AI kan förutsäga akut blodförgiftning

LiU-forskare kan med hjälp av maskininlärning se vilka patienter som löper risk att drabbas av septisk chock. Under 2020 hoppas forskarna kunna testa sitt system på Universitetssjukhuset i Linköping.

Emma Busk Winquist

Septisk chock, i vardagligt tal ofta kallat blodförgiftning, är ett livshotande tillstånd som är svårt för läkare att förutsäga. Samtidigt är det av stor betydelse att upptäcka symtom så tidigt som möjligt eftersom det ökar sannolikheten för överlevnad. Med hjälp av artificiell intelligens kan nu en grupp LiU-forskare se vilka patienter som löper risk att drabbas. 
– Vi har byggt en algoritm som kan hitta patienter vilka potentiellt kan få septisk chock, berättar Magnus Bång, universitetslektor vid Institutionen för datavetenskap, IDA.
Han leder ett forskningsprojekt där Linköpings universitet samarbetar med universitetssjukhuset och Region Östergötland. I det ingår även Michelle Chew, läkare och professor på Linköpings universitet, och Daniel Wilhelms, läkare och LiU-forskare.
– I projektet jobbar vi både med algoritmen och med att prova AI-teknik i sjukvården, säger Magnus Bång. 
Josef Fagerström, doktorand vid IDA, ingår i forskargruppen och har precis publicerat en artikel om algoritmen i den välrenommerade tidskriften Scientific Reports.  
–  Det är en maskininlärningsalgoritm. Vi har tränat ett stort neuralt nätverk på data från MIMIC, en amerikansk databas som innehåller mängder av biometriska data och labbresultat från ett sjukhus i Boston, berättar Josef Fagerström.

 

Algoritmen hittar patienter

I MIMIC finns uppgifter från 59 000 inläggningar på en intensivvårdsavdelning. Där hittar man saker som patientens ålder, vikt, blodtryck, hjärt- och andningsfrekvens, men också labbresultat, sjukdomshistorik och information om vilka procedurer som genomförts. 
Genom att låta nätverket undersöka uppgifterna i databasen kan det hitta kopplingar mellan olika mätvärden och septisk chock.  
–  Vi vet hur en patients data ser ut när den utvecklat septisk chock. Med hjälp av medicinsk litteratur så valde vi ett 30-tal parametrar, kroppstemperatur, hjärtfrekvens, ålder, tidigare åkommor och så vidare. Sedan körde vi en träningsalgoritm på det neurala nätverket. Det lärde sig då att identifiera de patienter som kom att utveckla septisk chock. På det här sättet kan algoritmen hitta, med förhållandevis stor precision, patienter innan de utvecklar septisk chock, säger Josef Fagerström.
Det mönster som algoritmen hittar är så komplicerat att en människa inte kan förstå hur det uppkommit. 
–  Vi människor har jättesvårt att se mönstret.  Algoritmen tar inte bara hänsyn till många parametrar, utan relationerna mellan parametrarna, som också är mycket komplexa, berättar Josef Fagerström.
Magnus Bångs forskargrupp har även byggt ett AI-system för att övervaka patienter. Tanken är att i framtiden kunna övervaka patienterna på ett sjukhus i realtid med tekniken. 
–   Visionen är att man ska kunna titta på alla patienter. Om vi tar septisk chock som exempel så tar vi in de här mätvärdena och låter nätverket analysera dem. När det identifierat någon som löper risk att utveckla septisk chock meddelas läkaren, säger Magnus Bång. 
Hur ska då läkaren använda sig av en sådan information? 
–  Exakt vad som ska hända är en senare frågeställning, men informationen är ett beslutsstöd för läkaren. När algoritmerna har hittat något får läkaren en notifiering om det. Men det är läkaren som tar alla beslut. Och just nu vill vi bara prova tekniken för att se att den fungerar, säger Magnus Bång.

 

AI och vård – hett forskningsområde 

Artificiell intelligens, big data och sjukvård är ett hett forskningsområde just nu, berättar Magnus Bång. Som alltid när det gäller vård är forskningen omgärdad av en mängd säkerhetsbestämmelser.

–  Det är etikansökningar som måste till om man ska prova tekniken på patienter. Vårt AI-system, om vi tillåts prova det, ska dock inte användas för att diagnostisera patienter. Vi ska i första läget bara göra tekniska tester, säger Magnus Bång. 

Han jämför processen med att ta fram ett nytt läkemedel.  
–   Man måste göra en kontrollerad studie. Först om ett läkemedel fungerar kan man börja använda det, men fram till dess måste man gå igenom rigorösa tester, säger Magnus Bång. 

Han tror att de snart kommer kunna testa projektet.
–   Vi hoppas kunna få prova vårt system på akutmottagningen på Universitetssjukhuset i Linköping under 2020, säger Magnus Bång. 

Kontakt
Visa/dölj innehåll

Senaste nytt från LiU
Visa/dölj innehåll