Introduktion: Uppskattningsvis 40% av alla magnetresonanstomografiska (MRT) undersökningar som görs i Europa och USA utförs med gadoliniumbaserade kontrastmedel. Under det senaste decenniet har det i flera studier uppmärksammats att ansamling av gadolinium sker i olika strukturer i hjärnan. Patienter med multipel skleros följs regelbundet upp med MRT undersökningar och MRT med kontrastförstärkning är den vanligaste metoden för att urskilja nytillkomna patologiska förändringar. Utveckling inom teknologi och metoder inom artificiell intelligens har visat att det finns anledning att kartlägga om röntgensjuksköterskans arbete med undersökningar och läkemedel som administreras till patienter kan förändras så att det förebygger ansamling av gadolinium. Syfte: Syftet med denna litteraturöversikt var att kartlägga ansamlingen av gadoliniumkontrastmedel hos patienter med multipel skleros och hur artificiell intelligens kan tillämpas vid MRT för att minska användning av gadoliniumkontrast. Metod: Allmän litteraturöversikt där vetenskapliga artiklar av kvantitativ studiedesign har sökts fram genom databaserna CINAHL och PubMed. Resultat: Både makrocykliska och linjära gadoliniumbaserade kontrastmedel ansamlas i de basala ganglierna. Genom tillämpning av AI och CAD går det att framställa bilder med fullgod bildkvalitet och samtidigt reducera mängden kontrastmedel som administreras till patienten. Slutsats: Det behövs mer forskning om gadoliniumansamling för att nya rutiner och metoder ska kunna implementeras. Ansamling av gadolinium visar att det finns skäl att fortsätta utveckla nya metoder för uppföljning av sjukdomsförloppet hos MS-patienter. När det gäller AI inom medicinsk bilddiagnostik och magnetresonanstomografi finns många utvecklingsmöjligheter som kan bidra till minskning av gadoliniumbaserad kontrast i framtiden. Fortsatt forskning inom deep learning och CAD kan i framtiden utvecklas så att röntgensjuksköterskan får en mer självbestämmande funktion i bildframställning vid MRT, men även ett mer självständigt arbete i hanteringen av farmaka. Dessutom kan denna utveckling bidra till att röntgensjuksköterskans multidiciplinära samverkan med radiologer stärks och bidrar till en positiv utveckling med kortare granskningstider, bättre hantering av patienter, optimerade undersökningar, minskning av undersökningstider och kortare vårdköer. / Introduction: Approximately 40% of all magnetic resonance imaging (MRI) scans performed in Europe and the United States are performed with gadolinium based contrast agents. Over the past decade, several studies have shown a gadolinium deposition in various structures in the brain. Patients with multiple sclerosis are regularly followed up with MRI with contrast enhancement is the most common method for distinguishing new pathological changes. Developments in technology and methods in artificial intelligence have shown that there is reason to map out whether the radiographers work with examinations and drugs administered to patients can be changed so that the accumulation of gadolinium is prevented. Aim: The purpose of this literature review was to examine the accumulation of gadolinium contrast agents in patients with multiple sclerosis of gadolinium contrast agents in patients with multiple sclerosis and how artificial intelligence can be applied in MRI to reduce the use of gadolinium based contrast agents. Methods: General literature review where scientific articles of a quantitative nature have been searched through the databases CINAHL and PubMed. Results: Both macrocyclic and linear gadolinium based contrast agents are retained in the basal ganglia. With artificial intelligence and CAD, it is possible to obtain data with good quality and at the same time reduce the amount of gadolinium based contrasts to patients. Conclusions: More research on gadolinium accumulation is needed for new routines and methods to be implemented. Accumulation of gadolinium shows that there is reason to continue to develop new methods for monitoring the course of the disease in MS patients. Concerning AI in medical imaging and magnetic resonance imaging, there are many development opportunities that can contribute to the reduction of gadolinium contrast in the future. Continued research in deep learning and CAD can be developed in the future so that the X-ray nurse has a more self-determining function in image production in MRI, but also a more independent work in the management of pharmacies. In addition, this development can contribute to the X - ray nurse's multidisciplinary collaboration with radiologists is strengthened and contributes to a positive development in shorter examination times, better management of patients, optimized examinations, reduction of examination times and shorter care queues.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:ltu-82796 |
| Date | January 2021 |
| Creators | Lindström, Sofia, Becarevic, Maja |
| Publisher | Luleå tekniska universitet, Institutionen för hälsa, lärande och teknik, Luleå tekniska universitet, Institutionen för hälsa, lärande och teknik |
| Source Sets | DiVA Archive at Upsalla University |
| Language | Swedish |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0324 seconds