Forskere vil bruge data fra ambulancer til at undgå unødige indlæggelser
Ambulancepersonalet skal have bedre redskaber til at vurdere, hvilke patienter der er kritisk syge, og hvilke der ikke har behov for indlæggelse. Derfor udvikler forskere fra Aalborg Universitet sammen med Region Nordjylland og Treat Systems ApS et system, der løbende vurderer patientens tilstand i ambulancen.
Mange patienter bliver i dag kørt til hospitalet med ambulance, selv om de muligvis kunne være blevet hjulpet andre steder i sundhedsvæsenet. Det lægger pres på akutmodtagelser og sygehuse, som i forvejen mangler personale og sengepladser.
I samarbejde med Region Nordjylland og virksomheden Treat Systems ApS har forskere fra Aalborg Universitet udviklet en prototype på et AI-baseret system, der løbende vurderer patientens tilstand allerede i ambulancen.
Systemet skal hjælpe ambulancepersonalet med hurtigere at identificere patienter med behov for akut hospitalsbehandling og er tænkt som et supplerende beslutningsstøtteværktøj, der skal understøtte personalets vurderinger.
Det forklarer projektleder og klinisk lektor ved Center for Præhospital- og Akutforskning på Aalborg Universitet, Morten Breinholt Søvsø:
”I dag vurderes patienten af personalet på en skala, der beregnes ud fra blandt andet puls, blodtryk og andre vitale værdier. Men den nuværende skala er ikke særlig præcis til at forudsige, hvem der risikerer at få 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.”
En vurdering kan hurtigt blive forældet
Ud over at vurderingen af patienten i dag manuelt skal startes af personalet, bliver den ofte kun lavet en eller to gange. Det er derfor kun et øjebliksbillede af patientens tilstand og øger risikoen for, at en eventuel forværring ikke bliver opdaget i tide.
”Den centrale forskel er, at det nye system vurderer tilstanden automatisk og kontinuerligt, hver gang der kommer nye målinger ind,” siger Morten Breinholt Søvsø og tilføjer, at forskerne har haft fokus på, at personalet skal kunne se, hvad der ligger til grund for en konkret vurdering:
“Hvis en patients respirationsfrekvens eksempelvis er høj, kan systemet vise, at netop dét trækker vurderingen i retning af en højere risiko.”
Kan understøtte patientsikkerheden
Der er foreløbig tale om en prototype, der er trænet på ambulancedata fra Nordjylland. Næste skridt bliver at arbejde mod CE-mærkning og teste systemet i ambulancer – muligvis gennem et randomiseret klinisk forsøg.
Ifølge forskerne bag er perspektivet stort, da akutbehandling uden for hospitalerne er et af de steder, hvor der allerede er fælles systemer og indsamles store datamængder på tværs af landet. Det gør løsningen lettere at skalere, hvis den viser sig at fungere.
I Den Præhospitale Virksomhed, der bl.a. omfatter ambulancetjenesten i Nordjylland, ser de også et stort potentiale i projektet. Især i takt med at flere ældre patienter og mere komplekse sygdomsforløb lægger ekstra pres på akutberedskabet.
Det forklarer Martin Rostgaard-Knudsen, der er lægefaglig direktør i Den Præhospitale Virksomhed:
“Tiden er afgørende i vores arbejde, så 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 får den rette behandling på det rette sted. Vi er altid åbne over for ny teknologi og kunstig intelligens som værktøjer, der kan supplere vores fagligt dygtige personale.”
