Bättre beslutsunderlag för intensivvården med AI-stöd

Villiam Kildal är ST-läkare på PVI (Perioperativ vård och Intensivvård), på Södersjukhuset och postdoktoral forskare på Karolinska Institutet. Med ett stort eget dataintresse insåg han att maskininlärning och AI passar särskilt bra i intensivvården.

– På IVA finns de allra sjukaste patienterna och personalen som arbetar här behöver ofta fatta svåra beslut under tidspress. Blir något fel kan konsekvenserna bli stora. Samtidigt samlar vi in väldiga mängder data som skulle kunna stödja dessa beslut, men som i praktiken blir liggande outnyttjad på sjukhusens servrar. Mängden data är dessutom så omfattande att den inte går att överblicka för en människa, säger han.

Modeller för att underlätta beslutsfattande

Sedan två år driver Villiam Kildal därför ett forskningsprojekt med målet att ta fram modeller som kan underlätta beslutsfattande på intensivvårdsavdelningar. Arbetet sker i samarbete med kollegor på University of Cambridge AI Laboratory där Villiam arbetar som gästforskare. Det kan handla om hur länge en patient förväntas vara inlagd på IVA eller att kunna riskgradera patienter och förutse klinisk försämring. Ett annat exempel kan vara att få stöd i praktiska beslut som exempelvis bedömningen av när ventilatorbehandling, som hjälper patienter att andas, kan trappas ut på ett tryggt sätt.

– Det kan vara svårt att veta exakt när en patient som är på bättringsvägen är tillräckligt återställd för att klara av att andas på egen hand. Både för lång och för kort ventilatorbehandling kan vara dåligt. Där tror vi att ett beslutstödsverktyg baserat på stora mängder historiska data skulle kunna hjälpa till att hitta den optimala balansen, säger Villiam Kildal.

Olika kompetenser behövs

För att lyckas bygga säkra, pålitliga och användbara beslutstödsverktyg krävs ett lagarbete med olika kompetenser. Exempelvis arbetar en del av gruppen med att säkerställa att de modeller som tas fram är trygga och rättvisa så att människor behandlas lika utifrån kön, ålder och andra faktorer. Andra arbetar med att göra modellerna tolkningsbara så att de faktiskt bidrar till att sjukvårdspersonal utvecklar sin kliniska kompetens, i stället för att riskera att den urholkas.

Det är också avgörande att sjukvårdspersonal deltar i modellutvecklingen så att deras expertis präglar verktygen. En modell som bara bygger på data, utan förståelse för hur vården fungerar i praktiken eller vilken information som saknas i datasetet, blir inte tillräckligt bra. Utvärdering och säkerhetstestning sker i flera steg. Först därefter kan man genomföra kliniska studier för att se om modellerna fungerar i den riktiga världen.

– Det är väldigt spännande. Efter över två års arbete med att lägga grunden för projektet har vi nu äntligen börjat jobba på riktigt Målet är att kunna testa våra modeller på intensivvårdskliniker i Stockholm. Det är många som forskar på AI i sjukvården runt om i världen. Däremot är det få som har lyckats skapa en struktur för att systematiskt kunna utvärdera sina modeller i riktiga vårdmiljöer. Vårt mål är att kunna göra det på ett tryggt och strukturerat sätt. Vi måste ta reda på om AI faktiskt kan stötta vården, spara resurser och rädda liv, säger Villiam Kildal.