Artificiell intelligens tar allt större plats inom sjukvården – och nu visar ny forskning att tekniken även kan bli ett värdefullt hjälpmedel för veterinärer.
Flera forskargrupper runt om i världen utvecklar just nu AI-system som kan analysera medicinska bilder och andra undersökningsresultat för att upptäcka sjukdomar hos hundar snabbare och mer träffsäkert. Syftet är inte att ersätta veterinären, utan att fungera som ett beslutsstöd som kan underlätta diagnostiken och minska risken för att viktiga fynd missas.
Kan analysera ultraljud och röntgenbilder
Ett av de områden där utvecklingen kommit längst är diagnostisk bildanalys. AI-modeller tränas på tusentals ultraljuds- och röntgenbilder för att lära sig känna igen tecken på olika sjukdomar.
I en ny studie har forskare visat att ett AI-system kan tolka ultraljudsbilder från hundars lungor och identifiera så kallade B-linjer – förändringar som kan vara ett tecken på vätska eller annan lungsjukdom. Resultaten visar att tekniken kan bli ett användbart stöd för veterinärer, särskilt i akuta situationer där snabba beslut krävs.

Kan upptäcka hjärtsjukdomar
Forskare har även utvecklat AI-modeller som analyserar ljud från digitala stetoskop för att upptäcka blåsljud hos hundar.
I en studie uppnådde systemet en träffsäkerhet på drygt 90 procent vid identifiering av blåsljud kopplade till hjärtsjukdom. Forskarna menar att tekniken kan bidra till tidigare upptäckt av hjärtproblem och samtidigt fungera som ett stöd för veterinärer med mindre erfarenhet av hjärtauskultation.
Har du hund – eller bara älskar att prata om hundar? Då får du gärna kika in och vara en av de första medlemmarna.
Ska komplettera – inte ersätta
Forskarna betonar att AI inte är tänkt att ersätta veterinärens medicinska bedömning. I stället ska tekniken fungera som ett extra verktyg som hjälper till att analysera stora mängder data och uppmärksamma förändringar som annars riskerar att förbises.
Även om flera av systemen fortfarande befinner sig i utvecklings- och testfas bedömer forskare att AI kommer att få en allt större roll inom framtidens veterinärmedicin – både när det gäller diagnostik, bildanalys och beslutsstöd.

