Att använda AI för individualiserad vård av hjärtpatienter i Halland
En åldrande befolkning ställer stora krav på ett alltmer komplicerat vårdsystem. Ineffektivt beslutsfattande kan leda till en sämre vårdkvalitet och ökade vårdkostnader. Genom att använda AI-modeller baserade på kliniska data kan läkare bli bättre informerade om sina patienter och fatta faktabaserade och individuella vårdbeslut. Awais Ashfaq vid Högskolan i Halmstad är AI-forskaren bakom dessa modeller.
– Det finns ett behov av smarta beslutsstödsystem som kan ge läkare och vårdpersonal möjlighet att fatta bättre och välinformerade vårdbeslut. Beslut som inte bara är baserad på allmänklinisk kunskap och personlig erfarenhet, utan också vilar på patientspecifik information och förväntat vårdresultat, säger Awais Ashfaq, doktorand i signal- och systemteknik vid Högskolan i Halmstad, som nyligen publicerade sin licentiatuppsats "Predicting Clinical Outcomes via Machine Learning on Electronic Health Records".
Awais Ashfaqs forskning är en del av ett samarbete mellan Högskolan och Region Halland där man genom maskininlärning ska kunna förutse behov och resultat för vård av hjärtsviktspatienter i Halland.
Awais Ashfaq började att doktorera vid Högskolan i Halmstad 2017. Innan det studerade han ett magisterprogram i medicinsk teknik med specialisering inom datavetenskap och maskininlärningstekniker på KTH i Stockholm. Han har sedan tidigare en kandidatexamen i elektroteknik från National University of Sciences and Technology i Pakistan.
Vilka slutsatser har du hittills kunnat dra i din forskning?
– Vi utvecklade modeller från klinisk kunskap och elektroniska patientjournaler, EHR (electronic health records), för att förutsäga negativa kliniska utfall, som till exempel dödlighet inom 30 dagar efter utskrivning och oförutsedda återinläggningar på sjukhus. Modellernas förmåga att förutse händelseförlopp förbättras när datadriven information kompletteras med kunskap och erfarenhet från kliniska experter. Med andra ord kan noggranna prediktiva modeller hjälpa vårdpersonal att fatta faktabaserade vårdbeslut om enskilda patienter. Vi visar även i vår forskning på den ekonomiska nyttan av AI-modellerna när de används för att ta fram interventionsplaner för högriskpatienter.
Har din forskning lett till förändringar i vården?
– De nya modellerna har hittills inte introducerats i det verkliga kliniska arbetsflödet för att stödja beslutsfattande. Det krävs först en prospektiv valideringsstudie, det vill säga en studie som blickar framåt, som spänner över flera system.
Är det några forskningsresultat som överraskar dig?
– En av många egenskaper hos de så kallade artificiella neuronnät som vi använder i våra modeller, är att de går att applicera på flera olika områden. Nätverk som huvudsakligen är inte är avsedda för analys av EHR, till exempel de som används vid språkbehandling och prediktion av tidsserier, kan kombineras och anpassas för EHR så att de kan förutsäga patientens vårdbehov och vårdresultat.
Du ska fortsätta med din forskning för att skriva en doktorsavhandling. Vilka är dina mål?
– Under de närmaste åren skulle vi vilja svara på frågan: "vad bestämmer utfallet för en patient?". De utvecklade modellerna kan påverka kliniska beslut på ett positivt sätt, men de hjälper oss inte till att lösa grundorsaken till negativa resultat. Detta beror på att vi ofta inte är medvetna om vilka faktorer, eller grupper av faktorer, som påverkar utfallet för en patient och hur. Med andra ord är målet med forskningen inte begränsat till en korrekt förutsägelse av negativa resultat, utan även att underlätta omstruktureringen av sjukvåden på ett sätt som kan minska antalet fall med negativa resultat i framtiden.
Text: LOUISE WANDEL
Bild: ROLAND THÖRNER
Toppbild: ISTOCK