En hånd som holder et klart glass

Klinisk kunstig intelligens – forskningsgruppe

Hva forsker vi på?

Tverrfaglig forskningsgruppe for klinisk kunstig intelligens har som formål å utvikle egne systemer basert på kunstig intelligens med mål om implementere de systemene som viser stor nytteverdi. Målet er at kunstig intelligens skal bidra til å støtte helsepersonell og foretaket med å levere effektivt, målrettet og persontilpasset behandling for innbyggere som sogner til Sykehuset i Vestfold (SiV). Kunstig intelligens kan bidra til å øke kvaliteten i behandlingen, samt bidra til å redusere uønsket variasjon og feilbehandling.

Presentasjon av gruppen

Forskningsgruppen ble etablert siste kvartal i 2023. Målet er å samle kompetanse og pågående initiativer og prosjekter innenfor kunstig intelligens på tvers av seksjoner, avdelinger og klinikker ved SiV. Videre er hensikten å stimulere til større fremvekst av nye prosjekter, samt kompetanseheving innenfor fagfeltet ved SiV. Dette foregår i tett samarbeid med eksterne samarbeidspartnere innenfor feltet kunstig intelligens.

Inge Rasmus Groote (forskningsgruppeleder)

Arbeidssted: Radiologisk avdeling, klinikk for medisinsk diagnostikk, SiV.

Stilling: Forskningskoordinator.

Jarle Berge

Arbeidssted: Hormon, overvekt og ernæringsavdelingen, forskningsseksjonen , Medisinsk klinikk, SiV. Enhet for fedme, fysikalsk medisinsk seksjon, Klinikk fysikalsk medisin og rehabilitering, SiV .

Stilling: Forsker, førsteamanuensis og fysiolog.

Pål Morberg

Arbeidssted: Anestesiologisk avdeling, kirurgisk klinikk, SiV.

Stilling: Overlege og PhD-stipendiat

Bjørn-Jostein Singstad

Arbeidssted: Forskning og Innovasjonsavdelingen, SiV.

Stilling: Helseinformatiker, PhD-stipendiat.

Frode Solem

Arbeidssted: IT, klinikk for medisinsk diagnostikk, SiV.

Stilling: Rådgiver Informasjon og Kommunikasjonsteknologi.

Lars Martin Skollerud

Arbeidssted: Øyeseksjonen, klinikk for kirurgi, SiV.

Stilling: Overlege og PhD-stipendiat

Nermin Zecic

Arbeidssted: Mikrobiologisk avdeling, klinikk for medisinsk diagnostikk, SiV

Stilling: Bioinformatiker

Erik Skaaheim Haug

Arbeidssted: Urologisk seksjon, klinikk for kirurgi, SiV.

Stilling: Overlege og forsker

Jørgen Melau

Arbeidssted: Prehospital klinikk, SiV.

Stilling: Forsker

Ekstern validering av in-house kunstig intelligensløsning for diagnostikk av hjerneblødning

Prosjektleder: Inge Groote, SiV

Videreutvikling og ekstern validering av in-house kunstig intelligensløsning for diagnostikk av prostatakreft

Prosjektleder: Erik Skaaheim Haug, SiV

Kunstig intelligens for rekonstruksjon av intraoperative MR-bilder av hjernesvulster

Prosjektleder: Inge Groote, SiV

Kunstig intelligens for å estimere fysisk kapasitet hos pasienter med fedme

Prosjektleder: Jarle Berge, SiV

Kunstig intelligens for kvantifisering av hjernemetastaser

Prosjektleder: Inge Groote, SiV

Utvikling av kunstig intelligens-basert EKG tolkning for raskere og bedre deteksjon av pasienter med hjerteinfarkt

Prosjektleder: Bjørn-Jostein Singstad, Akershus Universitetssykehus

Kunstig intelligens for å predikere effekt av antidepressiv terapi

Prosjektleder: Matthan Caan, Academic University Medical Centre

Implementasjon av kommersielle løsninger basert på kunstig intelligens for forbedret arbeidsflyt i radiologisk avdeling

Prosjektleder: Inge Groote, SiV

Dyp kunstig intelligens til bruk for tolkning og detektering av diabetesretinopati og maculaødem

Prosjektleder: Lars Morten Skollerud

Ottesen JA, Storås T, Vatnehol SAS, Vik-Mo E, Schellhorn T, Skogen K, Larsson C, Bjørnerud A, Groote IR, Caan MWA. Deep Learning Reconstruction on intraoperative MRI. Preprint.

