Ny kunstig intelligens-algoritme kan forudsige kritisk sygdom, herunder behovet for respiratorbehandling, blandt indlagte patienter i op til flere døgn, før tilstanden udvikler sig. Teknologien kan blive afgørende i forhold til at sætte tidligere ind med den rigtige behandling og sikre effektiv udnyttelse af hospitalets ressourcer.

Cirka 60.000 danskere vil ifølge Sundhedsstyrelsens risikovurdering blive så syge af COVID-19, at de får behov for at komme i kontakt med det danske sundhedsvæsen. Dertil kommer de patienter, som i samme periode vil blive indlagt med anden kritisk sygdom.

Men hvilke af de indlagte patienter er i risiko for at blive så syge, at de får brug for intensiv behandling eventuelt med hjælp fra en respirator?

Det svar står den nye kunstig intelligens-algoritme +Prio klar til at give, og teknologien kan derfor blive et effektivt værktøj blandt landets akutte og medicinske afdelinger til tidlig identifikation og prioritering af de særligt sårbare patientgrupper.

- Algoritmen er designet til at kunne understøtte den behandlingsansvarlige læge med vital information om den enkelte patients risiko for at udvikle kritisk sygdom. Med teknologien kan vi sætte ind langt tidligere og mere målrettet, så patienten får det rigtige behandlingstilbud op til flere døgn, før tilstanden reelt udvikler sig, siger Jeppe Lange, overlæge, lektor og akademisk koordinator ved Institut for Klinik Medicin ved Aarhus Universitet og Regionshospitalet Horsens.

- Algoritmen vil endda kunne fortælle den behandlingsansvarlige læge, hvorfor den fremsætter sin 'prognose' for det enkelte indlæggelsesforløb. Det gør det muligt at sætte ind med en indsats, der er specifikt rettet mod årsagen, siger Jeppe Lange.

Algoritmen er trænet på sundhedsdata

Bag den nye teknologi står forskere fra Institut for Klinisk Medicin, Aarhus Universitet og Regionshospitalet Horsens, projektmedarbejdere fra MTIC og IT-ingeniører fra Enversion A/S. Projektet er del af en erhvervs-ph.d. støttet af Innovationsfonden.

Projektgruppen har allerede trænet algoritmen på en stor mængde historiske sundhedsdata fra Horsens-klyngen under forskningsprojektet TVÆRSPOR. Der er tale om patientdata fra både kommuner, praktiserende læger og hospitaler, og alle data er anonymiserede.

Lige nu arbejder projektgruppen på at få algoritmen afprøvet i klinisk sammenhæng på hospitalerne. 

- Vi ser meget frem til at komme fra forskning til virkelighed på et tidspunkt, især nu hvor der mere end nogensinde før er brug for teknologiske løsninger, som kan understøtte det vigtige arbejde i sundhedsvæsenet, siger Jacob Høy Berthelsen, direktør i Enversion.

De foreløbige forskningsresultater er under offentliggørelse og forventes endeligt publiceret i et fagfælle-bedømt medicinsk tidsskrift i løbet af 2020.

Læs mere om forskningsprojektet i Nature Communications.

Foto:

Foto fra Intensivstue. Foto: Rune Borre-Jensen, Region Midtjylland.

Ikon-forudsige-r+©d.png

 

Forudsige

 

Målet er at kunne forudsige akutte indlæggelser og i stedet tilbyde andre interventioner.

Ikon-forebygge-r+©d.png

 

Forebygge

Forebygge at borgerne bliver uhensigtsmæssigt indlagt ved en tidligere indsats.

Ikon-forhindre-r+©d.png

 

Forhindre

Projektet har til mål at forhindre uhensigtsmæssige indlæggelser ved at få mere viden, som kan forbedre den tværsektorielle indsats.