Ny artificiell intelligens är mer exakt än diagnoskoder: Det känns som en milstolpe

Danska forskare har utvecklat en språkmodell som kan läsa patientjournaler och ge mycket mer pålitliga svar än diagnoskoderna när det gäller blod i urinen hos cancerpatienter. Den kan bli en stor hjälp för registerforskare och potentiellt avlasta arbetet på kliniken, bedömer forskarna bakom.

Algoritmen har presenterats i en ny studie, publicerad som 'letters' i tidskriften Thrombosis Research. Här visar de danska forskarna att konceptet fungerar: Deras språkmodell Indsigt.AI hittar praktiskt taget alla blåscancerpatienter som enligt patientjournalen har haft blod i urinen. Om man istället söker på diagnoskoder för blod i urinen fångar man bara åtta procent av fallen.

”Det känns som en milstolpe,” säger Pernille Just Vinholt, ledande överläkare och klinisk professor vid forskningsenheten på avdelningen Blodprov och Biokemi på Odense Universitetssjukhus och Syddansk Universitet.

Hon är sista författare på artikeln och initiativtagare till utvecklingen av Indsigt.AI.

”I vissa fall måste vi läsa upp mot 200 sidor journalmaterial för att ta reda på om det har varit fall av till exempel blödningar i patientens historik. Vår språkmodell hittar fallen blixtsnabbt och markerar dem, så vi kan dubbelkolla om det också stämmer. Det har enormt potential, och vi hoppas att det finns många av våra kollegor där ute som vill samarbeta om att fortsätta utvecklingen. Indsigt.AI kan i princip användas för alla symptom och sjukdomar,” säger Pernille Just Vinholt.

Hjälp till registerforskningen

Den danska språkmodellen kan sannolikt spara registerforskare ett stort antal arbetstimmar, eftersom den kan hjälpa till att bestämma om diagnoskoderna överensstämmer med innehållet i journalerna.

”Vi vet att vissa symptom eller diagnoser inte registreras särskilt bra, såsom hematuri (blod i urinen, anm.), vilket lämnar ett mörkertal i registren. Det måste man ta hänsyn till när vi gör registerforskning,” säger Pernille Just Vinholt.

I studien har forskarna istället låtit Indsigt.AI leta efter beskrivna fall av hematuri i patientjournaler från flera sjukhus i Region Syddanmark. Forskargruppen har granskat språkmodellens markeringar för att se om de är korrekta, och sedan jämfört dem med de registrerade diagnoskoderna.

”Vi tog tyvärr inte tid på hur mycket snabbare det är att låta språkmodellen hitta passager i journalen som kanske svarar mot blod i urinen. Men det är betydligt snabbare än att behöva läsa hela journalen själv. Det kan kanske ge en tidsbesparing på upp mot en faktor 100,” säger doktor Rasmus Søgaard Hansen, läkare vid Klinisk Diagnostisk Avdelning, Esbjerg och Grindsted Sjukhus, och försteförfattare till studien.

I samband med slutförandet av sin doktorandavhandling använde Rasmus Søgaard Hansen Indsigt.AI på olika språkliga benämningar och uttryck från patientjournaler som beskrev blod i urinen.

”Det var här större delen av arbetet låg. Men när arbetet är gjort kan man använda språkmodellen i framtiden inom detta område. Men man måste anpassa den för varje diagnoskod eller symptom som man vill använda den för,” säger han.

Forskarna har också undersökt och anpassat språkmodellen för bulimi och anorexi samt frakturer, och här finner de att sjukdomarna är välregistrerande, och att de registrerade diagnoskoderna för sjukdomarna stämmer bra överens med innehållet i patientjournalerna.

Språkmodell på sykehus

For å få erfaring med algoritmen i praksis, er målet nå at Indsigt.AI i første omgang skal tas i bruk på Pernille Just Vinholts egen avdeling, hvor hun vil bistå med implementeringen og registrere hvordan språkmodellen påvirker arbeidsflyten.

”Vi vil bruke modellen til å utrede pasienter med unormal tendens til blødning og blodpropp. Personalet skal i denne sammenhengen blant annet gå gjennom analyseresultater samt hele pasientens journal for å finne antallet av tidligere blødningshendelser og blodpropphendelser. Her kan personalet tidvis forventes å lese ti års journalmateriale for å finne alle tilfellene. Her kan språkmodellen hjelpe ved å markere de passasjene hvor det er antydninger om blodpropper og blødninger,” sier hun.

På avdelingen er de så smått i gang med å be alle leger i avdelingen om å ta tid på hvor lang tid de bruker på utredningen. Hver gang de gjør en utredning på en bløderpasient, må de notere det.

”Når vi så har innført Indsigt.AI, vil vi sammenligne tidsbruken før og etter på slike utredninger,” sier Pernille Just Vinholt og fortsetter:

”Det handler først og fremst om å hjelpe avdelingen ved å avlaste personalet og gi dem et verktøy for å lage utredningen på en raskere og enklere måte. Men vi vil sannsynligvis også publisere en artikkel med resultatene, hva det har gitt oss å bruke Indsigt.AI i den kliniske hverdagen.”