Medicinsk billeddannelsesteknologi i dag, og hvor den er på vej hen

Når man hører udtrykket “medicinsk billeddannelse”, er det første billede, man kommer til at tænke på, et røntgenbillede, eller et røntgenbillede, som det er mere almindeligt kendt. Selv om røntgenbilleder er den ældste og stadig den hyppigst anvendte metode til medicinsk billeddannelse, er der så meget mere til dette fascinerende og innovative videnskabsområde i dag. I denne artikel forsøger vi at gennemgå den aktuelle situation og de seneste fremskridt inden for medicinsk billeddannelsesteknologi samt at afgrænse områder, hvor der forventes store gennembrud i en ikke alt for fjern fremtid.

Tegningen “medicinsk billeddannelsesteknologi” har en bred definition og omfatter enhver teknik, der hjælper læger med at se kroppens indre eller områder, der ikke er synlige for det blotte øje. Visualisering af disse strukturer kan bidrage til diagnosticering af sygdom, planlægning af behandling, udførelse af behandling – f.eks. gennem billedstyret intervention – samt overvågning og kontrol.

Den store rækkevidde af medicinsk diagnostisk billeddannelse – hvad den omfatter

I dag er medicinsk billeddannelse en integreret del af diagnosticering og håndtering af sygdomme. Den tidligste form for diagnostisk medicinsk billeddannelse var røntgenapparatet, som blev introduceret af Roentgen i 1895. Siden da er radiografisk billeddannelse kommet langt, og de traditionelle røntgenstråler bliver hurtigt erstattet af computertomografi (CT), som kombinerer computerbehandlingens kraft med røntgenbilleder. CT-skannere tager billeder i tre forskellige planer. CT-teknologien i sig selv er blevet forfinet i årenes løb. Tykkelsen af billedskiverne er blevet reduceret, og der er kommet spiral-CT’en, som reducerer billedoptagelsestiden dramatisk.

Magnetisk resonansbilleddannelse (MRI) opstod i slutningen af det 20. århundrede på et tidspunkt, hvor bekymringen om strålingseksponering under medicinsk billeddannelse var på sit højeste. Dette billeddannelsessystem anvender naturlige magnetfelter til at optage billeder af kroppens indre strukturer. Selv om MRI oprindeligt kun havde begrænset diagnostisk anvendelse, har forbedringer af udstyret gjort det muligt at gøre det til den foretrukne billeddannelsesmodalitet for blødt væv og vaskulære strukturer. Nyere MRI-maskiner er kompakte og åbne apparater, der ikke længere giver patienterne klaustrofobiske følelser.

Ultrasonografi er en anden billeddannelsesmodalitet, der ikke anvender stråling. Den anvender reflekterede lydbølger til at tegne et billede af indre organer. En stor fordel ved ultralyd er dens bærbarhed. Den har fået udbredt medicinsk anvendelse, f.eks. til undersøgelser ved sengekanten, til undersøgelse af vaskulære strukturer og inden for obstetrik til vurdering af fosterets sundhed.

Andre avancerede medicinske billeddannelsesteknikker har udnyttet kraften af nukleare radioisotoper. Positronemissionstomografi (PET) gør det muligt at optage radiomærkede molekyler, som f.eks. glukose, i kropsvæv. De opfanges derefter af sensorer, og deres fordeling giver et fingerpeg om diagnosen. Indførelsen af kontrastmidler har ført til stedspecifik billeddannelse som f.eks. CT-angiografi. Radiomærket materiale sprøjtes ind i blodbanen, og vaskulære strukturer kan let visualiseres. Dette hjælper med at identificere vaskulære anomalier og blødninger. Radiomærkede molekyler kan også optages af visse væv, hvilket er med til at indsnævre en diagnose. F.eks. bruges technetium-99 til knoglescanning og jod-131 til at undersøge skjoldbruskkirtelvæv. Ofte kombineres to eller flere af de ovennævnte billeddannelsesteknikker for at give lægen en sikker idé om, hvad der foregår i patientens krop.

Hvordan medicinsk billeddannelsesteknologi har udviklet sig i årenes løb

Medicinsk billeddannelsesteknologi har udviklet sig med stormskridt i årenes løb. Dette har ikke været begrænset til de modaliteter, hvormed billederne er erhvervet. Der har været en stadig større vægt på efterbehandling og nyere, mere avancerede måder at dele og lagre medicinske billeder på. Idéen her er at få det maksimale udbytte ud af de eksisterende teknologier og sprede det til flest mulige mennesker.

I forbindelse med diagnostisk medicinsk billeddannelse kan klinikere nu manipulere billeder for at få større indsigt og information fra det samme datasæt.

