Forskningsprojekt
AI i Almen Praksis
Projekter (Digital Almen Praksis)
Den intelligente indbakke Hurtigt patientoverblik
Bedre forberedelse til konsultation
Borgerrettet app (MinLæge) Forbedring af epikriser
Kommunikation med kommunale pleje
Hvor intelligente er IT-systemerne i dag?
Projekter (Digital Almen Praksis)
Den intelligente indbakke Hurtigt patientoverblik
Bedre forberedelse til konsultation
Borgerrettet app (MinLæge) Forbedring af epikriser
Kommunikation med kommunale pleje
AI i almen praksis (forskningsprojekt)
at udarbejde en model for anvendelse af AI i almen praksis, som kan bidrage til kvalitetsudvikling samt afhjælpe/lette de praktiserende lægers travle hverdag med tunge mængder af information.
AI i almen praksis - formål
Lægen har i dag begrænset mulighed for at udsøge patientgrupper med behov for særlig indsats.
Lægen har i sit IT-system mange data på sine patienter. Dette er både egne
indsamlede data og data bredt modtaget fra andre aktører i sundhedsvæsnet. De opsamlede data indeholder ofte en historik på 20 år eller mere.
I klinikkens IT-system kan der være indbygget oversigtsfunktioner, statistik m.m., men der findes ikke nogen effektiv funktionalitet til at hjælpe lægen med at
kategorisere patienterne i risikogrupper.
Problem i almen praksis (eks.)
Der ønskes en løsning, der fremhæver risikofaktorer for den enkelte patient.
Herved kan lægen vurdere, hvorledes patienten bør håndteres for at undgå udbrud/forværring af sygdom med øget behandling og indlæggelser til følge.
Løsningen kan ligeledes bidrage til at identificere patienter, med behov for forebyggelse.
Ønsket løsning
Lægen modtager hver dag store mængder af meddelelser, som skal håndteres.
Hver læge bruger ofte mere end en time hver dag på at håndtere meddelelser.
Problem i almen praksis (eks.)
Der ønskes en løsning, der assistere med automatisk håndtering af indkomne prøvesvar, hvor nærmere uddybelse af prøvesvaret er unødvendig. Algoritmerne kan også være behjælpelige ved sortering af blodprøvesvar ved markering af vigtige udfald eller lignende.
Ønsket løsning
Der kan udveksles journaler mellem praksis vha. fælles udvekslingsformat FNUX.
FNUX anvendes ligeledes til udtræk af alle patienter.
FNUX indeholder alle data, som er sundhedsfaglige (ikke kalenderaftaler og afregningsydelser)
FNUX kan findes her: FNUX: Tekniske oplysninger - MedCom
Fælles udvekslingsformat
AI kan ”lære” at se sammenhæng i data, hvor normale programmerede algoritmer kun kan se de sammenhænge i data, som algoritmen er programmeret til.
Hvorfor anvende AI?
Hvad er AI?
Forskellen på ML og DL
• Fordele
– ML kræver ikke så meget maskinkraft at ”oplære”
– DL kræver ingen manuel udvælgelse
• Ulemper
– ML kræver manuel udvælgelse af features, og kan derfor kræve meget manuel arbejde for at kunne fungere. Kræver et stort kendskab til løsningsrummet
– DL kræver stor regnekraft til optimering af netværk – DL kan kræve store datamængder
Forskellen på ML og DL
DL bygger på neurale netværk
DL bygger på neurale netværk
DL bygger på neurale netværk
DL bygger på neurale netværk
• Den kliniske forankring
– Problemstilling, som algoritmer og modeller udvikles for at adressere, sker i samarbejde med praktiserende læger i en klynge (eller flere). Det kan fx være ønsket om mere intelligent håndtering af blodprøvesvar eller beslutningsstøtte.
• Data
– Data leveres pseudoanonymiserede fra hver enkelte almen praksis i klyngerne til en fælles server, og vil ikke kunne henføres til hverken læge eller patient.
– Databehandler for klyngeserveren vil være Aalborg Universitet (AAU).
• Algoritmer
– De udviklede algoritmer skal fungere lokalt i den enkelte klinik.
Model for projekt
Model for projekt
• MedCom
– Kontakt: PLO, Sundhedsministeriet, osv.
– En del af programmet Digital Almen Praksis som et forskningsprojekt
• Center for Almen Praksis ved Aalborg Universitet (CAM-AAU)
– Projektledelse
– Udarbejdelse af modelstruktur for projektet
– Brugerinddragelse (strukturerede spørgerunder og workshop)
• Andre
– Professor Ole Kæseler Andersen (prodekan sundhed, AAU)
– Professor Søren Paaske Johnsen (Leder af forskningsprogram for Sund- hedstjenesteforskning, AAU)
– Professor Torben Larsen (prodekan, AI specialister fra AAU) – Diverse Almen Praksis Klynger