I dag har utviklingen av kunstig intelligens (AI) kommet så langt at systemene selv kan lese gjennom enorme mengder dokumenter med maskinskrevet fritekst. Systemene lærer seg selv å trekke ut bestemte typer informa-
sjon, og kan sammenstille opplysningene på nye måter.
På operasjonsbordet
Se for deg at en pasient kommer til sykehuset i all hast og blir lagt rett på operasjonsbordet. Verken kirurgen eller anestesilegen vet mer om pasienten enn det som legitimasjonen viser. Har hun noen medikamentallergier?
Det er vanlig å slå opp i den strukturerte delen av pasientjournalen, men det er ikke uvanlig at denne har mangler.
I den elektroniske journalen ligger det kanskje 500 ulike dokumenter, og noen av dem kan gi den avklaringen anestesilegen trenger. Det er ikke menneskelig mulig å pløye gjennom alt dette i løpet av de få minuttene som er til rådighet.
Det klarer derimot en AI fra Sørlandet. Den søker gjennom alle typer dokumenter, inkludert eksterne epikriser og andre former for innskannet dokumentasjon. Den kan lese all maskinskrevet tekst, men forstår foreløpig ikke håndskrift eller tale.
– Vi har laget et system for beslutningsstøtte som kan gjenkjenne pasientallergier ut fra elektronisk pasientjournal. En pasientjournal består gjennomsnittlig av 200 dokumenter, men det kan være snakk om flere tusen, forteller Geir Thore Berge. Han arbeider i seksjon for teknologi og e-helse ved Sørlandet sykehus HF.
Berge er sykepleier og utdannet innen IT- og informasjonssystemer, og som doktorgradsstipendiat er han tilknyttet Senter for e-helse- og omsorgsteknologi og Institutt for informasjonssystemer ved Universitetet i Agder (UiA).
Testet ut
Systemet han forteller om, ser gjennom alle journaldokumentene uavhengig av format, og gjenkjenner det som handler om allergier. Systemet finner ut hvilke type allergier det er snakk om, og forsøker i tillegg å gradere alvorligheten.
Når det gjelder presisjon, kan systemet måle seg med erfarne klinikere. Dette ble testet ved at helsepersonell gikk gjennom journalene til 330 pasienter og klassifiserte innholdet i deres journaler med tanke på allergier. Deretter ble AI-en satt til å gjøre den samme vurderingen.
– Vi har også testet systemet poliklinisk, på operasjonsstuene og på intensivposten ved Sørlandet sykehus, og det er fremdeles til utprøving der, forteller Berge.
Verktøyet ble kjørt systematisk på alle pasienter som var innom anestesi-poliklinikken for forundersøkelser til operasjoner fra mai til august 2017.
Helsepersonell gir veldig gode tilbakemeldinger. På en skala fra 1–5 i brukerundersøkelser, der 5 er best score, får systemet mellom 4,5 og 5 i karakter. Den viktigste innvendingen er at brukerne ønsker tilgang lang flere steder, og dessuten integrert i hovedsystemet. I dag må de gå til en egen datamaskin for å bruke AI-en.
– Konklusjonen er at dette fungerer i praksis, og at det er interessant å utvikle videre, sier stipendiaten.
Kritisk informasjon
Planen er å utvide dette til å omfatte kritisk informasjon også – altså alt fra medisinlister til informasjon om implantater eller alvorlige smittsomme sykdommer, forteller Berge.
Både allergier og kritisk informasjon skal være del av kjernejournalen, men tilbakemeldingene fra helsepersonell er at de ikke helt kan stole på at den er oppdatert, ifølge stipendiaten. Journalen har tidligere skrevet at bare 2,6 prosent av den kritiske informasjonen i pasientjournalene i Helse Sør-øst var lagt inn i kjernejournalene. I AI-systemet finnes det dessuten byggeklosser som kan gjenbrukes til å søke etter andre typer informasjon, og som etter hvert kan settes sammen i hierarkier som søker etter mer og mer kompleks informasjon i pasientjournalene.
Systemet bruker læringsalgoritmer til å assosiere seg fram til den relevante informasjonen i pasientens dokumenter.
Selvlærende
Arbeidet med AI-en er gjort i samarbeid med overlege Tor Oddbjørn Tveit ved sykehuset og professor Ole-Christoffer Granmo ved UiA.
Basert på kunstig intelligens har Granmo utviklet et språkverktøy med evnen til å lære seg et hvilket som helst språk etter å ha blitt foret med store mengder tekst. Granmos oppskrift er fullt ut selvlærende, og Berge har fått den til å fungere i praksis.
Stipendiaten har utviklet et datasystem som mater Granmos algoritmer med de riktige reglene og begrepene, mens overlege Tveit har vært en medisinsk støttespiller.
– Over 90 prosent av den relevante informasjonen knyttet til allergier blir oppdaget, og korrekthetsgraden er på rundt 89 prosent. Allergi kan være vanskelig og komplekst, og hvis systemet kan lære dette feltet, vil det sannsynligvis kunne overføres til andre sykdomsområder, sier Berge. ■
LES OGSÅ: Helse-Norges første praterobot
LES OGSÅ: Store data, større vyer