Foto: Helle Brandstrup Larsen

Hospital indfører kunstig intelligens: Skal forhindre overbelægning og genindlæggelser

Nyt, avanceret planlægnings- og prognosticeringsværktøj baseret på machine learning skal nu testes på Regionshospitalet Randers. Det kan time for time forudsige behovet for sengepladser og spotte risikopatienter, som kræver særligt fokus. Potentialet er stort. Hvis forsøget bliver positivt, vil det på enkel måde kunne overføres til andre hospitaler.

"Vi ved ikke, om det på sigt også vil kunne bedre hospitalets økonomi. Det er ikke det, som er målet for os. Vi håber, at vi kan gøre det bedre for patienterne," siger Thomas S. Pinstrup, kvalitet- og sundheds-it-chef på Regionshospitalet Randers.

"Hvis vi fra den kunstige intelligens får et bedre bud på patienternes forløb, kan vi måske tilrettelægge deres forløb bedre. Og hvis vi får en beregning, som viser, at en patient har stor risiko for genindlæggelse, vil vi måske kunne gøre noget mere for patienten, inden denne udskrives. Det vil være fantastisk, hvis den kunstige intelligens vil kunne støtte og hjælpe lægerne til at gøre det bedre for patienterne," siger Thomas S. Pinstrup.

Det nye, innovative planlægningsværktøj, som via avanceret machine learning kan spå om fremtidige indlæggelser med stor sikkerhed, er en del af det Nationale Big Data forskningsprojekt DABAI (Dansk center for Big data Analysedrevet Innovation). Og løsningen, der har fået navnet Columna Patientflow, udvikles af softwarevirksomheden Systematic i samarbejde med Region Midtjylland.

Løsningen fungerer ved, at man fodrer en computer med store mængder historiske data for flere års indlæggelser på afdelingerne. Herefter finder computeren systematik og afvigelser i materialet, og sammen med aktuelle data fra afdelingerne danner dette baggrund for prognoser om fremtidige indlæggelsers varighed og forløb.

Systematics løsning kan også udpege de patienter, som med sandsynlighed vil blive genindlagt eller opleve komplikationer under deres indlæggelse. På den måde understøtter Columna Patientflow de vigtige beslutninger, som læger og sygeplejesker skal træffe, når behandlingsforløbet for en risikopatient skal tilrettelægges.

Columna Patientflow vil blive en del af de daglige kapacitetskonferencer på hospitalet, og klinikerne har gennem måneder været med til at udvikle værktøjet ved at komme med input til, hvilke oplysninger de vil finde relevante.

Håber på bedre dialog

En af dem, som ser frem til at prøve løsningen, er Bjarke Johannesen Bruun, overlæge og speciallæge ved Intern Medicin på Regionshospitalet Randers.

"Det vil være en stor hjælp, hvis systemet kan gøre os opmærksom på patienter, som risikerer komplikationer og genindlæggelse, for så kan vi planlægge behandlingen derefter og sørge for at patienten får den rette støtte i hjemmet efterfølgende. Løsningen kan på ingen måde erstatte lægefaglige vurderinger, men det vil være et godt værktøj til at understøtte vores arbejde og måske synliggøre uhensigtsmæssige patientforløb," siger han.

Bjarke Johannesen Bruun fremhæver også muligheden for at opnå en bedre dialog med patienterne som en åbenlys fordel ved løsningen.

"Nogle gange vil en patient utroligt gerne hurtigt hjem, og det er ikke altid nemt at holde på folk, hvis de mener sig friske nok til at blive udskrevet. Men hvis både prognosen og vores faglige vurdering peger på øget risiko for genindlæggelse, så er der basis for en mere velunderbygget dialog med patienten om dette," siger han.

Første sted

Regionshospitalet Randers er det første sted i Danmark, hvor en så avanceret løsning tages i brug. I øjeblikket høstes erfaringer fra en anden model på seks sygehuse i Region Nordjylland. Her har 56 hospitalsafsnit i et års tid dagligt fået machine learning-baserede prognoser for belægningen i den kommende uge sammen med et overblik over det aktuelle antal af ledige sengepladser på afdelingerne i realtid.

"Lægerne i Nordjylland får for forecast syv dage frem, og maskinen halverer de fejl, som lægerne selv ville komme med, hvis de selv skulle vurdere antallet af indlæggelser en uge frem. Bedre er systemet i Nordjylland altså ikke. Det er gået op for os, at skal et system være bedre, så skal vi ned på at forcaste på timer. Hvis vi kun forcaster på dage, så får personalet, som deltager på de daglige kapacitetskonferencer, ikke information, som de kan handle på. I morgen er det måske et nyt hold, der er på vagt. Personalet har brug for information, som er relevant for dem lige her og nu og senere på dagen, hvor de selv er på arbejde og kan gøre noget," siger Mikkel Harbo, direktør for produkt- og forretningsudvikling i Systematic.