Forsøg inden for lagring og genfinding af billeddannelsesdata

Med de forskellige typer billeddannelsesudstyr, der anvendes i dag, og de unikke data, de producerer, er integration og lethed i samarbejdet af største interesse for sundhedsinstitutter og slutbrugere. Næsten alle typer billeder i dag optages digitalt og består af store datafiler. En vigtig udvikling i denne henseende har været indførelsen af PACS (Picture Archiving and Communications System). Det er en platform, der gør det muligt at integrere lagring og visning af medicinske billeder fra forskellige apparater og systemer. I PACS-serveren lagres billederne hovedsageligt i DICOM-formatet (Digital Imaging and Communications in Medicine).

DICOM er en standard, der er udviklet af American College of Radiologists. Alle billeder, herunder CT-scanninger, MR-scanninger, ultralydsbilleder og PET-scanninger, må kun lagres, hentes og deles i DICOM-formatet. DICOM-formatet har patientoplysninger indlejret i billedet for at minimere diagnostiske fejl. Der findes en række programmer til visning af DICOM på markedet, og de har hver især forskellige funktioner, der hjælper klinikere med at stille diagnoser og planlægge behandling.

Advanced Medical Imaging Tools

Medical 3D Imaging Technology

En ulempe ved eksisterende medicinske billeddannelsesteknikker har været deres todimensionelle resultater, mens kropsvæv og organer er tredimensionelle. At opfatte en struktur i tre dimensioner kræver, at klinikere ser på billedskiver taget fra forskellige vinkler og derefter rekonstruerer et mentalt billede med henblik på fortolkning. Dette er en tidskrævende proces, der er udsat for fejl. 3D-billeddannelse har længe været et mål for producenter af avanceret software og udstyr til medicinsk billeddannelse. 3D-billedgengivelse tilbydes nu af flere DICOM-applikationer. Det er normalt baseret på rekonstruktion af 2D-billeder. 3D-rekonstruktion sparer klinikere for besværet med at gennemgå flere sektionsbilleder og indsnævrer fokus til det område, der er af interesse. 3D-billeddannelse giver også mulighed for volumetrisk analyse, hvilket er et yderst nyttigt redskab, når der skal stilles en klinisk diagnose.

En anden udløber af 3D-rekonstruktion er multiplanar rekonstruktion (MPR). MPR er processen med at opnå nye billedskiver af billeder fra den 3D-rekonstruerede model. De nye skiver ligger i andre planer end for de skiver, der oprindeligt blev erhvervet. Dette bliver særligt nyttigt, når man skal følge forløbet af større strukturer som f.eks. aorta.

Intensitetsprojektioner

Billedbehandlingssoftware har i dag flere funktioner, der hjælper sundhedspersonalet med at studere deres interesseområde i detaljer. En af disse funktioner er intensitetsprojektion. Klinikere kan vælge at redigere billedet af et rekonstrueret område ved kun at vise de maksimale eller minimale CT-værdier. Disse værdier kaldes henholdsvis maksimal og minimal intensitetsprojektion (MIP og MINIP). De øger kontrasten mellem det interessante område og det omkringliggende normale væv.

Sandfærdig 3D-billeddannelse

3D-rekonstruktionsteknologi er stadig ikke så præcis, som vi gerne vil have den, og nogle læger foretrækker at gennemgå flere 2D-snit for at undgå fejl. En interessant udvikling på dette område er “ægte” 3D-billeddannelse. Dette innovative billeddannelsessystem giver klinikere mulighed for at se og interagere med en virtuel kopi af et organ eller en kropsstruktur. Billedet vises i form af et hologram, og klinikere kan virtuelt dreje strukturen, skære tværsnit og identificere vitale anatomiske landemærker. Et sådant værktøj kan blive uundværligt til planlægning af operationer i fremtiden.

Billedfusion

Et avanceret værktøj til medicinsk billeddannelse, kaldet billedfusion, er tilgængeligt i mange DICOM-applikationer. Det gør det muligt at sammensmelte to eller flere billeddannelsesdatasæt til en enkelt fil. Dette kan kombinere fordelene ved forskellige billeddannelsesmodaliteter. De hyppigste og mest nyttige billedfusionsteknikker er PET/CT- og PET/MR-billedfusion, som kombinerer fordelene ved PET-scanning, CT-scanning og MRI. PET hjælper med at identificere og lokalisere det område, der er af interesse (normalt et malignt eller betændt område). CT giver fremragende anatomiske detaljer om læsionens omfang samt de involverede vævsplaner. MRI hjælper med at opnå opløsning af blødt væv. Når de kombineres sammen, er der en bemærkelsesværdig forøgelse af følsomheden og specificiteten af diagnostiske billeddiagnostiske undersøgelser.

Real-time Imaging

Traditionelt har man altid forstået, at der ville være en “forsinkelse” mellem det tidspunkt, hvor billedet optages, og det tidspunkt, hvor det fortolkes. Denne forsinkelse skyldes den tid, det tager at behandle og forberede billedet, præsentere det for radiologen og derefter for radiologen at se hvert enkelt afsnit af billedet og anvende sin viden til at fortolke det. Denne forsinkelse kan have stor betydning for de kliniske resultater, især i nødsituationer som f.eks. traumer, hvor tiden er altafgørende.

