Katarina Bohm som arbetar på Karolinska Institutets institution vid Sös (KI SÖS) och verksamhetsområde Akut deltar i projektet PreSISe (Prehospitalt beslutsstöd för identifiering av sepsisrisk).
Projektets mål är att se om man med hjälp av artificiell intelligens (AI) kan skapa ett system som varnar för sepsisrisk redan innan patienten kommit till sjukhuset.
- Sepsis är väldigt svårt att identifiera. Det är en utmaning i hela sjukvården men främst prehospitalt. Vi undersöker om det går att utveckla ett AI-baserat beslutsstöd för ambulanspersonalen.
AI kan hantera många parametrar samtidigt och sätta dem i rätt sammanhang, något som kan vara svårt för vårdpersonal när bilden är så komplex. Studien bygger på en stor mängd patientdata från bland annat Sös akutmottagning.
- En patient med sepsis kan ha många olika symtom och ett system kan bearbeta både olika mätvärden och beskrivningar av symtom. Både vitalparametrar och till exempel beskrivningar av att patienten har ramlat flera gånger de senaste dagarna kan vara viktig information.
KI SÖS är en av nio parter i projektet PreSise som pågår fram till 2020. Om studien ger tillfredsställande resultat blir nästa steg att ta fram ett verktyg som kan testas i verkliga situationer.
- Det vore fantastiskt om vi kunde utveckla ett beslutsstöd som all sjukvård kan använda sig av i framtiden.
Fler studier om AI på Sös:
Artificiell intelligens för att öka överlevnaden vid plötsligt hjärtstopp
Centrum för Hjärtstoppsforskning vid Södersjukhuset och Karolinska Institutet genomför en världsunik studie för att undersöka om man med hjälp av AI kan analysera och identifiera plötsliga hjärtstopp och tidigt förvarna larmoperatörerna under pågående 112-samtal.
Gamebased learning and Artificial Intelligence for improved diagnosis in Ovarian Tumors
De flesta gynekologer träffar bara ett fåtal patienter med äggstockstumörer per år och har därför svårt att öka sin kompetens inom området. Genom ett projekt på Södersjukhusets kvinnoklinik ska man testa om en mobilapp kan fungera som hjälpmedel för läkarna när de ska träna på att bedöma om en äggstockstumör är elakartad eller inte. Ett annat mål med projektet är att utveckla en datoriserad bildanalys baserat på cirka 1000 högupplösta ultraljudsbilder. En första prototyp byggs på stillbilder, men tanken är att ta AI-stödet vidare så att det även blir möjligt att analysera 3D-volymer eller videoklipp.
Artikeln är plockad ur senaste numret av Vi på Sös, Sös magasin för sjukhusets medarbetare och patienter