Poirot MG, Ruhe HG, Mutsaerts HJMM, Maximov II, Groote IR, Bjørnerud A, Marquering H, Reneman L, Caan MWA. Treatment Response Prediction in Major Depressive Disorder Using Multimodal Magnetic Resonance Imaging and Clinical Data: Secondary Analysis of a Randomized Clinical Trial. American Journal of Psychiatry 2023; in press.

MacIntosh BJ, Liu Q, Schellhorn T, Beyer MK, Groote IR, Morberg PC, Poulin JM, Selseth MN, Bakke RC, Naqvi A, Hillal A, Ullberg T, Wasselius J, Rønning OM, Selnes P, Kristoffersen ES, Emblem KE, Skogen K, Sandset EC, Bjørnerud A. Radiological features of brain haemorrhage through automated segmentation from computed tomography in stroke and traumatic brain injury. Frontiers in Neurology 2023; 4: 1244672

Røvang M, Selnes P, MacIntosh BJ, Groote IR, Pålhaugen L, Sudre C, Fladby T, Bjørnerud A. Segmenting white matter hyperintensities on isotropic three-dimensional Fluid Attenuated Inversion Recovery magnetic resonance images: Assessing deep learning tools on a Norwegian imaging database. PLoS ONE 2023; 18: e0285683.

Zha S.Z., Rogstadkjernet M., Klæboe L.G, Skulstad H., Singstad B.-J., Gilbert A, Edvardsen T., Samset E, Brekke P. H. Deep learning for automated left ventricular outflow tract diameter measurements in 2D echocardiography. Cardiovasc Ultrasound 21, 19, 2023.

Singstad B. J., Ravn J., & Ranjbar A. Memory Inception: Predicting Neurological Recovery from EEG Using Recurrent Inceptions. Computing in Cardiology, 2023.

Ottesen JA, Caan MWA, Groote IR, Bjørnerud A. A Densely Interconnected Network for Deep Learning Accelerated MRI. Magnetic Resonance Materials in Physics, Biology and Medicine 2023; 36: 65-77.

Singstad B. -J., Gitau A. M., Johnsen M. K., Ravn J., Bongo L. A. and Schirmer H., Phonocardiogram Classification Using 1-Dimensional Inception Time Convolutional Neural Networks. Computing in Cardiology, 2022.

Poirot MG, Caan MWA, Ruhe HG, Groote IR, Bjørnerud A, Reneman L, Marquering H. Robustness of radiomic features for variations in whole-brain segmentation methods. Scientific Reports 2022; 12: 16712.

Singstad B. -J., Muten E. M. and Brekke P. H., Multi-Label ECG Classification Using Convolutional Neural Networks in a Classifier Chain. Computing in Cardiology, 2021.

Singstad B. -J. and Tronstad C., Convolutional Neural Network and Rule-Based Algorithms for Classifying 12-lead ECGs. Computing in Cardiology, 2020.

Forskningsgruppen samarbeider med flere nasjonale og internasjonale miljøer og forskere med kompetanse innen medisin og kunstig intelligens. Blant annet

Spesielt viktige samarbeidspartnere inkluderer:

Vimala Nunavath

  • Arbeidssted: Department of Science and Industry systems, Campus Kongsberg, Universitetet i Sørøst-Norge (USN)
  • Stilling: Førsteamanuensis.

Bradley MacIntosh

  • Arbeidssted: Computational Radiology & Artificial Intelligence (CRAI), Klinikk for radiologi og nukleærmedisin (KRN), Oslo universitetssykehus (OUS)
  • Stilling: Seniorforsker

Matthan Caan

  • Arbeidssted: Academic University Medical Centre (AUMC)
  • Stilling: Professor

Atle Bjørnerud

  • Arbeidssted:  Computational Radiology & Artificial Intelligence (CRAI), Klinikk for radiologi og nukleærmedisin (KRN), Oslo universitetssykehus (OUS)
  • Stilling: Professor

I tillegg har gruppen inngått partnerskap med Norwegian Artificial Intelligence Research Consortium (NORA).

  • Sykehuset i Vestfold

  • Helse Sør-Øst

  • Nasjonalforeningen for folkehelsen

Sist oppdatert 15.02.2024