Tekoälyn (AI) tuki aivohalvauskutsuissa (AISMEC)

Tässä projektissa tutkijat keräävät tietoja kaikista Helse Bergenistä vuonna 2019 kotiutetuista aivohalvauspotilaista (n. 1000 potilasta) Norjan aivohalvausrekisterin (NSR) kautta. Näistä potilaista noudetaan strukturoitua sairaalatietoa Helse Bergenistä, ja näiden ja heidän aivohalvausta koskevan hätäpuhelunsa puhesisällön perusteella tutkijat laskevat aivohalvausriskin koneoppimisen avulla. Historiallisten sairaalatietojen yhdistäminen hätäpuhelun puhuttuihin sanoihin vahvistaa hätäpuhelujen analysointia uudella tavalla pelkkään äänianalyysiin verrattuna.

Aivohalvauspotilastietojen hakemisen ja yhdistämisen jälkeen tutkijat kouluttavat syväverkkoa vuoden 2019 tietojen perusteella. Näin ollen testaus tehdään potilaiden perusteella vuoden 2020 ensimmäisestä puoliskosta alkaen. Tietojen erottaminen koulutukseen, testeihin ja validointiin varmistaa, että koulutettu verkostomme ei sovi liikaa koulutustietoihin ja voi tuottaa samanlaisia ​​​​tuloksia aiemmin näkymättömillä potilailla. Lopuksi tutkijat vertaavat tekoälyn suorituskykyä nykyiseen järjestelmään tilastollisilla analyyseillä datasta, joka on saatu noin vuoden ajalta tekoälyn reaaliaikaisesta käytöstä AMK Bergenissä. Tämän avulla voimme arvioida, missä määrin järjestelmä pystyy kehittymään EMCC-operaattoreiden päätöksentekoprosessissa herkkyyden ja spesifisyyden suhteen.

Yhteenvetona voidaan todeta, että ensisijainen tavoite on rakentaa vankka, toimiva prototyyppi tekoälyjärjestelmästä, joka pystyy tunnistamaan akuutin aivohalvauksen reaaliajassa ja parantamaan hätätilanteiden arviointia.

Toissijaiset tavoitteemme ovat:

• Toteuttaa tekoälyjärjestelmä, joka pystyy tarjoamaan nopean ennusteen siitä, onko potilaalla akuutti aivohalvaus hätäpuhelun äänen ja saatavilla olevien tietolähteiden perusteella sairaalan asiakirjoissa
• Todistaa, että tekoälyjärjestelmiä voidaan käyttää auttamaan ja parantamaan EMCC-operaattorin triagepäätösmenettelyä.

Odotettu tulos on nopea toimitus (esim. sekuntia) ennustepisteet, jotka auttavat EMCC-operaattoria tunnistamaan akuutteja aivohalvauspotilaita, mikä tarjoaa paremman herkkyyden ja spesifisyyden verrattuna pelkkään manuaaliseen arviointiin.