AI i Almen Praksis. Forskningsprojekt

Transkript

1 AI i Almen Praksis Forskningsprojekt

2 7 Projekter (Digital Almen Praksis) Hurtigt patientoverblik Bedre forberedelse til konsultation Den intelligente indbakke Forbedring af epikriser Kommunikation med kommunale pleje Borgerrettet app (MinLæge)

3 8 Hvor intelligente er IT-systemerne i dag?

4 9 Projekter (Digital Almen Praksis) Hurtigt patientoverblik Bedre forberedelse til konsultation Den intelligente indbakke Forbedring af epikriser Kommunikation med kommunale pleje Borgerrettet app (MinLæge) AI i almen praksis (forskningsprojekt)

5 10 AI i almen praksis - formål 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.

6 11 Problem i almen praksis (eks.) 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.

7 12 Ønsket løsning 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.

8 13 Problem i almen praksis (eks.) 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.

9 14 Ønsket løsning 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.

10 15 Fælles udvekslingsformat 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

11 16 Hvorfor anvende AI? AI kan lære at se sammenhæng i data, hvor normale programmerede algoritmer kun kan se de sammenhænge i data, som algoritmen er programmeret til.

12 17 Hvad er AI?

13 18 Forskellen på ML og DL

14 19 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

15 20 DL bygger på neurale netværk

16 21 DL bygger på neurale netværk

17 22 DL bygger på neurale netværk

18 23 DL bygger på neurale netværk

19 24 Model for projekt Den kliniske forankring Data 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 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.

20 25 Model for projekt

21 26 Deltagende parter 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 Sundhedstjenesteforskning, AAU) Professor Torben Larsen (prodekan, AI specialister fra AAU) Diverse Almen Praksis Klynger