Kunstig intelligens - kan det hjælpe os i sundhedsvæsenet?

​Forudsigelsesmodeller skal nuancere og personliggøre risikovurderingen af patienter

Vent...

​Hans-Christian Thorsen-Meyer, læge og ph.d. studerende


I det danske sundhedsvæsen opsamles der hver dag store mængder informationer om de patienter, der er i behandling. 

Den generede datamængde er særligt stor for de patienter, der er så syge, at de havner på en intensivafdeling. Her registrerer og opsamler monitoreringsudstyr kontinuerligt information om patienternes tilstand, medicinering, eventuelle respiratorbehandling og meget andet.  

Læger og andet plejepersonale bruger disse data i deres vurdering af patientens tilstand, behandlingsvalg og prognose. Kompleksiteten og den store forskellighed datamængden gør det umuligt for selv den mest trænede sundhedsprofessionelle at bearbejde og ekstrahere den fulde information og dermed det fulde potentiale fra de forhåndenværende målinger, og meningsfuld analyse af så store datamængder Big Data, kræver hjælp fra computermodeller, maskinindlæring/ machine learning.

Data skal nuancere og personliggøre behandling

Nu vil et nyt forskningsprojekt derfor arbejde med at uddrage viden fra den store mængde data, der bliver genereret i sundhedsvæsenet. Ved hjælp af kunstig intelligens, i form af machine learning, er målet at skabe bedre forudsigelses-algoritmer og beslutningsstøtte-værktøjer til brug på intensivafdelinger. 
Med machine learning kan man ved hjælp af statistiske metoder give computere mulighed for at lære strukturer i data, uden at de er programmeret til den specifikke opgave.

På intensivafdelinger bliver patienterne allerede sammenlignet på en række fastlagte og fælles parametre, med henblik på at  vurdere alvorligheden af deres sygdom. Eksempelvis benyttes ”acute physiology and chronic health evaluation” (APACHE), ”simplified acute physiology score” (SAPS) og ”sequential organ failure assessment” (SOFA). Disse scores bygger på relativt få data fra intensivindlæggelsen og endnu mindre på information om patientens sygdomshistorie forud for indlæggelsen. 

Det er derfor sandsynligt, at de forudsigelsesmodeller som bruges i dag kan nuanceres ved at inddrage patientens fulde sygdomshistorik og ved at analysere højfrekvente kliniske data. Det vil personliggøre risikovurderingen for hver enkelt patient. 


Om projektet

Forskningsprojektet er et samarbejde mellem Intensiv Terapiklinik 4131 og Novo Nordisk Foundation Center for Protein Research, Det Sundhedsvidenskabelige Fakultet, Københavns Universitet.



Redaktør

Kommentarer 

Du skal være logget ind for at benytte denne funktionalitet.

Opret profil
RSS kommentarspor Tilmeld kommentarspor