Støtte til kunstig intelligens (AI) i slagtilfælde (AISMEC)

I dette projekt vil efterforskerne indsamle data fra alle apopleksipatienter, der er udskrevet fra Helse Bergen i 2019 (ca. 1000 patienter) via det norske slagtilfælderegister (NSR). For disse patienter vil der blive hentet strukturerede sygehusdata fra Helse Bergen, og ud fra disse og det talte indhold af deres akutopkald vedrørende apopleksien vil efterforskerne bruge maskinlæring til at beregne apopleksirisikoen. Forbindelsen af ​​historiske hospitalsdata til de talte ord i nødopkaldet forstærker analysen af ​​nødopkald på en ny måde i sammenligning med lydanalyse alene.

Efter at have hentet og koblet data fra slagtilfældepatienter træner efterforskerne det dybe netværk ved hjælp af data fra 2019. Derfor vil der blive udført test baseret på patienter fra første halvdel af 2020. En adskillelse af dataene i træning, test og validering sikrer, at vores trænede netværk ikke passer til træningsdataene og kan gengive lignende resultater på tidligere usete patienter. Endelig vil efterforskerne sammenligne AI'ens ydeevne med det nuværende system gennem statistiske analyser på data fra en periode på cirka et års live brug af AI'en i AMK Bergen. Dette vil sætte os i stand til at vurdere, i hvilken grad systemet er i stand til at forbedre sig inden for EMCC-operatørernes beslutningsproces med hensyn til følsomhed og specificitet.

Sammenfattet er det primære mål at bygge en robust, fungerende prototype af et AI-system, der er i stand til realtidsidentifikation af akut slagtilfælde for forbedret vurdering i akutte lægeopkald.

Vores sekundære mål er:

• At implementere et AI-system, der er i stand til at give hurtig forudsigelse af, om en patient lider af akut slagtilfælde eller ej, baseret på lyd fra nødopkald og tilgængelige datakilder i hospitalets optegnelser
• For at bevise, at AI-systemer kan bruges til at hjælpe og forbedre EMCC-operatørens triage-beslutningsprocedure.

Det forventede resultat er at levere hurtigt (dvs. sekunder) forudsigelsesscore for at hjælpe EMCC-operatøren med at genkende patienter med akut slagtilfælde, hvilket giver en forbedret sensitivitet og specificitet sammenlignet med kun manuel vurdering.