AI betydelsefullt för framtidens individanpassade vård

– Det är därför av stort värde, både för sjukvården men även för samhället i stort, att förstå hur och när dessa AI-tekniker används mest effektivt, säger Alexander Galozy, doktorand vid Akademin för informationsteknologi på Högskolan i Halmstad.

Alexander Galozy presenterar sin forskning inom området vid sitt licentiatseminarium den 19 april. Han ingår i den forskargrupp vid Högskolan som, tillsammans med Region Halland, driver projektet iMedA (Improving Medication Adherence through Person Centered Care and Adaptive Intervention). Forskarna menar att det finns ett behov av att ta fram individanpassade digitala lösningar för att stötta patienter med högt blodtryck, så kallat hypertoni, att följa ordinerad behandling. Patienter med högt blodtryck är bra på att hämta ut ordinerad medicin. Det är dock inte nödvändigtvis detsamma som att faktiskt ta sin medicin. Därför hoppas forskarna på att AI och individuella digitala hjälpmedel kan vara ett sätt stötta patientgruppen.

Mobilapplikation som stöd

Projektet utvecklar en mobilapplikation som ska ta hänsyn till patienternas olika beteenden och behov eftersom anledningarna till att inte följa sin behandlingsplan skiljer sig åt inom gruppen.

Det första steget i detta har handlat om att kartlägga olika orsaker till varför patienter med högt blodtryck inte följer ordinerad behandling. Det har forskarna gjort genom att analysera stora mängder patientdata. Som en del i projektet iMedA har Alexander Galozy i sin licentiatuppsats analyserat problematiken kring att använda stora mängder patientdata för att mäta patienternas efterlevnad av ordinerad läkemedelsbehandling. Han har också undersökt hur maskininlärningsmodeller kan användas på patientdata för att förutsäga patienters beteende kring att följa sin behandling.

– Att mäta hur patientgruppen följer sina ordinerade behandlingsplaner med hjälp av patientdata är inte enkelt. Det finns mycket som kan försvåra arbetet, exempelvis genom dubbletter och att data saknas. Det gör att analyserna blir felaktiga. Vi har dock börjat hitta lösningar på hur vi kan åtgärda problemen, säger Alexander Galozy.

Maskininlärning behöver korrekt data

Ett annat hinder för att förutsäga beteenden hos patientgruppen är den data som genereras av patienter som ofta besöker sina läkare. Det kan tolkas som att dessa patienter är mer benägna att förnya sina recept men det är inte säkert att patienterna verkligen hämtar ut sina läkemedel eller följer sina behandlingar.

– Det försvårar arbetet med att ta fram maskininlärningsmodeller när vi inte kan helt lita på den data vi använder. Metoder för att bemöta problemet med skev data saknas fortfarande men är under utveckling, säger Alexander Galozy.

Skräddarsydda påminnelser

Forskarna i projektet iMedA vill åstadkomma bestående beteendeförändringar hos patienter med högt blodtryck. Genom tekniker inom så kallat förstärkt lärande ska patienterna kunna få skräddasydda påminnelser och individanpassad information genom en mobilapplikation. Många lösningar är i dag beroende av att patienter genererar användbar och korrekt information och tar ofta lång tid innan de fungerar optimalt. Det kan leda till att användaren, alltså patienten, tappar intresset för att använda verktyget. Som en annan del i sin licentiatuppsats har Alexander utvecklat en inställning och algoritm som kan användas för att föreslå skräddarsydda insatser.

– I min forskning har jag kombinerat strategier för att kunna personanpassa lösningarna i det digitala hjälpmedlet. Även om förstärkt lärande ser lovande ut är det en lång väg kvar innan metoderna blir en naturlig del av våra tekniska lösningar, berättar Alexander Galozy.

Alexander kommer fortsätta inom akademin och sin karriär som forskare inom AI.

– Licentiaten är bara ett litet steg i den riktningen och det finns fortfarande många intressanta frågor som jag vill besvara!

Text: ANNA-FRIDA AGARDSON

Bild: ISTOCK och PRIVAT