Når 80-årige Fru Hansen bliver udskrevet fra hospitalet efter en akut lungebetændelse, følger det intelligente alarmsystem WARD hende hele vejen hjem i sofaen. De små trådløse sensorer på hendes hud måler blodtryk, puls, iltmætning og andre vitale parametre – og gør det muligt at vurdere hendes tilstand 24 timer i døgnet. Sker der en forværring af hendes tilstand, opdager WARD det tidligt og alarmerer personalet på hospitalet.
Systemet bygger på kunstig intelligens og en algoritme, der kan sortere i alle patienternes fysiologiske data, så det kun alarmerer personalet, når det er nødvendigt. Siden 2016 har Rigshospitalet, Bispebjerg Hospital og DTU Sundhedsteknologi testet og fintunet algoritmen med data fra forskellige patientgrupper på hospitalet. I øjeblikket bliver det også testet i folks egne hjem (WARD Home) hos en gruppe patienter, der har været akut indlagt på Bispebjerg Hospital. Det fortæller en af medudviklerne af WARD, professor og overlæge Christian Sylvest Meyhoff fra Anæstesiafdelingen på Bispebjerg Hospital.
- Når man udskriver patienter efter en akut indlæggelse, har mange en række komplikationer og afvigende værdier. WARD hjælper os til at minutiøst at sortere i, hvem der får komplikationer og kan på sigt forhåbentligt hjælpe os med at forebygge genindlæggelser siger Christian Sylvest Meyhoff.
Det indledende pilotprojekt viste, at WARD-systemet gennemsnitligt udløste fire alarmer i døgnet for en gruppe på 80 patienter, der havde været indlagt akut og blev monitoreret af WARD i egne hjem.
- Hospitalerne har nu 72 timers behandlingsansvar for mange patienter, og dette system kan vise sig at være en stor hjælp til at monitorere forværringer hos store grupper af patienter, hvilket personalet normalt ikke har tid og ressourcer til. Det giver både tryghed for patienterne og personalet – og kan være med til at skabe mere sammenhængende patientforløb, siger Christian Sylvest Meyhoff.
Ulven kommer 190 gange
En anden af medudviklerne af WARD er professor og overlæge Eske Kvanner Aasvang fra Afdeling for Bedøvelse og Operation på Rigshospitalet. Han fortæller, at WARD er startet ved at bygge ovenpå de alarm-tærskler, man bruger på hospitalerne i forvejen. Undersøgelser har vist, at der for en nyopereret patient i gennemsnit går 190 alarmer i døgnet. Erfarne sygeplejersker og læger ved godt, at man ikke behøver at handle på langt de fleste alarmer, men ikke hvilke der er de vigtige. WARD-systemet har reduceret de 190 alarmer til gennemsnitligt fire alarmer pr. patient.
- Hele ideen med WARD er, at algoritmen skal kopiere en erfaren klinikers tilgang til at vurdere patienternes tilstand. Er der store udsving i patienternes fysiologiske data, skal personalet gøre noget, men små udsving på et enkelt parameter betyder sjældent så meget. Ved at bruge de normale alarmer råber man ”ulven kommer" 190 gange. Styrken ved WARD er, at systemet kan genkende de fire gange, hvor ulven rent faktisk kommer, og hvor personalet skal handle, siger Eske Kvanner Aasvang.
Han påpeger, at WARD samtidig kan opdage en kommende komplikation op til et døgn tidligere end personalet, hvilket øger muligheden for at kunne forhindre den komplikation. Bag den succes ligger meget dataarbejde.
- Det er tungt at oplære en algoritme baseret på kunstig intelligens. Vi har målrettet gennemgået alle patienters komplikationer og diagnoser, så vi nu har en unik database, der sikrer, at alarmenerne bliver udløst på rette tidspunkt, siger Eske Kvanner Aasvang.
Begynde rehabilitering i eget hjem
Perspektivet for at bruge WARD på både hospitalet og i folks egne hjem er store, mener han.
- Andelen af borgere i Danmark med kroniske sygdomme er stigende, hvilket medvirker til øget antal af indlæggelser på hospitalerne. Det er svært at skaffe personale nok, og systemet kan være med til at frigive ressourcer på de enkelte afdelinger. Samtidig bliver det med WARD sandsynligvis muligt at begynde borgeres rehabilitering i eget hjem, fordi vi har den tryghed, at vi tidligt opdager, hvis en forværring af sygdommen er på vej, siger Eske Kvanner Aasvang.
WARD er grundlagt efter flere store bevillinger fra blandt andet Innovationsfonden, Kræftens Bekæmpelse og Novo Nordisk Fonden.
Kunstig intelligens på Rigshospitalet
Kommunernes Landsforening og Danske Regioner afprøver i disse år potentialet i brug af kunstig intelligens i det offentlige velfærdssystem og har oprettet en investeringsfond til at finansiere projekterne. Fem af signaturprojekterne er fra Rigshospitalet, hvor intelligent computerkraft hjælper personalet med patientforløbene. Det ene er WARD. De fire andre er:- Bedre tilrettelæggelse af kræftbehandlinger: Projektet vil anvende kunstig intelligens til at tilbyde en mere præcis og risikobaseret kræftbehandling. En algoritme skal blandt andet hjælpe med at inddele kræftpatienter i høj- og lavrisikogrupper. På den måde vil man kunne optimere brugen af ressourcer og tilbyde behandling, der gavner den enkelte patient mest muligt.
- Lavere stråledosis ved kræft-skanninger: En algoritme baseret på kunstig intelligens gør det muligt at reducere risikoen ved kræftskanninger. Når en patient skal PET-skannes, indsprøjtes et radioaktivt sporstof, der giver et skarpere skanningsbillede, men som også øger risikoen for senere kræftudvikling. Algoritmen efterbehandler skanningsbilleder, så man kan bruge en markant lavere dosis, uden at billedets skarphed forringes.
- Bedre diagnostik af gravide: En algoritme skal forbedre diagnostikken ved graviditetsskanninger. I dag lykkes det kun at forudsige 10-30 procent af de alvorlige komplikationer, som sker i forbindelse med fødsler – fx for lav fødselsvægt, tidlig fødsel eller spædbarnsdød. Formålet med projektet er at sikre, at skanningsbillederne er i bedst mulige kvalitet, så det bliver nemmere at identificere og forebygge komplikationer under graviditet.
- Behandlingsstøtte for øjenpatienter: Antallet af patienter med en særlig aggressiv form af øjensygdommen AMD forventes på landsplan at stige med op til 50 pct. frem mod 2030. Dette projekt vil teste en algoritme, der skal fungere som et beslutningsunderstøttende værktøj til håndteringen af kontroller for de mange patienter i øjenafdelingen. Algoritmen skal hjælpe personalet med at kategorisere, hvilke patienter der ikke har behov for behandling, hvem der bør behandles, og hvem der blot skal observeres.