Støtte for kunstig intelligens (AI) i slaganrop (AISMEC)

I dette prosjektet skal etterforskerne samle inn data fra alle slagpasienter som ble utskrevet fra Helse Bergen i 2019 (ca. 1000 pasienter) via Norsk hjerneslagregister (NSR). For disse pasientene vil det hentes ut strukturerte sykehusdata fra Helse Bergen, og basert på disse og det talte innholdet i deres nødmelding vedrørende hjerneslaget vil utrederne bruke maskinlæring for å beregne slagrisiko. Koblingen av historiske sykehusdata til de talte ordene i nødanropet, forsterker analysen av nødanrop på en ny måte, sammenlignet med lydanalyse alene.

Etter å ha hentet og koblet hjerneslagpasientdata, trener etterforskerne det dype nettverket ved hjelp av data fra 2019. Følgelig vil det bli utført testing basert på pasienter fra første halvdel av 2020. En separasjon av dataene i trening, test og validering sikrer at vårt trente nettverk ikke passer over på treningsdataene og kan reprodusere lignende resultater på tidligere usett pasienter. Til slutt vil etterforskerne sammenligne ytelsen til AI med dagens system gjennom statistiske analyser på data fra en periode på omtrent ett år med live bruk av AI i AMK Bergen. Dette vil gjøre oss i stand til å vurdere i hvilken grad systemet er i stand til å forbedres innenfor beslutningsprosessen til EMCC-operatørene når det gjelder sensitivitet og spesifisitet.

Oppsummert er hovedmålet å bygge en robust, fungerende prototype av et AI-system som er i stand til sanntidsidentifikasjon av akutt hjerneslag for forbedret vurdering i akuttmedisinske samtaler.

Våre sekundære mål er:

• Å implementere et AI-system som er i stand til å gi rask prediksjon av om en pasient lider av akutt hjerneslag eller ikke basert på lyd fra nødanrop og tilgjengelige datakilder i sykehusets journaler
• For å bevise at AI-systemer kan brukes til å hjelpe og forbedre triage-beslutningsprosedyren til EMCC-operatøren.

Det forventede resultatet er å levere raskt (dvs. sekunder) prediksjonsscore for å hjelpe EMCC-operatøren med å gjenkjenne akutte slagpasienter, noe som gir en forbedret sensitivitet og spesifisitet sammenlignet med kun manuell vurdering.