, forklarer Groos.

Sammen har de utviklet an automatisk sporing av bevegelsene til barna, der metoder innen kunstig intelligens brukes for å følge posisjonen til ulike kroppsdeler ut fra videofilmen. Dette gjøres via 19 virtuelle punkter på barnets kropp. 

– Disse posisjonene gir oss data som igjen brukes for å trene opp en datamaskin til å gjenkjenne tidlige bevegelser typiske for barn som får CP – og som ikke får CP, forklarer Groos.

Denne nye metoden er under utvikling, men viser svært lovende resultater, og med stor nøyaktighet automatisk uten bruk av spisskompetenter eksperter.

Sender inn video til ekspertene

På St. Olavs hospital har foreldre til alle barn med risiko som har blitt fulgt opp ved Nyfødt intensiv blitt tilbudt tidlig prediksjon av CP ved observasjon de senere årene. Dette utføres også nå i et pågående regionalt helsetjenesteinnovasjonsprosjekt i Helse Midt-Norge drevet av Lars Adde. 

Forskerne har utviklet en egen opplæringsvideo som foreldrene kan bruke for å filme barnet hjemme i naturlige omgivelser, for å få en best mulig undersøkelse. Videoene, som er 3-4 minutter lange, sendes så fra foreldrenes smarttelefon via et system som heter CheckWare inn til ekspertene ved St. Olavs hospital. 

Disse blir nå analysert både manuelt og ved bruk av den nye maskinlæringsmetoden. Som del av regionstudien blir barna også fulgt til de er to år gamle for å se om de utvikler CP.

– Nå har vi bevis

Forskningsprosjektet fortsetter nå med utgangspunkt i det nye verktøyet, men Lars Adde påpeker at det fortsatt vil gå en stund før de har et produkt som kan brukes i pasientbehandlingen.

– Det som gjenstår er å få dette laget som et godkjent medisinsk teknologisk produkt som kan implementeres til bruk i helsetjenesten. Vi jobber nå med å finne mulige samarbeidspartnere i næringslivet for å realisere og markedsføre. Det pågående prosjektet varer nå fram til 2025, så da håper vi å ha en pilot klar, sier han.

– Det virkelig nye nå er at vi i samarbeid med andre vitenskaper utenfor medisinen har bekreftet en automatisk metode som vil kunne effektivisere undersøkelsene og gi viktig beslutningsstøtte til klinikere. Nå har vi bevis på det. Samtidig vil dette gjøre metoden langt mer tilgjengelig, noe som vil gjøre at langt flere pasienter som i dag ikke får tilbudet vil kunne få det. ​

Kan ha overføringsverdi

Daniel Groos, som bidrar med teknologien, sier det er svært givende å være en del av noe som har et såpass stort potensial for å gjøre en forskjell for en utsatt pasientgruppe. 

– Det er veldig spennende. Det er en svært samfunnsnyttig problemstilling, og når du ser potensialet så er dette svært gledelig å være en del av, sier han. 

Lars Adde ser også at denne teknologien kan ha muligheter til å spore andre diagnoser i fremtiden.

– Det er klart dette kan ha stor overføringsverdi ved at vi også kan forske på andre problemstillinger. De spontane bevegelsene til spedbarna speiler hjerneaktiviteten direkte, og nå har vi et verktøy som gir nøyaktig bevegelsesmåling fra videofilm. Dette kan også brukes til å trene opp andre modeller for identifisering av andre utviklingsforstyrrelser, som for eksempel autisme, mener forskeren.​​