2019-09-28-AI-giver-kortere-ventelister-til-skanning.jpg

AI giver kortere ventelister til skanning

Et nyt projekt om kunstig intelligens (AI) skal optimere hele området for skanninger. Projektet forventes at skabe fordel for både patienterne og medarbejderne på de radiologiske afdelinger. Endelig vil den kunstige intelligens give økonomisk vinding og kortere ventetider.

Kunstig intelligens kan gøre arbejdet for radiografer og radiologer nemmere og forkorte de lange ventelister. Det er håbet med et nyt projekt, som skal opbygge machine learning via indsamlede data fra MR-skanninger. Projektet skal ende med en løsning, der både optimerer skanningshenvisninger og minimerer tiden, den enkelte patient skal ligge i skanneren. Samtidig vil løsningen hjælpe lægen til hurtigere at kunne stille en diagnose.

Odense Universitetshospital (OUH) og virksomheden Cerebriu A/S præsenterede projektet ’AI’ på Welfare Tech og Syddansk Sundhedsinnovations AI-Konference i Odense i september.

- Dette projekt får stor betydning for fremtidens MR-skanninger. Mange af radiografernes arbejdsgange vil blive optimeret, og vi vil potentielt kunne nedbringe ventelisterne, fordi vi ganske enkelt får den enkelte patient hurtigere i gennem MR-skanneren, siger Ole Graumann, overlæge og forskningsleder, Radiografisk Afdeling på OUH.

To indsatser, der skal optimere skanningsforløbet

Ole Graumann forklarer, at man på Radiografisk Afdeling på OUH skanner patienter fra kl. 7 til 22 hver dag for at holde ventelisterne nede. Det giver selvsagt skæve arbejdstider og lange dage for mange medarbejdere, og det er ikke optimalt. Samtidig indeholder hver MR-skanning mange billeder, der skal vurderes, inden lægen kan udarbejde sin konklusion, og patienten kan få sit svar.  

AI-Projektet har identificeret to faser, hvor kunstig intelligens vil afhjælpe arbejdsbyrden og forbedre resultatet:

  • Henvisningen

Via machine learning skal en computer sortere i de data, den henvisende læge medsender, så kun de relevante informationer kommer i fokus. Henvisningen skal kunne læses af skanneren, som vil forberede de sekvenser, der er behov for.

  • Gennemførslen og evaluering af MR-skanningen.

Der skal designes en intelligent protokol, som løbende tilpasser, hvilke MR-sekvenser, der skal gennemføres. En algoritme i skanneren skal kunne sige stop, så der ikke bruges tid på en skanning, hvis der ikke er behov for det. Der bruges dermed mindre tid på hver skanning, og resultatet bliver færre data, der skal gennemgås, og en bedre patientoplevelse.  

Kunstig intelligens bruges til at sortere i den opsamlede data og udpege mulige diagnoser og forslag til triagering af patienterne. Dermed undersøges kritiske patienter hurtigere, og lægen kan hurtigere levere den endelige diagnose.

Testes inden nytår

Den kommende AI-løsning bringer patienten i centrum, og det er ambitionen med projektet. Løsningen vil både give fordele for medarbejderne på skanningsområdet, og patientens forløb bliver kortere, forklarede Robert Lauritzen, CEO i Cerebriu på AI-Konferencen.

- Allerede i henvisningsfasen vil den kunstige intelligens triagere patienterne, så de alvorligste sygdomme kommer til først. Dernæst vil en stor del af patienterne ligge kortere tid i skanneren, fordi en computer undervejs vurderer, hvilke billeder, der er brug for. Endelig vil patienten hurtigere kunne komme i behandling, fordi billeddiagnostikken bliver hurtigere med machine learning, fortæller Robert Lauritzen.

Han forventer, at løsningen for delområde to - altså analysen af skanningen i realtid - vil være klar til CE-registrering inden nytår.

Bruger indisk data

Cerebriu A/S samarbejder med både OUH, Gentofte Hospital og flere udenlandske parter. Bl.a. har man hentet en del data fra Indien for at opbygge den datamængde, som projektet AI skal bygge på.

- Det er en lang proces at indhente tilladelser til at bruge danske sundhedsdata til at bygge kunstig intelligens. Derfor bruger vi i første omgang oplysninger fra udlandet for at skabe vores AI-løsning. Sammen med OUH vil vi senere teste forskellen mellem danske data og de udenlandske for at afgøre, hvad der skal til af lokale data for at opnå tilfredsstillende resultater. Hvis der er behov for det, vil vi naturligvis skifte dem ud med danske sundhedsdata, når tilladelserne er i hus, forklarer Robert Lauritzen. 

Fordele for patienter, økonomi og arbejdsmiljø

Projektet har spændende perspektiver, mener Ole Graumann, overlæge på OUH.

- Denne AI-løsning kan optimere hele skanningsområdet. Projektet vil levere både økonomiske, menneskelige og arbejdsmiljømæssige fordele. Jeg glæder mig til at teste første delmodel senere på året, hvor vi hurtigt kan vurdere, om vi kan spare tid og ressourcer, siger Ole Graumann. 

Odense Universitetshospital er medlem er Welfare Tech.

Foto: Pixabay.com

Kontakt

Søren_NY1.jpg

Søren Møller Parmar-Sielemann

Seniorkonsulent

Welfare Tech

Projektstyring, innovationspartnerskaber og sundhedsinnovation

T: +45 2932 7470

LinkedIn

Støttes af

Welfare Tech er medfinansieret af Uddannelses- og Forskningsministeriet og Den Europæiske Fond for Regionaludvikling.

WT hjemmeside_DK 580b.png