Et nyt AI-baseret system skal hjælpe ambulancepersonalet med hurtigere og mere præcist at vurdere patienternes tilstand. Ifølge forskerne ser systemet ud til næsten at kunne halvere antallet af patienter, der fejlagtigt vurderes som alvorligt syge, hvilket kan reducere antallet af unødige indlæggelser og samtidig styrke patientsikkerheden.
Forskere fra Aalborg Universitet har i samarbejde med Den Præhospitale Virksomhed i Region Nordjylland og virksomheden Treat Systems ApS udviklet en prototype på et AI-baseret beslutningsstøtteværktøj, som løbende vurderer patienternes tilstand allerede under ambulancetransporten. Systemet skal give ambulancepersonalet et bedre grundlag for at træffe beslutninger om patienternes videre behandlingsforløb.
Projektet tager udgangspunkt i, at mange patienter i dag bliver kørt til hospitalet, selv om de muligvis kunne være blevet behandlet hos egen læge eller et andet sted i sundhedsvæsenet. Det belaster akutmodtagelserne og optager ressourcer, som kan bruges til patienter med større behov. Samtidig er antallet af både 1-1-2-opkald og præhospitale kørsler steget markant gennem de senere år.
Kontinuerlig vurdering af patienterne
I dag vurderer ambulancepersonalet patienternes tilstand ud fra blandt andet puls, blodtryk og andre vitale værdier. Vurderingen bliver typisk foretaget én eller to gange under transporten og giver derfor kun et øjebliksbillede.
Projektleder og klinisk lektor ved Center for Præhospital- og Akutforskning på Aalborg Universitet, Morten Breinholt Søvsø, forklarer:
“Den centrale forskel er, at det nye system vurderer tilstanden automatisk og kontinuerligt, hver gang der kommer nye mÃ¥linger ind.”
Hvis en patients tilstand ændrer sig undervejs, vil systemet derfor kunne opdatere risikovurderingen med det samme. Samtidig er løsningen udviklet, så ambulancepersonalet kan se, hvilke målinger der ligger bag den konkrete vurdering.
SÃ¥dan arbejder systemet
Den nye løsning bygger på kunstig intelligens, som er trænet på store mængder historiske ambulancedata fra Region Nordjylland. Systemet analyserer løbende de oplysninger, som ambulancepersonalet allerede registrerer under et patientforløb, herunder blandt andet puls, blodtryk, respirationsfrekvens og andre vitale værdier. I stedet for at basere vurderingen på en enkelt beregning eller et øjebliksbillede opdaterer systemet automatisk risikovurderingen, hver gang der kommer nye data.
Forskerne har samtidig lagt vægt på, at systemets anbefalinger skal være gennemsigtige. Ambulancepersonalet kan derfor se, hvilke konkrete målinger der har haft størst betydning for vurderingen. Hvis en patient eksempelvis får en stigende respirationsfrekvens eller ændringer i blodtrykket, vil systemet vise, at netop disse ændringer har påvirket risikovurderingen.
Den tekniske løsning er udviklet som et beslutningsstøtteværktøj og er derfor ikke tænkt som en erstatning for ambulancepersonalets kliniske vurdering. Tværtimod skal kunstig intelligens fungere som et ekstra sæt “øjne”, der kan opdage ændringer i patientens tilstand og gøre personalet opmærksom pÃ¥ patienter, som enten har behov for hurtigere hospitalsbehandling eller omvendt kan behandles uden en indlæggelse.
Foreløbig er der tale om en prototype, som skal CE-mærkes og efterfølgende afprøves i ambulancer, muligvis som led i et randomiseret klinisk forsøg, før den eventuelt kan tages i rutinemæssig brug.
Færre unødige indlæggelser
Forskerne vurderer, at den AI-baserede beslutningsstøtte kan få en markant effekt. Ifølge deres analyser ser systemet ud til næsten at kunne halvere antallet af patienter, der fejlagtigt vurderes som alvorligt syge og derfor køres til hospitalet, selv om de kunne have været vurderet og behandlet et andet sted i sundhedsvæsenet.
Morten Breinholt Søvsø forklarer baggrunden:
“Men den nuværende skala er ikke særlig præcis til at forudsige, hvem der risikerer at fÃ¥ det værre. Derfor bliver en del patienter kørt til hospitalet, selv om en hurtig vurdering hos egen læge ville være nok. Her ser vores system ud til næsten at kunne halvere antallet af patienter, der fejlagtigt vurderes som alvorligt syge.”30
Forskerne understreger samtidig, at systemet ikke skal erstatte ambulancepersonalets faglige vurderinger, men fungere som et beslutningsstøtteværktøj.
Potentiale for hele landet
Den nuværende løsning er en prototype, som er udviklet og trænet på ambulancedata fra Region Nordjylland. Næste skridt bliver at opnå CE-mærkning og efterfølgende afprøve systemet i ambulancer, muligvis som led i et randomiseret klinisk forsøg.
Forskerne peger på, at præhospital behandling er et område, hvor der allerede anvendes fælles systemer og indsamles store datamængder på tværs af landet. Hvis teknologien viser sig effektiv, vurderer de derfor, at den relativt let vil kunne udbredes nationalt.
Region Nordjylland ser store muligheder
Også Den Præhospitale Virksomhed i Region Nordjylland ser et betydeligt perspektiv i projektet.
Lægefaglig direktør Martin Rostgaard-Knudsen siger:
“Tiden er afgørende i vores arbejde, sÃ¥ hvis kunstig intelligens kan hjælpe vores medarbejdere med at kvalificere deres vurderinger af patienterne, vil det i sidste ende understøtte patientsikkerheden og samtidig hjælpe os med at sikre, at patienterne fÃ¥r den rette behandling pÃ¥ det rette sted. Vi er altid Ã¥bne over for ny teknologi og kunstig intelligens som værktøjer, der kan supplere vores fagligt dygtige personale.”
Baggrunden for projektet er blandt andet en stigende belastning af det præhospitale område. Den Præhospitale Virksomhed i Region Nordjylland håndterer hvert år ca. 47.000 1-1-2-opkald om potentielt livstruende sygdom eller ulykker. I perioden 2017-2023 steg antallet af 1-1-2-opkald med 27 pct., mens antallet af præhospitale kørsler steg med 22 pct.
