oftere på intensiv afdeling, og deres dødelighed er syv gange højere end for de øvrige patienter. - Det er nogle særdeles syge patienter, og vi vil virkelig gerne finde dem langt tidligere, end vi gør i dag. For vi ved, at tidlig opstart af behandling redder liv og reducerer omkostninger, siger Marianne J. Jørgensen. Den planlagte model er, at patientdata fra EPJ-systemet via regionen sendes til Enversion, hvor algoritmen foretager en risikoanalyse. Hvis algoritmen finder, at patienten er i risiko for sepsis, sender den en notifikation ud til sygeplejersker- ne og lægerne. De kan så vælge at tilse patienten oftere, tage nye blodprøver, starte behandling op osv. - Vi lægger simpelthen den her app i lommen på klinikerne, og så sker analy- sen på baggrund af patienternes aktuelle sundhedstilstand. Algoritmen benytter sig af data, som allerede findes i vores systemer, så personalet skal ikke yde noget ekstra for at få den her notifika- tion. Det er helt afgørende, for de har rigeligt at se til i forvejen, understreger Marianne J. Jørgensen. Overblik på mobilen Når mobilen brummer, kan sygeplejer- sken eller lægen åbne appen på mobi- len, der viser et overblik over tidligere notifikationer med den nyeste øverst. Her kan man for eksempel se, at Ole Kristensen, der ligger i seng 17 på medicinsk sengeafsnit 1, har 87 procent risiko for at udvikle sepsis. Når man så klikker sig ind på Ole Kristensen, præsenteres værdier og målinger fra det seneste døgn. En vigtig pointe er, at klinikeren kan se, hvad der har været udslagsgivende for algoritmens vurdering. De værdier, der står øverst, er dem, der får algorit- men til at konkludere, at patienten er i risiko for sepsis, mens de nederste er dem, der taler imod. Denne mulighed for at kigge algoritmen over skuldrene, og se hvordan den er nået frem til sine konklusioner, er et eksempel på såkaldt »explainable AI«. - På den måde kan klinikeren selv gå ind og sige: OK, det vidste vi egentlig godt. Men det her, det er nyt, så det skal vi have handlet på, forklarer Marianne J. Jørgensen. Algoritmen kan også hjælpe i overdra- gelsen mellem vagterne. Dens meldinger kan lægges op på en pc, tablet eller den store kliniske logistiktavle - alt efter hvad der nu foretrækkes. Simon Meyer Lauritsen fra Enversion A/S har udviklet den AI-model, Priokritisk-projektet bygger på. Her ses han på DMTS-landsmødet i 2019, hvor han vandt førstepræmien i foredragskonkurrencen med et oplæg om netop dette emne. (Foto: Haslefoto.dk). Taget godt imod - Vi har været ude og lave en pilottest, og klinikerne fortæller os, at det er helt vildt det her. De siger, at det virkelig kan reducere sygelighed og dødelighed, samtidig med at det øger personalets ar- bejdsglæde og sænker omkostningerne i sundhedsvæsenet, siger Marianne J. Jørgensen. Hun tilføjer dog, at det endnu ikke er givet, at algoritmen rent faktisk kan gøre en positiv forskel, eftersom den endnu ikke er gennemtestet i et klinisk setup: - Vi ved, den fungerer på tegnebrættet og i udviklingsstadiet, men om den reelt set også virker i den kliniske virkelig- hed, det ved vi ikke endnu. Det er noget af det, vi skal til at teste. Vi glæder os helt vanvittigt til at komme ud og få det her testet rigtigt blandt klinikerne og få afklaret, om det kan gøre den forskel, vi håber på. | December 2023 | 13
Download PDF fil
Se arkivet med udgivelser af Medicoteknik her
TechMedias mange andre fagblade kan læses her