Machine learning skal identificere danskeres hjerteproblemer
På Rigshospitalet i København tester forskere fra Københavns Universitet nu et nyt værktøj, som skal hjælpe hjertelægerne med at sortere i data fra patienterne. Det skriver DR.
»Den kunstige intelligens ser lynhurtigt sammenhænge, som det typisk vil tage lægen længere tid at se. Og tid er en mangelvare på hospitaler,« siger adjunkt Tariq Osman Andersen fra Datalogisk Institut på Københavns Universitet til DR.
Mindre rutinearbejde
Rigshospitalet modtager eksempelvis hver dag alle hjerterytmer fra cirka 5.000 personer, der har fået indopereret en pacemaker.
»Hvis 100 af patienterne har en alarm dagligt, så bruger vi rigtig meget tid, hvis vi skal bruge 20 minutter på at finde den rette behandling til hver. Så drukner vi i arbejde,« fortæller Peter Karl Jacobsen, som er overlæge på Rigshospitalet, til DR.
Han fortæller også, at man som læge får mere og mere information fra flere og flere patienter. Og at det langtfra er alle alarmer i systemet, der er lige vigtige. Derfor er der potentiale i at lade algoritmer sortere i alarmerne, vurderer han.
Skal slå alarm
Den nye kunstige intelligens slår først alarm, hvis den finder bekymrende afvigelser, forklarer Jonas Moll, der er direktør i Vital Beats, som står bag værktøjet.
Desuden vil værktøjet forudsige, om der er forhøjet risiko for urgelmæssige hjerterytmer inden for de næste 30 dage.
Algoritmen bygger på machine learning på baggrund af 12.000 hjerteepisoder fra 1.250 patienter i årene 2015-2019.
...men det er dyrt at lave god journalistik. Derfor beder vi dig overveje at tegne abonnement på Version2.
Digitaliseringen buldrer derudaf, og it-folkene tegner fremtidens Danmark. Derfor er det vigtigere end nogensinde med et kvalificeret bud på, hvordan it bedst kan være med til at udvikle det danske samfund og erhvervsliv.
Og der har aldrig været mere akut brug for en kritisk vagthund, der råber op, når der tages forkerte it-beslutninger.
Den rolle har Version2 indtaget siden 2006 - og det bliver vi ved med.
