Hospital indfører kunstig intelligens: Skal forhindre overbelægning og genindlæggelser

Et nyt, avanceret planlægnings- og prognosticeringsværktøj baseret på machine learning skal nu testes på Regionshospitalet Randers. Det kan time for time forudsige behovet for sengepladser og spotte risikopatienter, som kræver særligt fokus. Potentialet er stort. Hvis forsøget bliver positivt, vil det på enkel måde kunne overføres til andre hospitaler.

"Vi ved ikke, om det på sigt også vil kunne bedre hospitalets økonomi. Det er ikke det, som er målet for os. Vi håber, at vi kan gøre det bedre for patienterne," siger Thomas S. Pinstrup, kvalitet- og sundheds-it-chef på Regionshospitalet Randers.

"Hvis vi fra den kunstige intelligens får et bedre bud på patienternes forløb, kan vi måske tilrettelægge deres forløb bedre. Og hvis vi får en beregning, som viser, at en patient har stor risiko for genindlæggelse, vil vi måske kunne gøre noget mere for patienten, inden denne udskrives. Det vil være fantastisk, hvis den kunstige intelligens vil kunne støtte og hjælpe lægerne til at gøre det bedre for patienterne," siger Thomas S. Pinstrup.

Det nye, innovative planlægningsværktøj, som via avanceret machine learning kan spå om fremtidige indlæggelser med stor sikkerhed, er en del af det Nationale Big Data forskningsprojekt DABAI (Dansk center for Big data Analysedrevet Innovation). Og løsningen, der har fået navnet Columna Patientflow, udvikles af softwarevirksomheden Systematic i samarbejde med Region Midtjylland.

Løsningen fungerer ved, at man fodrer en computer med store mængder historiske data for flere års indlæggelser på afdelingerne. Herefter finder computeren systematik og afvigelser i materialet, og sammen med aktuelle data fra afdelingerne danner dette baggrund for prognoser om fremtidige indlæggelsers varighed og forløb.

Systematics løsning kan også udpege de patienter, som med sandsynlighed vil blive genindlagt eller opleve komplikationer under deres indlæggelse. På den måde understøtter Columna Patientflow de vigtige beslutninger, som læger og sygeplejesker skal træffe, når behandlingsforløbet for en risikopatient skal tilrettelægges.

Columna Patientflow vil blive en del af de daglige kapacitetskonferencer på hospitalet, og klinikerne har gennem måneder været med til at udvikle værktøjet ved at komme med input til, hvilke oplysninger de vil finde relevante.

Håber på bedre dialog

En af dem, som ser frem til at prøve løsningen, er Bjarke Johannesen Bruun, overlæge og speciallæge ved Intern Medicin på Regionshospitalet Randers.

"Det vil være en stor hjælp, hvis systemet kan gøre os opmærksom på patienter, som risikerer komplikationer og genindlæggelse, for så kan vi planlægge behandlingen derefter og sørge for at patienten får den rette støtte i hjemmet efterfølgende. Løsningen kan på ingen måde erstatte lægefaglige vurderinger, men det vil være et godt værktøj til at understøtte vores arbejde og måske synliggøre uhensigtsmæssige patientforløb," siger han.

Bjarke Johannesen Bruun fremhæver også muligheden for at opnå en bedre dialog med patienterne som en åbenlys fordel ved løsningen.

"Nogle gange vil en patient utroligt gerne hurtigt hjem, og det er ikke altid nemt at holde på folk, hvis de mener sig friske nok til at blive udskrevet. Men hvis både prognosen og vores faglige vurdering peger på øget risiko for genindlæggelse, så er der basis for en mere velunderbygget dialog med patienten om dette," siger han.

Første sted

Regionshospitalet Randers er det første sted i Danmark, hvor en så avanceret løsning tages i brug. I øjeblikket høstes erfaringer fra en anden model på seks sygehuse i Region Nordjylland. Her har 56 hospitalsafsnit i et års tid dagligt fået machine learning-baserede prognoser for belægningen i den kommende uge sammen med et overblik over det aktuelle antal af ledige sengepladser på afdelingerne i realtid.

"Lægerne i Nordjylland får for forecast syv dage frem, og maskinen halverer de fejl, som lægerne selv ville komme med, hvis de selv skulle vurdere antallet af indlæggelser en uge frem. Bedre er systemet i Nordjylland altså ikke. Det er gået op for os, at skal et system være bedre, så skal vi ned på at forcaste på timer. Hvis vi kun forcaster på dage, så får personalet, som deltager på de daglige kapacitetskonferencer, ikke information, som de kan handle på. I morgen er det måske et nyt hold, der er på vagt. Personalet har brug for information, som er relevant for dem lige her og nu og senere på dagen, hvor de selv er på arbejde og kan gøre noget," siger Mikkel Harbo, direktør for produkt- og forretningsudvikling i Systematic.

Patientflowsprojektet i Randers er derfor en videreudvikling af den nordjyske model. Den opererer på timebasis og har oveni indbyggede prognoser baseret på historiske data om patienternes forløb, hvilket gør det muligt at forudsige længden af patientforløb og risikoen for genindlæggelser.

I første omgang igangsættes projektet på Randers Hospital, herefter er planen at udbrede løsningen til regionens øvrige hospitaler.

Det forventes, at personalet i Randers kan tage systemet i brug i løbet af efteråret, hvor det skal testes frem til februar.