Hei, du må oppdatere nettleseren din for å kunne besøke oss.
logo Sykehuset i Vestfold
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.

En mann med briller

Inge Rasmus Groote (forskningsgruppeleder)

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

Stilling: Forskningskoordinator.

 

 

En mann som smiler til kameraet

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.

 

En mann iført vest

Pål Morberg

Arbeidssted: Anestesiologisk avdeling, kirurgisk klinikk, SiV.

Stilling: Overlege og PhD-stipendiat

 

 

 

 

En gutt som smiler til kameraet

 

Bjørn-Jostein Singstad

Arbeidssted: Forskning og Innovasjonsavdelingen, SiV.

Stilling: Helseinformatiker, PhD-stipendiat.

 

 

En mann som smiler til kameraet

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

En mann med skjegg

Nermin Zecic

Arbeidssted: Mikrobiologisk avdeling, klinikk for medisinsk diagnostikk, SiV

Stilling: Bioinformatiker

 

 

 

En mann iført hvit skjorte

Erik Skaaheim Haug

Arbeidssted: Urologisk seksjon, klinikk for kirurgi, SiV.

Stilling: Overlege og forsker

 

 

 

En mann med blå skjorte

Jørgen Melau

Arbeidssted: Prehospital klinikk, SiV.

Stilling: Forsker

 

 

 

 

Gunhild Mari-Anne Opsahl

Arbeidssted: Radiologisk avdeling, SiV

Stilling: Avdelingssjef

 

En mann som smiler til kameraet

Martin Paulson

Arbeidssted: Senter for kreft og blodsykdommer

Stilling: Overlege

 

 

 

 

En mann som smiler til kameraet

Laurens de Vries

Arbeidssted: Radiologisk avdeling

Stilling: PhD-kandidat maskinlæring

  • Kunstig intelligens for automatisert deteksjon av hjerneblødninger
    Prosjektleder: Dr. Inge Groote, SiV.
  • Kunstig intelligens for automatisert gradering av prostatakreft
    Prosjektleder: Prof. Erik Skaaheim Haug, SiV.
  • Kunstig intelligens for å estimere fysisk kapasitet hos pasienter med fedme
    Prosjektleder: Dr. Jarle Berge, SiV.
  • Sammenheng mellom drukning, hjerterytmeforstyrrelser og svømmeindusert lungeødem etter fall i vann
    Prosjektleder: Dr. Jørgen Melau, Forsvaret.
  • Utvikling av kunstig intelligens-basert EKG tolkning for raskere og bedre deteksjon av pasienter med hjerteinfarkt
    Prosjektleder: Bjørn-Jostein Singstad, Akershus Universitetssykehus.
  • Kommersiell kunstig intelligens-løsninger for forbedret arbeidsflyt i radiologisk avdeling
    Prosjektleder: Dr. Inge Groote, SiV.
  • Kunstig intelligens for deteksjon og vurdering av diabetesretinopati og maculaødem 
    Prosjektleder: Lars Morten Skollerud, SiV.
  • Kunstig intelligens for automatisert diagnostikk og gradering av blodkreft
    Prosjektleder: Martin Paulson, SiV.
  • 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

2024:

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 2024; 181: 223-233.

Ottesen JA, Storas T, Vatnehol SAS, Løvland G, Vik-Mo EO, Schellhorn T, Skogen K, Larsson C, Bjørnerud A, Groote-Eindbaas IR, Caan MWA. Deep Learning-based Intraoperative MRI Reconstruction. European Radiology Experimental, in press.

Rogstadkjernet M, Zha SZ, Klæboe LG, Larsen CK, Aalen JM, Scheirlynck E, Singstad B-J, Droogmans S, Cosyns B, Smiseth OA, Haugaa KH, Edvardsen T, Samset E, Brekke PH. A deep learning based method for left ventricular strain measurements: repeatability and accuracy compared to experienced echocardiographers. BMC Med Imaging 2024; 24: 306.

2023:

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.

2022:

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.

2021:

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.

2020:

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

Maŋemus ođastuvvon 2024-12-05