Af Frederik Andersen, læge og ph.D-studerende ved Hjerte ,- Lunge- og Karkirurgisk Afdeling på OUH AI-RAPTOR (Artificial Intelligence for Radiological Assistance for Pulmonary and ThOracic analysis in tumor Recognition and screening) er et klinisk forankret, AI-drevet projekt, der udspringer fra Hjerte-, Lunge- og Karkirurgisk afdeling på OUH. Projektet er et samarbejde mellem de kliniske og udredende afdelinger på OUH, der dagligt beskæftiger sig med diagnosticering og behandling af lungekræft, samt CAI-X og SDU Robotics. Vi er undervejs med træning samt videreudvikling af en 3D-baseret Deep Learning-model, der anvender både Convolutional Neural Network og Sliding Windows-metoden. Her vil hvert vindue præsenteres i algoritmen, hvorefter der udføres en segmentering. Derefter afgøres, om der er forandringer forenelige med kræft eller ej. Vi bruger i øjeblikket en Visual Transformer-model som den centrale arkitektur, der er velegnet til at fange 3D-strukturer og træk i CT-scanningerne. Ud over at identificere knuder inkluderer modellen et sæt funktioner, der omfatter knude-specifikke egenskaber såsom spikulering, densitet og placering. Algoritmen tager også højde for generelle lungeforandringer, som fx tilstedeværelsen af emfysem, eksudater, fibrose, atelektase og andre lungesygdomme. Træningen er baseret på et enormt datasæt af CT-skanninger. Disse indeholder patologi-verificeret lungekræft, knuder uden påvist kræft, raske lunger og OpenSource-data. Labeling sker via 3D-annotering og dataudtræk fra rapporten, og foregår in-house gennem GDPR-sikrede servere i tæt samarbejde med Region Syddanmarks IT-afdeling, herunder ift. IT-systemet RIPA. Vi er aktuelt på udkig efter en stor kapacitetsforøgelse af vores projektdedikerede serverkapacitet. Vi har søgt nogle midler og er i dialog med nogle af de største leverandører af de highperformance-GPU'er (Graphics Processing Unit), som en sådan datamængde kræver. | 
