MP: Real-Time Accurate Measurement of Placental Volume by Ultrasound

I oppfølgingen av gravide er det nyttig å finne ut så tidlig som mulig hvilke svangerskap som har økt risiko for komplikasjoner. På den måten kan man følge opp disse ekstra tett og sette inn tiltak dersom det blir nødvendig. I dag er det derfor vanlig å gjennomføre minst én ultralydundersøkelse av fosteret i løpet av svangerskapet. Her ser man blant annet på antall fostre, morkakens plassering og fosterets utvikling og anatomi. De siste 10-15 årene har det også blitt påvist en sammenheng mellom morkakens volum og risikoen for komplikasjoner. For å kunne måle dette volumet underveis i svangerskapet er man imidlertid avhengig av gode, tredimensjonale (3D) bilder. Ultralydprober for 3D avbildning begynner å bli vanlige, men disse dekker et begrenset område, og det er ofte ikke mulig å få plass til hele morkaken i ett bilde. I dette prosjektet har vi utviklet en metode for å måle morkakens volum automatisk ved å sette sammen todimensjonale (2D) bilder fra en vanlig ultralydprobe. Dette ble gjort ved å utstyre en ultralydprobe med en posisjonssensor, og deretter avbilde et stort antall morkaker mens vi målte posisjonen til hvert enkelt ultralydbilde. Ved hjelp av moderne maskinlæringsmetoder kan vi da lære et dataprogram hvordan 2D-bildene kan settes sammen til et 3D-bilde basert utelukkende på det man ser i bildene. Disse 3D-bildene kan så brukes til å beregne volumet til morkaken. Så langt har vi samlet inn både ultralyd- og MR-bilder fra 43 gravide kvinner og brukt disse til å verifisere volummålingene og utvikle en maskinlæringsmetode for automatisk gjenkjenning av morkaken i ultralydbilder. Disse dataene og metodene vil bli videre utviklet og integrert i et nytt prosjekt. Metoden vi utvikler vil på sikt kunne brukes på en hvilken som helst ultralydmaskin, og den vil slik kunne bidra til å avdekke mange risikosvangerskap som vi ikke oppdager i dag. Dette er nødvendig for å kunne sette inn tiltak og potensielt avverge skader på fosteret eller i verste fall fosterdød. Metoden vil dermed kunne bidra til bedre svangerskapsomsorg i hele verden.

The results from this project indicate that it could be possible both to measure the placental volume accurately using ordinary 2D ultrasound probes, and to automate the measurements using machine learning methods. In the developed regions of the world, there is an estimated 13 million births per year, from which Norway accounts for almost 60 000. In these regions, ultrasound examinations are established as a standard part of maternity care offered to all pregnant women. With the proposed method, reliable measurements of placental volume can potentially be incorporated in these examinations. This would enable the identification of many high-risk pregnancies that today go unnoticed, and thus reduce the occurrence of adverse pregnancy outcomes. All maternity care units in these countries, and also in many countries in the less developed regions of the world, are therefore potential users of this technology.