Kunstig intelligens finder markant flere risikograviditeter

Brug af kunstig intelligens til at analysere ultralydsscanninger kan opdage op til 35 procent flere risikograviditeter end scanninger udført af sundhedsprofessionelle uden AI-beslutningsstøtte. Det viser resultater fra en nyetableret spinout-virksomhed Prenaital fra DTU og Københavns Universitet, som ingeniører, dataloger og læger har oprettet efter flere års samarbejde, senest i regi af Technical University Hospital of Greater Copenhagen, TUH.

Prenaitals AI-modeller er i en udviklingsfase og det første produkt til at kvalitetssikre ultralydsundersøgelser er på vej til regulatorisk godkendelse. Den første model - en AI model til vækstscanning, der kan finde op til 35 procent af alle fostre i risiko for abnorm vækst - forventes at komme på markedet i 2026.

Modellerne er udviklet i samarbejde med sonografer, jordemødre og læger på Rigshospitalet, der har svaret på, hvilken teknologi de har mest brug for, og herefter er AI-teknologien trænet på DTU med mere end 10.000 billeder fra ultralydsscanninger fra danske hospitaler.

”Ultralydsbilleder rummer store mængder data som det menneskelige øje ikke registrerer, men som kan bruges til at finde risikograviditeter. Det drejer sig blandt andet om strukturer i fosterets hjerne, fedtprocent og vævsstrukturer, der kan udnyttes til at forudsige fosterets udvikling. I dag bestemmes fostrets størrelse og vækst ud fra måling af hovedomkreds, maveomkreds og lårbenslængde på ultralydsbilledet, men AI-modellen kan udnytte alle informationer i billedet,” siger professor Aasa Feragen fra DTU, som er medstifter af Prenaital.

AI-teknologien vil kunne give et markant større udbytte af de ultralydsundersøgelser, som gravide får i løbet af deres graviditet, men som i dag kun finder langt under halvdelen af alle risikograviditeter. Alene i Region Hovedstaden, med 22.000 gravide om året, føder 1.500 kvinder for tidligt og koster tilsammen samfundet godt 800 mio. kr. Mindre end 20 procent af alle for tidlige fødsler bliver diagnosticeret i tide til, at læger i dag kan starte forebyggende behandling.

Finder halvdelen af alle risikograviditeter

Medstifter af Prenaital, professor og overlæge Martin G. Tolsgaard fra Rigshospitalet har siden 2019 været ansvarlig for en række forskningsprojekter om effekten af AI-støtte på sikkerheden i lægernes diagnostik. Forskerne på Rigshospitalet er fortsat i gang med at validere teknologien i en gruppe på 200 gravide, som bliver fulgt graviditeten ud.

”Det er frustrerende, når vi står med redskaber, som bare ikke er gode nok, især når vi faktisk kan forebygge, hvis vi har data at stille en diagnose ud fra. Jeg stod for nylig med en gravid, som kom ind i uge 29 og gik i fødsel med et barn, der var for lille til at blive født. Hun skulle være fanget i ultralydsscanningen, men vi misser langt over halvdelen af risikograviditeterne. Hvis vi bare havde vidst det, så kunne vi forebygge hendes veer, og forebygge en for tidlig fødsel, som giver barnet komplikationer, der følger det resten af livet,” siger Martin G. Tolsgaard.

Machine learning og neurale netværk

Prenaitals analyse af ultralydsscanninger er baseret på dybe neurale netværk, der består af mange små enheder kaldet neuroner, der er organiseret i lag og designet til at behandle og analysere billeddata.

Før modellerne kan bruges, skal de trænes på en stor mængde ultralydsbilleder fra mange forskellige scanninger. Når AI-modellen er trænet, kan den begynde at analysere nye ultralydsbilleder på baggrund af de mønstre, den har lært, til f.eks. at identificere forskellige dele af fostret som fostrets hoved, hjerte og andre organer, og sammenligne dem med normale værdier, og på den måde opdage eventuelle afvigelser tidligt. Efter analysen kan AI generere en rapport, der opsummerer fundene og på den måde hjælper læger med at stille diagnoser og planlægge behandlinger.

Klar til klinikken i 2026

Prenaital indgik i 2024 aftale om patentrettighederne til den AI-teknologi og de metoder spinout-virksomhedens produkter er baseret på. Herefter har virksomheden fået funding til at ansætte fire medarbejdere og har fået plads i Bioinnovation Institutes, BII Venturelab, som ifølge CEO Tanja Danner har fremskyndet mulighederne for at sende de første produkter på markedet.

”BII’s støtte og acceleratorforløb har været helt afgørende for, at vi kunne etablere virksomheden, ansætte vores første medarbejdere og skabe fundamentet for at få forskningsresultaterne omsat til de første produkter, og medarbejdere til at dokumentere vores arbejde og forskningsresultater. Vi har fået adgang til et helt unikt økosystem af viden, sparring og rådgivning i BII, som har accelereret Prenaitals udvikling, så vi kan få vores teknologi ud til de gravide og de babyer, som det hele handler om,” siger Tanja Danner.

Det kommende år skal Prenaital skabe de processer og arbejdsgange, der skal til for at få tilladelse til at udvikle produkter til medicinsk brug, og samtidig færdiggøre de første produkter til vurdering af risikograviditeter, som Prenaital vil markedsføre på det amerikanske marked, i EU og i Danmark fra 2026. Risikomodellerne er unikke og har ikke direkte konkurrenter på markedet.

Fakta

Prenaital er en spin out-virksomhed, der har udviklet AI-modeller til ultralyd, som kan identificere risikograviditeter tidligere og mere præcist, end det er muligt med den nuværende kliniske praksis. Fundamentet for Prenaital er et forskningssamarbejde mellem Region Hovedstaden (CAMES & Rigshospitalet), DTU og Københavns Universitet siden 2019.

Prenaital fik i 2024 et BII venturelab grant og er en del af Bio Innovation Institutes accelerator program med adgang til netværk, finansiering og strategisk støtte til startups. Herudover har Prenaital i 2024 modtaget bevilling fra Innofounder og i 2025 en Innobooster bevilling.

Udviklingen af Prenaitals AI-løsninger er offentliggjort i en række anerkendte videnskabelige tidsskrifter som BMJ, Ultrasound in Obstretrics and Gynaecology, Nature Scientific reports.