Perioden fra november til februar er ret interessant for området medicinsk billeddannelse – to store konferencer bringer den seneste udvikling inden for området frem i denne periode. Radiological Society of North America (RSNA) afsluttede sit firedages årsmøde i slutningen af november 2018, som er den største radiologibegivenhed globalt set. Dets tagline for sidste år: Tomorrow’s Radiology Today. I takt med at sundhedsvæsenet ser fremad mod futuristiske teknologier, gør radiologien det faktisk også. I februar blev der afholdt HIMSS-konferencen (Healthcare Information and Management Systems Society), hvor der igen vises teknologi til medicinsk billeddannelse.
Fra begge konferencer er her Frost & Sullivans bud på de bedste billeddannelsesteknologier, og hvordan de fortsat vil udvikle sig.
Kunstig intelligens
Der er ingen tvivl om, at kunstig intelligens (AI) har taget radiologisamfundet med storm, og i år er der fokus på, hvordan man får teknologien til at fungere endnu bedre sammen med radiologer. Uden at komme ind på detaljerne om, hvordan den præcist vil blive implementeret og til hvilke brugssituationer, er der nedenfor en fremstilling af, hvordan den vil ændre patientoplevelsen.
Lægen vil blive guidet af AI om den bedste billeddannelsestestest, der skal udføres på patienten (baseret på symptomer), i stedet for at udføre en og derefter være nødt til at bestille en anden.
Den faktiske proces med at få foretaget en magnetisk resonansbilleddannelse (MRI) eller computertomografi (CT) vil være meget hurtigere sammenlignet med nu, hvor teknikeren vil få AI til at vejlede dem om, hvordan de bedst placerer sig til maskinen og forbereder de rigtige indstillinger til scanningen (baseret på alder, køn, område eller sygdom, der er i fokus osv.).
Patienten vil også blive udsat for lavere stråledoser, end de er i dag. For at få et billede af høj kvalitet, der støtter diagnosen, kræves der høje (men sikre) stråledoser. AI vil imidlertid gøre det muligt at anvende lavere doser til at producere billeder af noget lavere kvalitet og derefter omdanne dem til billeder af høj kvalitet, idet der gøres brug af rådata fra maskinerne, som i dag ikke behandles.
Radiologerne vil sandsynligvis også modtage rapporter meget hurtigere – med AI til støtte for radiologerne vil de kunne behandle de billeder, de scanner, hurtigere og uden at gå glip af vigtige træk i scanningen, da AI vil fremhæve dem på forhånd til gennemsyn.
Patienten vil også med større sandsynlighed få en rigtig diagnose første gang samt en bedre og mere personlig behandlingsordning, da AI vil studere patientens sygehistorie og billeder for at sammenligne prognosen med lignende tidligere tilfælde og vejlede radiologerne og lægerne om det bedste kliniske forløb for at opnå det bedst mulige resultat.
Samlet set betyder dette i virkeligheden, at patienterne kan forvente en langt højere effektivitet og nøjagtighed i processen. Alle større virksomheder inden for medicinsk billeddannelse samt mere end 100 nystartede virksomheder arbejder på at gøre denne vision til virkelighed.
Augmented Reality
Augmented Reality (AR) og virtual reality (VR) finder mange nye anvendelser inden for sundhedssektoren. Kirurger forbereder sig på en operation ved at studere radiologiske scanninger af patienten. Tredimensionel billeddannelse har forbedret deres evne til bedre at visualisere patientens anatomi. En udfordring har imidlertid været at vurdere den faktiske position af et område i realtid under operationen. Den bedste løsning har været at yde fluoroskopiunderstøttelse under selve operationen. Med AR kan medicinske billeder konverteres og monteres på AR-headsets, som kirurgen kan bære, mens han/hun udfører operationen. Et eksempel på en AR-baseret præ-kirurgisk planlægningsløsning er Novarads OpenSight AR-system, som nu er godkendt af den amerikanske Food and Drug Administration (FDA). Dette reducerer effektivt strålingseksponeringen for patienterne og giver samtidig kirurgerne bedre planlægningsmuligheder.
Tredimensionel udskrivning
Patienterne får en forklaring på den procedure, der skal udføres, før operationen. Nogle innovative tilgange har brugt AR-teknikker til at hjælpe patienterne med at forstå deres egen anatomi, og hvad der vil ske under operationen. På RSNA præsenterede forskere fra New York resultater fra afprøvning af brugen af AR-modeller og 3D-printede modeller til patientuddannelse. Dommen: 3D-printede modeller var langt mere effektive til at hjælpe patienterne med at forstå nyrens eller prostatatumorens specifikke detaljer og dermed hjælpe dem til at blive mere sikre og trygge ved at træffe de rigtige kirurgiske valg. Af lignende grunde er 3D-print også nyttigt for kirurger, så de er bedre forberedt på operationerne.
Cinematic Rendering og Digital Twin Technology
For at forstå den komplekse funktion af organer som f.eks. hjertet kan 3D-billeder kombineres med yderligere oplysninger, som kan indgå i cinematic rendering-værktøjer. Dette giver en realistisk visualisering af organernes funktioner, som kan hjælpe kirurger med at planlægge procedurer, forklare medicinske procedurer til patienterne og hjælpe med at diagnosticere sygdomme bedre. Dette er en måde, hvorpå teknologien kan hjælpe med at stille den rigtige diagnose hurtigere for patienterne og dermed sikre hurtigere behandling og bedre generelt velbefindende.
Samme koncept er den digitale tvillingeteknologi. Digitale tvillinger er ved at blive et andet fokusområde i branchen, og Siemens, GE Healthcare og Philips arbejder på at bruge denne teknologi til forskellige anvendelsesområder. Siemens Healthineers drøftede f.eks. sin digitale tvillingsteknologi til organer (drevet af AI), der gør det muligt at simulere organets fysiologi for at hjælpe lægerne med at vælge en behandling med de bedst mulige resultater – som testet virtuelt på den digitale tvilling.
Teknologi på vej frem
Selv om der er mange teknologier, der påvirker sundhedssektoren, dominerede AI i år, med mindre fokus på 3D-billeddannelse og udskrivning. Andre områder som f.eks. cybersikkerhed er også begyndt at dukke op inden for radiologi, og privatlivets fred for patientjournaler er også et vigtigt emne inden for radiologi.