Ny norskutviklet teknologi kan bidra til å diagnostisere CP
Lars Adde, forsker og fysioterapeut ved St Olavs hospital i Trondheim, har over flere år sammen med sitt team utviklet digitale metoder for å tidlig kunne identifisere barn som havner i risikogruppen for å utvikle CP. Målet er at metoden også skal bli tilgjengelig for fysioterapeuter i møte med barn i risikogruppen.
Artikkelen er basert på samtale med Lars Adde.
Screening av barn i risikogrupper
Så mange som 10 prosent av alle nyfødte barn havner på nyfødtintensiven. Dette er av ulike grunner, som prematur fødsel, infeksjoner eller pustevansker. Noen av barna står i fare for å utvikle komplikasjoner som kan påvirke hjernens funksjon. En alvorlig komplikasjon er cerebral parese (CP). Blant barn med kjente risikofaktorer ved fødsel er risikoen for å få CP 8-10 prosent, sammenlignet med 2 promille hos barn uten kjent risiko. Grunnet en kjent årsakssammenheng mellom medisinsk risiko og utvikling av CP vil alle barn som er i høyrisikosone følges opp systematisk og tett, både i spesialisthelsetjeneste og i kommunalhelsetjeneste.
Av gruppen som får tettere oppfølging er det rundt 90 prosent som ikke får en CP-diagnose senere, og derfor får oppfølging gjentatte ganger som kan oppleves belastende og tidkrevende uten at den er nødvendig, i tillegg til at det medfører en økt ressursbruk i helsetjenesten. CP-diagnosen settes som regel mellom 1 og 2 års alder, som vil si at mange barn kan bli fulgt opp unødvendig før dette, og at det brukes mye tid på å sette diagnosen på de barna som faktisk har CP. Det er kjent at den beste perioden på å påvirke barns hjerne er før barnet er 2 år, så derfor kan en miste verdifull tid dersom diagnosen settes for sent. Det er derfor ønskelig å få en tidlig risiko diagnose på plass for å kunne starte med tidlig intervensjon og tilpasse individuelt videre oppfølging for de barna som ikke er i den høyeste risikoen for mulig CP. Én av de som har jobbet med dette gjennom mange år med mål om å utvikle en ny metode er forsker og fysioterapeut, Lars Adde, ved St. Olavs hospital i Trondheim. Han har ledet teamet som holder på å utvikle denne metoden.
Ideen om en digital løsning
Lars Adde kjenner godt, og har lenge brukt, GMA – General Movement Assessment. Dette er en metodikk som går ut på å observere spedbarns spontane bevegelser i en videofilm. Metodikken baserer seg på å observere det som kalles for fidgety-bevegelser, som er til stede hos barn fra 10-18 uker etter termin alder. Bevegelsene kan beskrives som rytmiske, små, variable bevegelser i hele kroppen til spedbarnet. Tilstedeværelsen av fidgety-bevegelser er en markør for at barnet ikke har CP. En ulempe med metoden er imidlertid at det tar ressurser og tid å trene opp klinikere til å bli gode i metoden, og man klarer ikke å tilby denne undersøkelsen til alle barn som kan trenge den. Derfor kom ideen om en digital løsning på banen; er det mulig å gjøre opptak av bevegelsene og måle dette ved hjelp av digital teknologi?
Verdifulle videodata
Ideen om digital registrering av bevegelsesmønstre ble født på starten av 2000-tallet, og på denne tiden var det i Trondheim, og noen få miljøer internasjonalt, som holdt på med noe tilsvarende. I dag, over 20 år senere, er det betraktelig mer vanlig å forske på maskinlæringsteknikker, men teamet i Trondheim var på mange måter et av de første med denne tanken. Det har vært utført mange kliniske studier i samarbeid med Rikshospitalet, UNN i Tromsø, Levanger sykehus i Nord- Trøndelag, Ålesund sykehus i Møre og Romsdal og St. Olavs i Trondheim. I tillegg har de fått inn mye videodata fra Sør-India, Kina, Tyrkia, Belgia, Danmark og Chicago i USA. St Olavs sitter derfor på en stor bank med digitalt videomateriale. De siste årene har det dukket opp en ny teknologi, nemlig kunstig intelligens som gjør denne banken svært aktuell og interessant.
Lærer opp KI-kollega
Ved Norwegian Open AI-Lab ved NTNU i Trondheim utvikler Lars Adde og teamet en kunstig intelligens-modell som nyttiggjør seg bevegelsesdataene av spedbarn. Ved å spore bevegelsene til barnet ved bruk av teknologi, har man mulighet til å vurdere barn på lik linje med en god og trenet GMA kliniker. Teknologien for å spore bevegelser er ikke ny, og brukes på mange områder, for eksempel i dataspill, sport og underholdningsindustri. Men det er hittil lite teknologi som har tatt for seg sporing av bevegelser til spedbarn. Lars Adde og kolleger er nå med i et internasjonalt nettverk av forskere som sammen har satt seg mål om å utvikle KI for analyse av spedbarnsbevegelser og tilgjengeliggjøre dette til klinisk bruk. Adde var i Italia i september 2024 og i Tyskland 2025 for å snakke om modellen sin, noe som betyr at den allerede har fått internasjonal anerkjennelse.
Hvordan lærer og forstår KI-algoritmen?
