Har du noen gang stått og sett på skyene eller havbølgene og lurt hvorfor de oppfører seg slik de gjør? Det samme gjorde meteorologene i mange tusen år.

I dag vet vi at universet tikker som et urverk, ufravikelig fra et sett med grunnleggende prinsipper som gir opphav til alle de fenomenene vi ser rundt oss.

Her skal jeg fortelle om hvordan vi kan lære datamaskiner til å forstå naturlovene og hvordan dette kan hjelpe oss å forbedre ultralyddiagnostikk.

De usynlige strømningene

Det finnes mange steder hvor vi ikke kan observere naturen med det blotte øye. Et av disse stedene er inne i kroppen, hvor hjertet jobber gjennom hele livet med å produsere virvel- og jetstrømmer som frakter blod ut i hele sirkulasjonssystemet.

Med ultralyd kan vi sende lydpulser inn i kroppen og lytte etter ekko fra blodet og på denne måten studere denne viktige blodstrømmen selv om vi ikke kan se den direkte.

Det er tidligere vist at når blodet skaper mye turbulens når det flyter gjennom hjertet så må hjertemuskelen jobbe hardere enn den skal. Dette kan gi redusert livskvalitet og i ytterste konsekvens føre til hjertesvikt hos pasienten.

Ved ultralydgruppen på Institutt for sirkulasjon og bildediagnostikk (NTNU) undersøker vi nye metoder for å avdekke de typer hjertefeil som kan oppdages gjennom avbildning av bevegelsen til blodet med en moderne teknikk kalt vector flow imaging.

Støyfulle bilder

Blodstrømavbilding med ultralyd byr på tekniske utfordringer. Det er ofte vanskelig å få et godt vindu for ultralydbølgene mellom ribbein og lunger, og et behov for å dempe kraftige ekko fra selve hjertemuskelen fører videre til at muligheten til å avbilde blodet faller bort i deler av hjertesyklusen.

Metodene for å redusere støy innen ultralyd i dag er ikke spesialisert for å håndtere denne typen oppgaver, og mye av detaljnivået i strømningen går som regel tapt i prosessen. Vi tror at mye kan hentes ved å utvikle nye teknikker som har en innbakt forståelse for de fysiske prosessene i systemet vi måler.

Et slør av støy gjør nemlig at blodstrømmen vi måler ikke oppfører seg på en måte som kan forklares ut ifra naturlovene. Hva om vi kunne utnyttet det tikkende, forutsigbare urverket vi ser i naturen til å fjerne støy fra signalene og til å finne ut hvordan blodstrømmen ser ut der vi ikke kan måle den? Dette er kraften bak dataassimilasjon - evnen til å kombinere målinger med fysiske modeller på en meningsfylt måte.

Å lære en datamaskin fysikk

Et felt hvor dette lenge har vært en aktuell problemstilling er meteorologien. Værstasjoner registrerer vind, temperatur og trykk over tid, og avanserte atmosfæriske modeller hjelper meteorologene med å forutsi været som kommer.

Programmet vi utvikler karakteriserer og setter tall på nøyaktig hva det er som gjør målinger urealistiske i form av avvik fra et sett med matematiske betingelser som må oppfylles for at strømningen skal være forenlig med naturlovene. Med teknikker fra maskinlæring kan deretter datamaskinen helt på egenhånd regne ut korreksjonene som må til for å oppfylle disse betingelsene.

Å regne ut dette er imidlertid ingen enkel oppgave, og innebærer gjerne å løse mange millioner likninger og variabler samtidig. Derfor overlater vi oppgaven til kraftige grafikkprosessorer med en voldsom regnekapasitet som kan gi oss et støyfritt bilde av blodstrømmen på noen få minutter.

Værkartet i hjertet

Som med skyene og havbølgene kan vi forklare blodets bevegelse ut fra fra noen grunnleggende prinsipper. Med dataassimilasjon utnytter vi disse prinsippene for å få et bilde av blodstrømmen som ligger nærmere virkeligheten, på et detaljnivå som ikke tidligere har vært mulig med ultralyd.

De kompliserte mønstrene vi ser er noe av det legene kan studere for å få bedre innsikt i hvordan nedsatt hjertefunksjon arter seg, og robust avbildning av disse kan på sikt bli en viktig del i å kunne forutsi hjertesvikt. Ved å lære av meteorologien kan vi derfor gi pasienter forlenget liv og bedre livskvalitet i morgendagens hjertediagnostikk.