Tilbake til søkeresultatene

EUROSTARS-EUROSTARS

E!1826 AI quantification of wake-up stroke

Alternativ tittel: E!1826 AI-kvantifisering av wake-up stroke

Tildelt: kr 1,9 mill.

Akutt slag er en av hovedårsakene til død og varig funksjonssvikt, både nasjonalt og globalt. Rask og rikitg behandling er nøkkelen til å unngå dette. Akutt slag kan behandles med trombolyse og/eller trombektomi, men begge behandlingsaltertnativene kan kun bli utført i et begrenset tidsvindu etter at slaget inntraff (4.5-6 timer etter symptomstart). Omtrent 25% av pasientene har wake-up stroke, det vil si at at pasienten våkner opp med slagsymptomer og vi kan dermed ikke vite når slaget først inntraff. I disse tilfellene er man i dag avhengig av avansert MR-avbildning, hvor radiologer må manuelt granske disse bildene i etterkant for å anså slagtidspunktet. Dette er en veldig vanskelig og tidkrevende prosess, og man ser at det er stor variasjon mellom radiologer hvordan de vurderer bildene, og dermed også den endelige behandlingsbeslutningen. I dette prosjektet vil vi utvikle en automatisk AI-metode som analyserer bildene i sanntid, som vil gjøre det lettere for radiologene til å ta ei rask og riktig behandlingsbeslutning. Dette vil gjøre behandlingsbeslutninga mer robust og med mindre uønsket variasjon mellom pasienter. I tillegg vil tidsbruken bli redusert, som både sparer sykehuset for ressurser, men ikke minst kan man øke sannsynligheten for overlevelse og bedre utfall ved å korte ned tiden mellom MR-opptak og behandlingsstart.

Wake-up stroke - when a patient awakens with stroke symptoms - affects around 25% of stroke patients. The treatment options (thrombectomy and thrombolysis) have high efficacy for stroke, but it can only be administered within a specific time window (<4.5h-6h) after the first symptoms. For wake-up stroke the difficulty lies in assessing when the symptoms started. Currently, there are no automated tools to both analyze brain MRI scans and select wake-up stroke patients for treatment. Therefore, clinicians still rely on subjective visual assessments and time-consuming calculations. This represents uncertainties and delayed decisions, resulting in the exclusion of many patients from potential life-saving treatments We aim to develop an AI-based software solution to automatically identify wake-up stroke patients eligible for thrombectomy/thrombolysis treatment and predict treatment outcomes. The AI tool will analyze, in real-time, MRI brain scans, and more specifically ischemic brain lesions, while patients are being examined, and will automatically quantify different parameters essential for quick, robust and correct treatment decision for wake-up stroke patients.

Budsjettformål:

EUROSTARS-EUROSTARS