Barna er filmet mellom 10 og 18 ukers alder etter termin. Det er en rekke faktorer som skal til for at filmen skal kunne brukes: Barnet skal bare ha på en body eller bleie, og det er krav til lys, kontraster og hvor stor del av barnet som skal fylle skjermen. Barnet må også være våkent og tilfreds og ikke bruke smokk under filmingen. Dataene blir vurdert av GMA-observatører, og klassifisert etter om det er tilstedeværende fidgety-bevegelser eller ikke, og om barnet siden har fått en CP-diagnose eller ikke. En sporing legges på filmene, og 19 punkter på barnets kropp identifiseres, blant annet hode, håndledd, skuldre og ankler. Punktene måler bevegelsene til barnet i vertikal og horisontal retning. Algoritmen finner så en sammenheng mellom bevegelsene og diagnose/ikke diagnose. Algoritmen fungerer godt - slik teknologien er i dag, så er den jevngod med vurderingene til en klinisk GMA-ekspert.
Hvordan klarer en algoritme å forstå det samme som en kliniker?
Utviklingen av KI-modellen er et godt eksempel på det som kalles «black box», nemlig at modellen finner sammenhengen mellom bevegelsespunktene og sykdommen, men at man ikke i detalj kjenner til hva i bevegelsene modellen vektlegger og hvilke kroppsdeler som brukes mest. Per nå pågår et forskningsprosjekt med finansiering fra Forskningsrådet som omhandler forklarbar kunstig intelligens. Stine Finserås, fysioterapeut og doktorgradsstipendiat ved NTNU, jobber spesifikt med forklarbarhet av modellen til fremtidig klinisk bruk. Formålet er å forske på, undersøke og forstå mer av hva modellen bruker av bevegelsesdata hos barnet. Nye resultater fra forskningen indikerer at modellen bruker bevegelsene i ekstremitetene mest og at hastighet er en viktig faktor. For at KI modellen skal kunne brukes på pasienter må den utvikles til et medisinsk teknisk utstyr som må godkjennes. I tillegg må algoritmen innfri krav til «the EU AI act». Den stiller krav til at modellene skal være transparente og forståelige. Med andre ord, om det skal brukes innen medisinen så må man vite hva maskinen bruker av data. Hovedgrunnen til dette er at man skal kunne fange opp om modellen gjør feil og at brukeren av systemet skal kunne forstå grunnlaget for beslutningen som KI modellen tar.
Betydning i klinikken og for fysioterapeuter i fremtiden
Foreløpig er teknologien ikke tatt i bruk i klinikken, men er kun forskningsresultater som er publisert i kliniske studier. Lars Adde forteller at når det kommer nyvinninger innen medisin, tar det i snitt 17 år før metoden tas i bruk hos pasienten. Dette er fordi det må lages produkter som kan brukes av helsepersonell, og man forlater forskningsverdenen og går over i produktutvikling. Det er per nå en start-up, In-Motion Technologies, i Trondheim som har et samarbeid med NTNU og St. Olavs hospital. Det er også igangsatt et nytt innovasjonsprosjekt i Helse Midt-Norge ledet av Lars Adde i perioden 2025-2028 der den nye KI modellen skal bygges inn i en programvare for klinisk bruk, testes og prøves ut i spesialisthelsetjenestens oppfølging av syke nyfødte. Dersom fagmiljøer er interessert i å vite mer eller delta kan Lars Adde kontaktes. Muligens ser man et ferdig produkt som er klart for klinisk bruk om tre til fem års tid.
Digitalisering vil med stor sannsynlighet bidra til å effektivisere ressursbruk i helsesektoren. Lars Adde påpeker at det er viktig at man får gode, solide verktøy som man skal bruke på riktig måte, som hjelper helseutøvere til å ta gode beslutninger. Verktøyet skal på ingen måte fungere alene, men fungere godt i hendene til en helseekspert som en beslutningsstøtte. Verktøyet vil ikke kunne diagnostisere CP hos barna, kun si noe om tidlig risiko. KI-vurderingen gjøres parallelt med at fysioterapeuter og andre helseutøvere gjør undersøkelser og vurderinger, eks GMA, AIMS, HINE eller ABC-tester som gjøres i dag.
Adde kommenterer at det er et sårt etterlengtet tilleggsverktøy, da det er stor etterspørsel rundt oppfølging av risikofødsler på en bra måte, særlig hos fysioterapeuter som ikke jobber i spesialisthelsetjenesten. Muligens endrer verktøyet over tid hvordan vi tilnærmer oss denne pasientgruppen og hvilke undersøkelsesmetoder som brukes. I tidlig fase er det viktig at KI-modellen brukes som et supplement til alle andre undersøkelser vi allerede har, også GMA. Dette er i stor grad fordi man over tid må se og dokumentere styrker og svakheter med ulike undersøkelsesteknikker.
Bruk på andre områder?
De siste årene ser man en endring i tilfeller barn som utvikler CP. Fødselsomsorgen har blitt så bra at antall CP-tilfeller har gått ned totalt sett, og også blitt mindre alvorlige enn de var tidligere. Til gjengjeld ser man mer og mer av nevroutviklingsforstyrrelser. Med et stort datautvalg skal man ikke se bort fra at man kan bruke dette til også å utvikle KI-metoder som støtter andre vurderinger også på sikt, ikke bare for å gjøre kjent risikoen for CP.
Vil du vite mer?
Kunstig intelligens er kommet for å bli. I boken Maskiner som tenker forklarer Inga Strümke på en enkel og forståelig måte hvordan kunstig intelligens har blitt til og hvordan det brukes. Boken anbefales for alle som har lyst på mer innsikt i tematikken!
Kontakt gjerne Lars Adde for mer informasjon eller for å delta i forskningsprosjekt:
Mail: lars.adde@stolav.no og telefon +47 91897615.
Ønsker du å vite mer om In - Motion? Se her.