Patientflowsprojektet i Randers er derfor en videreudvikling af den nordjyske model. Den opererer på timebasis og har oveni indbyggede prognoser baseret på historiske data om patienternes forløb, hvilket gør det muligt at forudsige længden af patientforløb og risikoen for genindlæggelser.

I første omgang igangsættes projektet på Randers Hospital, herefter er planen at udbrede løsningen til regionens øvrige hospitaler.

Det forventes, at personalet i Randers kan tage systemet i brug i løbet af efteråret, hvor det skal testes frem til februar.

 

 

Tags: AI

Like eller del denne artikel

Nyheder fra Medicinske Tidsskrifter

Hæmatologisk Tidsskrift

Diagnostisk Tidsskrift

 

Redaktion

Chefredaktører

Kristian Lund
kristian@medicinsketidsskrifter.dk

Nina Vedel-Petersen
nina@medicinsketidsskrifter.dk

Redaktionschef

Helle Torpegaard
helle@medicinsketidsskrifter.dk

Research

Birgitte Gether
Jan Fuhs (automatiseret research)

Webmaster

Tilknyttede journalister

  • Signe Juul Kraft - onkologi, hæmatologi, sundhedspolitik
    Berit Andersen – hjerte-kar, psykiatri, sundhedspolitik 
    Nina Bro - sclerose, sundhedspolitik 
    Birgit Brunsted - onkologi, hjertekar, generelt 
    Bo Karl Christensen - diabetes, generelt
    Jette Marinus - respiratorisk
    Mathilde Louise Stenild - diabetes, reumatologi, sundhedspolitik 
    Grit Blok - dermatologi 
    Maria Cuculiza - kultur, sundhedsteknologi, sundhedspolitik 
    Ebbe Fisher - generelt
    Pernille Marrot – Propatienter.dk, osteoporose, diabetes 
    Maiken Skeem – hjertekar, reumatologi, sundhedsteknologi, sundhedspolitik 
    Annette Lausten - gastroenterologi
    Marianne Rohweder - overvægt, sundhedspolitik

Om os

Om os

Annoncer

Jobannoncer

Persondatapolitik

Kontakt

Abonnement
birgitte@medicinsketidsskrifter.dk

Mail redaktionen

Medicinske Tidsskrifters medier

www.medicinsketidsskrifter.dk
www.sundhedspolitisktidsskrift.dk
www.propatienter.dk
www.medicinsktidsskrift.dk
www.onkologisktidsskrift.dk
www.haematologisktidsskrift.dk
www.mstidsskrift.dk
www.diagnostisktidsskrift.dk

Redaktionen

Redaktion

Chefredaktører

Kristian Lund
kristian@medicinsketidsskrifter.dk

Nina Vedel-Petersen
nina@medicinsketidsskrifter.dk

Redaktionschef

Helle Torpegaard
helle@medicinsketidsskrifter.dk

Research

Birgitte Gether
Jan Fuhs (automatiseret research)

Webmaster

Tilknyttede journalister

  • Signe Juul Kraft - onkologi, hæmatologi, sundhedspolitik
    Berit Andersen – hjerte-kar, psykiatri, sundhedspolitik 
    Nina Bro - sclerose, sundhedspolitik 
    Birgit Brunsted - onkologi, hjertekar, generelt 
    Bo Karl Christensen - diabetes, generelt
    Jette Marinus - respiratorisk
    Mathilde Louise Stenild - diabetes, reumatologi, sundhedspolitik 
    Grit Blok - dermatologi 
    Maria Cuculiza - kultur, sundhedsteknologi, sundhedspolitik 
    Ebbe Fisher - generelt
    Pernille Marrot – Propatienter.dk, osteoporose, diabetes 
    Maiken Skeem – hjertekar, reumatologi, sundhedsteknologi, sundhedspolitik 
    Annette Lausten - gastroenterologi
    Marianne Rohweder - overvægt, sundhedspolitik

Om os

Om os

Annoncer

Jobannoncer

Persondatapolitik

Kontakt

Abonnement
birgitte@medicinsketidsskrifter.dk

Mail redaktionen

Medicinske Tidsskrifters medier

www.medicinsketidsskrifter.dk
www.sundhedspolitisktidsskrift.dk
www.propatienter.dk
www.medicinsktidsskrift.dk
www.onkologisktidsskrift.dk
www.haematologisktidsskrift.dk
www.mstidsskrift.dk
www.diagnostisktidsskrift.dk