View Project

Norwegian AI Directory

Machine Intelligence in HEADaches Artificial Intelligence and Machine Learning for Diagnostics and Treatment of Primary Headaches


Description:

Hodepinelidelser som migrene, spenningshodepine og klasehodepine er blant de sykdommene med størst sykdomsbyrde globalt. Likevel er de ofte forsømt, og pasienter har smerter i lang tid før de får riktig diagnose og effektiv behandling. Til grunn for hodepinelidelser ligger det ofte mange ulike og kompliserte biologiske mekanismer. Det gjør at symptomene varierer veldig fra person til person, og at ulike typer behandling kan være effektive. Per i dag er det kun en brøkdel av en pasients symptomer som brukes til å stille diagnose, og vi har ingen enkel markør som kan fortelle hvilken behandling som vil være mest effektiv i hvert enkelt tilfelle. Derfor er det svært utfordrende for klinikere å si på forhånd hvilken behandling som vil virke best for en pasient, og gjentatt prøving og feiling er ofte nødvendig for å oppnå gode resultater. Målet med MI-HEAD-prosjektet er å utnytte maskinlæring for å bedre forstå og forbedre behandlingen av pasienter med hodepine. Maskinlæring er en gren av kunstig intelligens, hvor datamaskiner læres opp til å gjenkjenne kompliserte mønstre i store mengder data, og gjøre intelligente beslutninger basert på disse. Metoden er spesielt nyttig for medisinske problemstillinger knyttet til veldig komplekse biologiske mekanismer for å avdekke de intrikate mønstrene som forklarer hvorfor noen pasienter reagerer på enkelte behandlinger. MI-HEAD vil kombinere norske helseregisterdata med detaljerte data fra hodepinedagbøkene som pasientene bruker via smarttelefonen sin, for å lage et svært detaljert datasett egnet for maskinlæring. Ved å analysere det store datasettet med toppmoderne maskinlæringsmodeller vil vi forbedre vår forståelse av hvorfor noen pasienter reagerer på visse typer behandlinger, og andre ikke. Vi vil også utvikle verktøy som kan hjelpe klinikere med mer nøyaktig diagnostikk, og som effektivt kan forutsi sykdomsutvikling og hvilken effekt behandling kan ha.


Project leader: Erling Tronvik

Started: 2022

Ends: 2027

Category: Universiteter

Sector: UoH-sektor

Budget: 12500000

Institution: NORGES TEKNISK-NATURVITENSKAPELIGE UNIVERSITET NTNU

Address: NA