Machine learning botar allvarlig lunginflammation

lunginflammation.jpg

Med machine learning och big data har Södra Älvsborgs sjukhus fått helt ny kunskap om patientmottagande och risker för komplikationer som allvarlig lunginflammation. Resultatet är bättre vård och kortare vårdtider.

 Vi har sett hur vårdtiden ökar om vi flyttar en patient samt att tiden på dygnet som patienten kommer in på sjukhuset spelar stor roll, säger Fredrik Hansson, utvecklingsledare på SÄS.

Södra Älvsborgs sjukhus i Borås har tillsammans med Microsoft och Acando under två perioder arbetat med machine learning och big data för att förbättra kvaliteten inom sjukvården. Det de har försökt forska fram är att se ifall det finns hittills okända faktorer och samband som påverkar risken för allvarlig lunginflammation. 

Fredrik Hansson-9565-10cm (002).bmp

Fredrik Hansson, utvecklingsledare på SÄS.

 I sjukvården dokumenteras allt, högt som lågt, men mycket av våra uppgifter och system är ostrukturerade. Nu har vi istället genom big data kunnat dra slutsatser av all information. Jag tror att det här bara är början på det som kommer framöver, den snabba informationshanteringen kräver nya sätt att hantera och analysera datan på, säger Fredrik Hansson. 

Arbete i två omgångar

I den första omgången var det mycket manuell programmering inblandat i arbetet och det gick aningen trögt. Trots det kunde de ändå se vissa resultat och utdata - så pass mycket att de ville testa ytterligare en gång. I andra perioden använde de sig av Azure och Power BI vilket lyfte hela projektet enligt Fredrik Hansson.

 I period två snabbade vi upp arbetet med faktor tio och återanvändbarheten ökade väsentligt av allt arbete vi gjort.

Ett resultat som kom fram är att ifall en patient måste förflyttas för att frigöra plats så ökar antalet inlagda dagar med två. Där kan man även se att vissa patientgrupper påverkas mer än andra av flyttar, vilket gör att man i största möjliga mån kan undvika flyttar på vissa patienter.

När en patient kommer in som befinner sig i en riskgrupp så kan vi snabbare identifiera riskerna och agera annorlunda mot tidigare.

Fredrik Hansson, utvecklingsledare, Södra Älvsborgs sjukhus

Annan information som SÄS tar med sig in i framtiden är också att tidigare diagnoser, mediciner och tid på dygnet när patienten söker vård kan spela roll när det gäller risken för allvarlig lunginflammation.

 Det är väldigt nyttig information att ha med sig. När en patient kommer in till oss som befinner sig i en riskgrupp så kan vi snabbare identifiera riskerna och agera på ett annorlunda sätt än tidigare. 

Mix av kompetens nyttigt

Fredrik Hansson tror att den multikompetenta gruppen med överläkare, utvecklingsledare, Microsoft och Acando varit en framgångsfaktor i arbetet. Han menar också att arbetet som gjorts med lunginflammation kan göras på andra sjukhus och med andra sjukdomar. 

 Att vi inte suttit i olika led utan istället jobbat tillsammans interaktivt har varit väldigt nyttigt. Vi har funderat ihop på hur vi kan använda informationen och analysmodellen, och hur vi som sjukhus ska dra det vidare. Vi byggde analysmodeller som tränades för att öka träffsäkerheten i själva analyserna, men vi tränade även oss själva i att skapa en arbetsmodell som också kan fungera på andra diagnosgrupper. Möjligheterna är enorma. 

18 juli 2017Uppdaterad 2 oktober 2023Reporter Fredrik Adolfsson it i vårdenFoto Adobe Stock

Voisters nyhetsbrev

Allt om digitalisering, branschens insikter och smartare teknik.

Rekommenderad läsning

Stäng