AI förutser när patient kan skrivas ut i Västerbotten

AI AI-verktyget och pilotprojektet LAIsa förutsäger vårdtid på postoperativ avdelning i Umeå. Förutom att skapa ett nytt verktyg försöker Sara D. Lundsten, specialistsjuksköterska och doktorand bakom projektet, forska fram vad som hindrar AI från att anammas inom hälsa och sjukvård.

AI förutser när patient kan skrivas ut i Västerbotten
Foto: Klas Sjöberg

AI-verktyget LAIsa har testats på Norrlands Universitetssjukhus sedan i juni. Inne på postoperativa avdelningen hjälper den till att prediktera ankomst till avdelningen samt uppskatta hur länge en patient behöver vara inskriven genom att analysera variabler såsom typ av vård eller operation, ålder, vikt och sjukdomshistorik. LAIsa har tränats upp med hjälp av ofantliga mängder data som region Västerbotten samlar in i ett PDMS (Patient Data Management System). Långt ifrån alla regioner har den här typen av data. Region Västerbotten ligger i framkant eftersom mätvärden från patienter har sparats sedan slutet av 1990-talet.

Sara D. Lundsten. Foto: Privat

– Om du tråkigt nog hamnar på exempelvis IVA så kopplas du upp mot teknisk utrustning som mäter blodtryck, syresättning, andningsfrekvens mer mera. Utöver det gör personalen bedömningar om exempelvis smärta, andningsljud och annat. Allt det är strukturerad data, säger Sara D. Lundsten.

På en display ser vårdpersonalen vilka vårdplatser som är tagna och hur länge de beräknas vara upptagna. Målet är att AI-verktyget ska vara enkelt och tidsbesparande, och i slutändan att verksamheterna ska få hjälp med att resursoptimera med tanke på den personalbrist som råder i landet.

– Vi ser redan nu att det första intrycket är gott. Det är ett visuellt, överskådligt system som alla har tillgång till samtidigt. Det i sig är en vinst. Vi hoppas också att den totala planeringsvinsten är märkbar.

Såhär ser LAIsa ut. Med hjälp av olika mätvärden förutser den hur länge en patient måste vara inskriven på postoperativa avdelningen på NUS. Foto: Region Västerbotten

”Misstro och prestige”

Sara D. Lundsten säger att man inom sjukvården är analfabeter vad gäller AI.

– I alla fall när det kommer till system såsom journalsystem. Dels är det för att vi har många föråldrade system som är baserade på text. Sådan data är svårt att göra något av. Men på postoperativa används så mycket teknisk utrustning som vi kan använda.

Det finns redan en del AI inom sjukvården när det kommer till att exempelvis analysera röntgenbilder, men ändå menar Sara D. Lundsten att det råder misstro över införandet av AI.

– Dels kan det handla om att man tänker ”kan det bli farligt om jag följer AI-verktyget rekommendation?”, men det kan även ha att göra med faktumet att man som vårdpersonal har utbildat sig och tvivlar på att en dator kan göra en bättre bedömning än en själv. Det är lite prestige i det, säger hon.

I sin doktorsavhandling vill Sara D. Lundsten förklara värdet av AI som hjälpmedel och hur det kan fria värdefulla resurser.

– Med tiden kanske AI:n kan hjälpa till att planera operationer för att effektivisera. I förlängningen kan den här typen av läsningar underlätta för alla ställen inom vården som har ett patientflöde.

Patientsäkerhet

Men självklart kommer patientsäkerheten alltid först när det kommer till införandet av nya verktyg inom vården.

– Man måste ha en metod för att lägga märke till eventuella förändringar i AI-verktygets bedömning när man lägger till nya mätvärden till exempel. Och det är viktigt att komma ihåg att en AI inte alltid kommer att ha rätt. Det har å andra sidan inte den mänskliga faktorn heller!

Sara D. Lundsten säger att den kliniska kompetensen och den mänskliga faktorn fortfarande är oerhört viktig.

– När man har den här typen av avancerad teknik inom vården så måste man kunna förstå den för att med sin kliniska kompetens avgöra om verktyget gör en god bedömning. AI:n är ett stöd, men i slutändan kommer det alltid vara den mänskliga faktorn som skickar i väg patienten, säger Sara D. Lundsten.

Nu återstår att se vilken nytta projektet har gjort. I höst kommer de första resultaten, och förhoppningen är att vårdpersonalen ska ha upplevt att verktyget ska ha lett till effektivisering.

Den här misstron som råder, den är väl inte helt obefogad? Säg att AI:n gör en felbedömning som leder till skada, vem bär då ansvaret?

– Det finns ännu inget enkelt svar. Det kommer nog komma nya riktlinjer kring den här typen av ansvarsfrågor, och inte bara inom hälsa och sjukvård. Just nu är det den med ytterst medicinskt ansvar som måste bedöma helheten, säger Sara D. Lundsten.

Kvalitetsprofilen

Kunskapsmaterial

Utbildnings-tv

Hämtar fler artiklar
Till startsidan
Kvalitetsmagasinet

Kvalitetsmagasinet Premium

Full tillgång till strategiska artiklar och smarta verktyg för bland annat verksamhetsutveckling, kvalitetssystem och ledarskap.

Det senaste