Formål
PET-/CT-scanninger er et vigtigt redskab til tidligt at opdage kræft og tilbagefald. Undersøgelserne er forbundet med øget risiko for senere at udvikle kræft. Derfor er det vigtigt at minimere stråledosis mest muligt. Det kan man gøre ved at mindske mængden af det sporstof, barnet får ifm. scanningen, og ved at undlade at lave et CT-billede. Men konsekvensen er, at billederne kan miste den klinisk kvalitet, der er nødvendig for at stille en korrekt diagnose.
Projektet går ud på at udvikle kunstig intelligens-modeller, der kan genskabe billedkvaliteten. Modellerne vil gøre det muligt at foretage gentagne PET-/CT-undersøgelser uden risiko for følgesygdomme. Det er specielt interessant for undergruppen af børn med arvelige syndromer, der øger risikoen for kræft.
Status
Projektet er i gang.
Delresultater
Forskerne har udviklet en AI-model, der kan oversætte et PET-billede til et kunstigt CT-billede. Ved at vise AI-netværket data bestående af et PET-billede samt et CT-billede fra samme patient, kan netværket oplæres i at oversætte billeddata. Metoden er trænet og evalueret på mere end 1.000 voksne. Forskerne er nu i gang med at evaluere metoden på børn med kræft.
Samarbejdspartnere
Projektet er finansieret i samarbejde med Team Rynkeby Fonden.