VINNOVA meddelade i dagarna besked inom den riktade utlysningen "Artificiell intelligens för bättre hälsa" och projektet "Effektivare och mer jämlik akutvård med hjälp av avancerade medicinska beslutsstödsystem" med koppling till Swe-Clarin och Humanistlaboratoriet i Lund tilldelades 5,3 miljoner. I blogginlägget ges en sammanfattning.
Bröstsmärta är den näst vanligaste sökorsaken (efter buksmärta) vid svenska akutmottagningar med över 170000 besök varje år. Utredningen av dessa patienter syftar primärt till att utesluta eller fastställa akut koronart syndrom (AKS, samlingsbegrepp för hjärtinfarkt och instabil kärlkramp). Dagens diagnostiska metoder är emellertid bristfälliga, vilket gör en betydande överinläggning nödvändig för att inte missa några AKS-fall med potentiellt livshotande konsekvenser.
Bristande datakvalitet
De senaste riktlinjerna från europeiska kardiologförbundet (ESC) rekommenderar en prediktionsmodell (bedömningsalgoritm) för att identifiera patienter med mycket låg risk för AKS och som därför är lämpliga för hemgång. I algoritmen ingår sjukhistoria, elektrokardiogram (EKG) samt resultatet från ett blodprov, högkänsligt troponin T, taget vid ankomst och en timme senare. En begränsning i den här typen av algoritmer är bristande kvalitet i indata , både vid utveckling och användning i klinisk praxis. För korrekta data avseende sjukhistoria och tidigare sjukdomar krävs att journaluppgifter (semi-strukturerad text) avseende patientens tidigare vårdkontakter gås igenom manuellt, något som är väldigt tidsödande och ofta behäftat med fel.
Föreliggande projekt avser att förbättra bedömningen och handläggningen av patienter med möjligt AKS vid Sveriges akutmottagningar på två principiellt olika sätt: 1) automatisk inhämtning, systematisering och kategoriseringav data avseende patientens tidigare vårdkontakter från journalsystem och andra hälsodataregister, 2) utveckling av en ny, innovativ, prediktionsmodell som utnyttjar ytterligare uppgifter ur patientens sjukhistoria för att tillsammans med EKG, blodprov och sociodemografiska faktorer förbättra prediktionen av AKS jämfört med befintliga algoritmer. I projektet används artificiell intelligens och avancerad språkteknologi för att utveckla ett system som extraherar och systematiserar följande information från besöket på akutmottagningen: tidigare sjukdom, aktuella symtom, aktuell medicinering, allmäntillstånd, temperatur, hjärtrytm, syresättning, puls, blodtryck (systoliskt och diastoliskt), lungstatus, andningsfrekvens, EKG-fynd och provsvar. Som facit används en databas med journaldata för 16000 patienter med bröstsmärta som sökorsak vid akutmottagningen in 2017-2018, vilka systematiserats i ett fristående, forsknings- och utvecklingsprojekt. Att facit redan finns att tillgå är en stor effektivitetsvinst i vårt projekt; etablering av facit för stora textmassor av det här slaget kräver annars omfattande manuellt arbete.
Namnigenkänning som teknik
För textklassificeringen har vi i huvudsak en typisk kunskapsutvinningsuppgift där en kombination av strukturerad och ostrukturerad data måste behandlas, inklusive medicinskt kodifierade klassificeringar, bilder, testresultat och berättande text. För denna del kommer vi att använda tekniken namnigenkänning (Named Entity Recognition, NER). NER-modeller använder vanligtvis olika sorters indata som utvinns ur texten; det kan vara direkta textegenskaper som ordkontextmönster, ordklass, förekomst av stora/små bokstäver samt siffror, träff i medicinska ordlistor, men även egenskaper som klassificerats i tidigare stadier; i patientjournaler kan detta exempelvis vara uppgifter om tidigare sjukdomar, funktionalitet hos olika organ eller noteringar om ärftlighet, pågående medicinering, levnadsvanor och allergier.
Projektet startar under 2018 och är ett samarbete mellan Lunds universitet, Kliniska Studier Sverige och Skånes universitetssjukhus i Lund. Från LU deltar språkteknologer och forskare i maskininlärning från Avd. för arbets-och miljömedicin, Avd. för beräkningsbiologi och biologisk fysik samt Humanistlaboratoriet med koppling till forskningsinfrastrukturprojektet Swe-Clarin.
Länk till pressmeddelandet hos VINNOVA
Länk till projektet i LUs forskningsportal