Abdominale aortaaneurismer (AAA) behandles ofte med stentgraft som gjenoppretter en mer normal anatomi og blodstrøm. Et stentgraft er en karprotese som består av et metallgitter dekket av en duk. Siden denne behandlingen foregår endovaskulært istedetfor med en åpen operasjon er behandlingen relativt skånsom for pasienten, men av og til dannes det over tid thromboser (blodpropper) inne i stentgraftet. Thromboser kan igjen føre til komplikasjoner som krever kostbare reintervensjoner. Prosjektet SimFast har som mål å omsette ny kunnskap om thrombosedannels til et programvareverktøy som bidrar til å optimalisere stentgraftdesign samt å tilpasse behandlingen til den enkelte pasient. Dette kan på sikt gi bedre resultater av behandlingen, redusere helsekostnader og øke pasientenes livskvalitet.
I dette kvalifiseringsprosjektet har vi utviklet en første versjon av programvaren, inkludert AI-basert automatisk segmentering av medisinske bilder og en automatisert arbeidsflyt fra segmentering til strømningssimulering og resultat-analyse. Ved å analysere strømningsmønstre kan vi forutsi hvor i karet det er høyest sannsynlighet for at en trombose vil dannes.
Det første produktet vil gi beslutningsstøtte til klinikere, mens det langsiktige målet er å muliggjøre forbedrede stentgraftdesign. På grunn av forsinkelser og begrenset tilgang til kliniske data valgte vi å fokusere på AAA-pasienter før behandling som et første steg. Vi har automatisert store deler av arbeidsflyten slik at vi nå kan utføre blodstrømsimuleringer basert på en initiell aortasegmentering, og vi er i ferd med å utvikle et verktøy som automatisk genererer en rapport til klinikeren med nøkkelparametere som beskriver blodstrømningen i aneurismen.
Markedet for stentgraft er omfattende, og til tross for utfordringer knyttet til eksisterende patenter, viser vår strategi lovende utsikter for å realisere et attraktivt produkt. Neste steg er å samle inn flere kliniske data for å forbedre og validere både den automatiske segmenteringen og arbeidsflyten.
Outcomes: 1) a AI model trained for segmentation of aortic aneurisms. When data are available this model can be directly used to create a software for segmentation of stent grafts from CT, which is a current bottleneck for larger clinical validation studies. Such studies will be important for optimization of technology and for clinical and commercial impact; 2) A pipeline that automize the setup of blood flow simulations and post processing of the results. This is essential for the product to be clinically relevant since it automatically provides a report with key parameters for the clinicians; 3) insight into market potential and freedom-to-operate will guide decisions on further commercialization activities, e.g., a Proof-of-concept project for verification of technology and market, or a research collaboration with a commercial partner in the EVAR device market. Based on market analysis the last options seems most tractable.
Impact: The intended product will reduce the incidence of complications after EVAR, and thus the need for reinterventions. This benefits both patients and society and may help reduce growth in healthcare expenses. Our innovation can add commercial value for stent graft companies in terms of increased market share and a shorter time to market for new devices, and for medical centers which can optimize the choice of stent graft components using patient-specific simulations.
In addition, the automized pipeline can be used for decision support and may open up a broader market compared to only looking at stentgrafts.
