Computer fortæller om man dør af COVID-19

Ved hjælp af patientdata kan kunstig intelligens med 90 procent nøjagtighed vurdere, om folk vil dø af COVID-19, viser ny forskning. Hospitalerne vil nu bruge data til forudsige, hvor mange der får behov for respirator fem dage frem i tiden.
Vent...


Foto: Et kunstigt intelligent system kan hjælpe hospitalerne med forudsige, hvilke og hvor mange patienter der ender med at få brug for respiratorbehandling, viser ny forskning fra bl.a. Rigshospitalet. 


Kunstig intelligens kan forudsige, hvem der højst sandsynligt vil ende med at dø af COVID-19 eller får behov for respiratorbehandling. Dermed kan den bruges til forudsige behovet for intensivkapacitet en uge frem i tiden og hjælpe med at beslutte, hvem der skal stå forrest i køen til de dyrebare vacciner, der i øjeblikket gives overalt i landet. Det viser et nyt studie, der er offentliggjort i tidsskriftet Science Report, og som forskere fra Datalogisk Institut på Københavns Universitet, Rigshospitalet og Bispebjerg og Frederiksberg Hospital står bag. 

Forskerne har siden den første bølge af COVID-19-pandemien arbejdet på at udvikle computermodeller, som ud fra sygdomshistorik og helbredsdata kan forudsige, hvor hårdt mennesker rammes af COVID-19. 

På baggrund af patientdata fra Region Hovedstaden og Region Sjælland viser resultaterne i studiet, at den kunstige intelligens med 90 procent sikkerhed kan forudsige, om en person, der endnu ikke er smittet, vil dø af COVID-19 eller ej, hvis de er så uheldige at blive smittet. Når en person først er indlagt på hospitalet med COVID-19, kan computeren med 80 procents nøjagtighed forudsige, om personen får brug for respirator, fortæller en af forskerne bag studiet, professor Mads Nielsen fra Datalogisk Institut på Københavns Universitet.

- Vi startede ud med at arbejde på modellerne som en hjælp til hospitalerne, da de særligt under første bølge frygtede, at de ikke havde nok respiratorer til intensivpatienterne. Men vores nye resultater vil også kunne bruges som en mere finkornet måde identificere, hvem der har mest behov for en vaccine, siger Mads Nielsen. 

Han har bl.a. gennemført studiet i samarbejde med afdelingslæge Martin Hylleholt Sillesen fra Center for Surgical Translational and Artificial Intelligence Research (CSTAR) i Kirurgisk Gastroenterologisk Afdeling på Rigshospitalet. 

Ældre mænd med højt blodtryk er højrisiko 

Forskerne har fodret et computerprogram med helbredsdata fra 3.944 danske COVID-19-patienter, hvilket har trænet computeren til at genkende mønstre og sammenhænge i både patienternes forudgående sygdomme og i deres COVID-19-forløb. 

- Vores resultater viser ikke overraskende, at alder og BMI er de mest afgørende parametre for, hvor hårdt en person rammes af COVID-19. Men sandsynligheden for at dø eller ende i respirator er også højere, hvis du er mand, har højt blodtryk eller en neurologisk sygdom, forklarer Mads Nielsen. 

De sygdomme og helbredsmæssige faktorer, som ifølge studiet har mest indflydelse på, om en patient ender i respirator efter at være blevet smittet med COVID-19, er i prioriteret rækkefølge: BMI, alder, forhøjet blodtryk, at være mand, neurologiske sygdomme, KOL, astma, diabetes og hjertesygdomme. 

- Mennesker, som passer på en eller flere af de parametre, vi har fundet, vil det måske være fornuftigt at rykke frem i vaccinekøen, så man ikke løber den risiko, at de smittes og måske ender i respirator, siger Mads Nielsen. 

Skal forudsige respirator-behov 

Lige nu arbejder forskerne sammen med Region Hovedstaden om at udnytte de seneste resultater i praksis. Således håber forskerne på, at den kunstige intelligens inden længe kan hjælpe landets hospitaler med løbende at forudsige behovet for respiratorer. 

- Vi arbejder på en målsætning om, at vi skal kunne forudsige behovet for respiratorer fem dage frem i tiden ved at give computeren adgang til sundhedsdata om alle COVID-positive i regionen, siger Mads Nielsen og tilføjer: 

- Computeren vil aldrig kunne erstatte en læges vurdering, men den kan hjælpe lægen og hospitalerne med at overskue mange COVID-19-smittede patienter på én gang og lave løbende prioriteringer. 

Der udestår dog fortsat et teknisk arbejde med at gøre sundhedsdata fra regionen tilgængeligt for computeren, der skal udregne risikoen for de smittede patienter. Forskningen er lavet i samarbejde med Rigshospitalet og Bispebjerg og Frederiksberg Hospital. 

Fakta: 

  • Data er behandlet på Computerome, en sikker supercomputer til persondata, og under tilladelse fra styrelsen fra patientsikkerhed, dataejere og andre relevante myndigheder. 
  • Den kunstige intelligens forudsiger med 90 procents nøjagtighed, om en smittet patient vil dø af COVID-19. 
  • Når en person er indlagt med COVID-19, kan den kunstige intelligens forudsige om personen skal i respirator med 80 procents nøjagtighed. 
  • BMI, alder, forhøjet blodtryk, at være mand, neurologiske sygdomme, KOL, astma, diabetes og hjertesygdomme er de faktorer, som den kunstige intelligens tillægger mest vægt ift. risikoen for at komme i respirator. 
  • Computermodellerne bygger på helbredsdata fra 3.944 COVID-19-patienter fra Region Hovedstaden og Region Sjælland. 
  • Studiet er udgivet i det videnskabelige tidsskrift Scientific Reports, som hører under Nature. 
  • Studiet er støttet af Novo Nordisk Fonden og Innovationsfonden. 

Den videnskabelige artikel om studiet kan læses her

Kontaktinformationer: 

Afdelingslæge Martin Hylleholt Sillesen

Center for Surgical Translational and Artificial Intelligence Research (CSTAR)

Kirurgisk Gastroenterologisk Klinik, Rigshospitalet.

Tlf. 3545 3326

martin.hylleholt.sillesen@regionh.dk


Professor Mads Nielsen

Datalogisk Institut 

Københavns Universitet Mobil: +45 24 600 599 

Mail: madsn@di.ku.dk 


Redaktør

Kommentarer 

Du skal være logget ind for at benytte denne funktionalitet.

Opret profil
RSS kommentarspor Tilmeld kommentarspor