Skip to main content

{source}
<!-- /52195173/ST_top -->
<div id='div-gpt-ad-1510488486117-0' style='height:180px; width:930px;'>
<script>
googletag.cmd.push(function() { googletag.display('div-gpt-ad-1510488486117-0'); });
</script>
</div>
{/source}

Sundhedspolitisk Tidsskrift

Kunstig intelligens forudsiger hjertepatienters chance for at overleve

Forskere fra Rigshospitalet og Københavns Universitet har udviklet et computerprogram - en algoritme, som kan sortere i hundredvis af journaldata om hjertepatienter. Målet er, at læger nemmere kan vurdere en patients fremtidige risiko for død og dermed i højere grad tilrettelægge behandlingen for den enkelte patient.

En patient med blodprop i hjertet bliver kørt på hospitalet, og lægen har kun kort tid til at danne sig et overblik over patientens sygdomshistorik. Lægen får med det samme hjælp af en computer-algoritme, som sorterer alle journaldata om patientens tidligere og nuværende sygdomme og beregner en risikoscore, som den indfører ind i patientens elektroniske journal i Sundhedsplatformen. 

Det er dét scenarie, som forskere fra bl.a. Rigshospitalet og Københavns Universitet i øjeblikket arbejder på engang at gøre til virkelighed. De har udviklet en algoritme baseret på kunstig intelligens, som vil gøre det nemmere for læger at vurdere den enkelte patients risiko for at dø af sin hjertesygdom. En viden, som sammen med lægens vurdering, vil kunne bidrage til at kunne identificere dem, der har behov for mere aggressiv behandling og tættere opfølgning.

Den rå computerkraft

En af forskerne i projektet er læge og ph.d. Amalie Dahl Haue fra Afdeling for Hjertesygdomme på Rigshospitalet. Hun har stået for at identificere patienterne i Østdansk Hjerteregister til test af systemerne, kvalitetskontrol af data og udvikling og tolkning af algoritmens estimater. Patienterne er alle udredt via KAG og har enten 1- 2- eller 3-kars sygdom.

Målet med at inddrage en algoritme i behandlingen af patienten er primært at blive i stand til at forbedre behandlingen af den enkelte patient med forsnævringer og forkalkning i kranspulsårene, fortæller Amalie Dahl Haue. 

”Vi udnytter den rå computerkraft, som vi efterhånden har fået, til at give mere præcise forudsigelser af, hvordan det kommer til at gå den enkelte patient med kranspulsåresygdom. Og vores forskning viser meget lovende resultater, hvad angår algoritmens evne til at forudsige risikoen for død for den enkelte patient,” siger Amalie Dahl Haue, som tilføjer, at teamet i øjeblikket arbejder med yderligere test af algoritmen i udenlandske data og færdiggørelse af artiklen, der beskriver metoden.

I dag bruger hospitalerne mere traditionelle værktøjer til at risikostratificere patienter. Her indgår op til fem til ti forskellige parametre. Det kunne for eksempel være data fra undersøgelser af patientens kranspulsårer, oplysninger om blodtryk, kolesteroltal, rygning eller nyresygdom og køn og alder. 

Genetiske resultater

”En af algoritmens store fordele er, at den bl.a. baserer sig på de mange sundhedsdata om patienterne, som allerede er tilgængelige. Der er tale om en bunke uudnyttet data, som kan bedre behandlingen af den enkelte patient,” siger Amalie Dahl Haue. 

Udover tidligere diagnoser inddrager algoritmen nemlig også eventuelle genetiske undersøgelsesresultater og data for en lang række historiske blodprøvesvar, som det ellers kan være svært at skaffe overblik over. Fodrer man computeren og algoritmen med millioner af denne type data, vil den – gennem kunstig intelligens, et neuralt netværk – over tid lære sig selv at se nogle sammenhænge, man som læge har meget svært ved at finde. Måske kan f.eks. fire år gamle levertal være med til at forfine forudsigelserne for patienterne, når de analyseres i kombination med mange andre data.

Amalie Dahl Haue understreger dog, at algoritmen ikke kan stå alene – at den altid og uden undtagelse vil stå sammen med en læges vurdering af patienten.

Ambitionen er, at algoritmen skal integreres som en del af patienternes journaler i Sundhedsplatformen. Det arbejder forskerne i øjeblikket på.

”Vi vil med algoritmen gerne give beslutningsstøtte til lægerne, så når en patient med blodprop i hjertet kommer ind på hospitalet, så kan de med det samme se en score med en risikovurdering og et highlight af de resultater, man bør være opmærksom på,” siger Amalie Dahl Haue.

Forskningen foretages i regi af CAG Precision Diagnostics in Cardiology, som ledes af professor Henning Bundgaard fra Afdeling for Hjertesygdomme på Rigshospitalet og professor Søren Brunak, Novo Nordisk Foundation Center for Protein Research.

CAG Precision Diagnostics in Cardiology er en af de første Clinical Academic Groups (CAGs), som blev dannet, da Region Hovedstaden og Københavns Universitet i 2017 lancerede det ambitiøse sundhedsvidenskabelige forskningspartnerskab, Copenhagen Health Science Partners (CHSP). Foreløbigt er der etableret et samarbejde for 18 forskningsområder.

Ambitionen med den kardiologiske CAG er at bane vejen for mere individualiseret behandling af hjertepatienter. Øget præcisionsdiagnostik i behandlingen af hjertepatienter indebærer resultater fra detaljerede molekylære og cellulære undersøgelser (omics teknologier) og anvendelse af generelle sundhedsdata. Det er bl.a. data om specifikke kliniske forløb, tidligere og nuværende sygdomme, familiens sygdomshistorie, medicinforbrug og registerdata.

Læge Amalie Dahl Haue er den første forsker, som færdiggør en ph.d.-afhandling i regi af CAG-partnerskabet. Ph.d.-studerende Peter Christoffer Holm har stået for arbejdet med at træne computermodellen på udvalgte patientdata.

Tags: kunstig intelligens

Del artikler