I dag tilbyder mange billeddannelsessystemer “realtidsresultater”, hvilket betyder, at forsinkelsen mellem billedindsamling og fortolkning enten er minimal eller slet ikke eksisterer. Klinikere kan se billederne på en skærm, mens patienten stadig befinder sig i billedbehandlingsenheden. Dette reducerer ikke blot forsinkelsen, men har den yderligere fordel, at man kan se kroppens systemer i realtid og dermed vurdere deres funktionelle integritet. F.eks. kan spiserørets synkefunktion vurderes på denne måde med henblik på mulige årsager til dysfagi. På samme måde kan fosterbevægelser ses i realtid med ultralyd. Effekten af realtidsbilleder gør det muligt for kirurger at træffe beslutninger intraoperativt.

Et glimt af fremtiden for medicinsk billeddannelsesteknologi

Kunstig intelligens

Kunstig intelligens (AI) henviser til maskiners evne til at simulere menneskelig intelligens. Det gælder især kognitive funktioner som f.eks. indlæring og problemløsning. Inden for medicinsk billeddannelse kan kunstig intelligens trænes til at opdage anomalier i menneskeligt væv og derved hjælpe både med at diagnosticere sygdomme og overvåge deres behandling. Der er tre måder, hvorpå AI kan hjælpe radiologer. AI kan gennemgå enorme datasæt af billeder og patientoplysninger med overmenneskelige hastigheder. Dette kan fremskynde arbejdsgangene. For det andet kan AI trænes til at opdage anomalier, der er for små til at blive opdaget med det blotte øje. Dette kan forbedre den diagnostiske nøjagtighed. For det tredje kan AI bruges til at hente tidligere billeddiagnostiske scanninger fra en patients elektroniske patientjournal (EMR) og derefter sammenligne dem med patientens seneste scanningsresultater. Andre aspekter af patientens EMR, f.eks. eventuelle relevante medicinske historier, kan også hentes og bruges til at lette diagnosen.

Flere virksomheder har haft succes med at indarbejde AI i billeddannelsessystemer, men ingen af dem er endnu tilgængelige til kommerciel brug. Et eksempel på AI-integreret medicinsk billeddannelsessoftware er Viz, som forbedrer både opdagelse og tid til behandling hos patienter med obstruktioner i store kar (LVO). Softwaren er i stand til at screene flere billeder på tværs af flere hospitalsdatabaser for LVO’er. Hvis der opdages en LVO, kan softwaren advare både apopleksispecialisten og patientens praktiserende læge for at sikre, at patienten får hurtig behandling. For en tidsbegrænset sygdom som slagtilfælde har dette den effekt, at resultaterne forbedres betydeligt og omkostningsbyrden for sundhedssystemet reduceres.

Cloud-baserede applikationer

Både den hurtige udvikling inden for billedbehandlingsteknologi og den allestedsnærværende brug af medicinske billeder i sundhedssektoren har resulteret i et presserende behov for at finde innovative måder at lagre og dele medicinske billedbehandlingsdata på. På denne baggrund har cloud-teknologien udviklet sig til at være en af de vigtigste faktorer for fremtiden inden for medicinsk billedteknologi. Cloud-teknologi gør det muligt at lagre og dele data uafhængigt af geografisk placering ved hjælp af internettet. Cloud-baserede medicinske billeddannelsesapplikationer gør det lettere at lagre og hente billeddannelsesfiler i DICOM-formatet. De øger effektiviteten og reducerer omkostningerne. Sundhedspersonale kan samarbejde om medicinske billeddannelsesdata fra hele verden. Slutresultatet er bedre sundhedsresultater for patienterne.

Cloud-baserede applikationer forbedrer også “blockchain”-processen. En “blockchain” er i enkle vendinger tilføjelsen af en ny digital registrering til en gammel registrering, ligesom man tilføjer et nyt led til en eksisterende fysisk kæde. Billeder, der er tilgængelige i skyen, kan tilføjes til en blockchain, som derefter gør patientens medicinske oplysninger tilgængelige for enhver læge overalt i verden.

PostDICOM – på forkant med medicinsk billeddannelsesteknologi

PostDICOM kombinerer det bedste af det nyeste inden for medicinsk billeddannelsesteknologi. Det er et af de få cloud-baserede DICOM-visningsprogrammer, der findes. De DICOM-filer, der er gemt på cloud PACS-serveren, er sikret med SSL-kryptering. PostDICOM inkorporerer medicinsk 3D-billeddannelsesteknologi og tilbyder avancerede billedmanipulationsfunktioner, herunder multiplanar rekonstruktion, intensitetsprojektion (maksimum, gennemsnit og minimum) og billedfusion. Kliniske dokumenter kan også gemmes og ses med programmet. Det er kompatibelt med alle større styresystemer (Windows, Mac OS, Linus) og kan tilgås fra bærbare computere, tablets og smartphones. Det bedste af det hele er, at det for basisbrugere er helt gratis, og den gratis brug kommer med 50 GB lagerplads i skyen.