DATA OG DIAGNOSER: Fremtidens hospitaler bygger på kunstig intelligens

Færre hænder og flere ældre er en velkendt udfordring i det danske sundhedsvæsen. Men hvordan undgår vi en gordisk knude, og hvordan er algoritmer, data og AI en del af løsningen?

For 6-7 år siden holdt Morten Krogh Danielsen, der er direktør for Advisory Nordic Healthcare i SAS Institute, en række møder med professor i mikrobiologi, Jens Kjølseth Møller på Sygehus Lillebælt i Vejle. I fællesskab udviklede de et system, der finder infektioner på alle indlagte patienter i Region Syddanmark, og som læger og sygeplejersker kan bruge til at følge udvikling af infektion under indlæggelse og forstå årsagen til, at patienten før en infektion. På kontoret ved siden af sad laboratoriechef, Ivan Brandslund, der i dag er professor i Kunstig Intelligens på Syddansk Universitet. Han stak af og til hovedet ind, og det blev startskuddet til endnu to systemer, som SAS Institute er ved at udvikle sammen med Ivan Brandslund og mange andre dygtige medarbejdere på Sygehus Lillebælt.

Det ene projekt vil gøre det hurtigere at stille en diagnose på akutindlagte patienter. Det andet projekt skal i fremtiden bidrage til, at man hurtigere kan identificere borgere, som har en øget risiko for at udvikle en kræftsygdom.

Hurtigere og bedre diagnosticering

I sit daglige arbejde så Ivan, at der var behov for bedre og hurtigere diagnosticering i akutmodtagelsen, og sammen med SAS Institute lavede han en business case. Den blev godkendt af hospitalsledelsen. Ivan søgte om midler i Digitaliseringsstyrelsen og fik 8,5 millioner – det største beløb, de uddelte. Det var i 2020, og da man var klar, blev alt lukket ned på grund af corona.

Her i 2022 er der lavet algoritmer og tests på det såkaldte DESERT projekt (Diganostic Expert Systems Enter Real Time). Man kan måle på 245 variabler og analysere på langt større datasæt, end det er muligt for et menneske at overskue.

– Analyserne giver en stor sikkerhed i den prædiktive værdi, siger Ivan.

Han peger på, at det både handler om korrekt diagnosticering og det, at l gerne hurtigere kan vurdere, om patienten skal i videre behandling eller trygt kan sendes hjem. Og så er der det med hastigheden. I dag bliver blodprøverne distribueret i laboratoriets robotter tre minutter efter, at de er taget, og baseret på laboratoriets mange analyser kan man stille en diagnose ved hjælp af AI inden for 70 minutter.

Effektiviteten giver et bedre tilbud til patienterne på et sygehus, hvor man har femdoblet kapaciteten hos hver ansat i laboratoriet i løbet af de sidste få år.

Bedre data som beslutningsgrundlag

Projektet med tidlig opsporing af cancer startede også i 2020. Her havde man adgang til alle undersøgelsesresultater over en tiårig periode på over 8.000 patienter. Det store datasæt blev indsat i det system, SAS Institute havde udviklet, og analyseret med kunstig intelligens.

– Sygehus Lillebælt er et hospital med gode, kvalitetssikrede data. Det er nødvendigt for, at vi kan lave de projekter, vi gør, lyder det fra Morten.

For at beregne risiko for en kræftsygdom kan man ved hjælp af blodprøver måle på biomarkører, der er kemiske forbindelser. Hvor det ved fx diabetes er sukkeret, der er biomarkøren i blodet, måler man ved cancer på 23 biomarkører, der afspejler ændringer i patientens stofskifte forårsaget af canceren.

– Alt, hvad vi fejler, afspejler sig i den biokemiske profil, der er som et mønster – næsten som et fingeraftryk. Det er det mønster, man arbejder med i algoritmerne, lyder det fra Ivan.

Han forklarer, at med algoritmerne opnår man en sikkerhed i diagnosticeringen på 85-95%, mens en patolog, der kigger i et mikroskop, typisk opnår 75%. Og netop den præcise diagnostik vil gøre en stor forskel for patienter og sundhedsvæsen. Eksempelvis kan det betyde, at færre skal have foretaget undersøgelser som koloskopi og mammografi, fordi man i fremtiden kan afdække risikoen ved at måle på biomarkører. Man nedsætter dermed behovet for screeninger, ventetider, ubehag og bekymringer.Så også her er der tale om, at et trygt og sikkert patienttilbud samtidig er en økonomisk gevinst for sundhedsvæsenet. Både hos Morten og Ivan er der en stor glæde at spore.

– Allerede inden vi startede projektet, vidste vi, at vi var i stand til at identificere de patienter, der var i risiko for at få cancer. Nu har vi bevis for det, publiceret internationalt, fortæller Ivan.

Kundedrevet innovation

Når SAS Institute er skarpe på løsninger til sundhedsvæsenet, er det ikke alene, fordi man har dygtige ingeniører, der kan lave algoritmerne. Forretningskonsulenterne, der forstår kundens problemstilling, er lige så vigtige.

– Vi kan udvikle de her løsninger, fordi vi forstår kunderne. En af vores vigtigste værdier er brugerdreven innovation. Derfor innoverer vi ikke ved skrivebordet men ude sammen med kunderne. I SAS tænker vi stort, og det er kun fordi, der er nogen, som har lyst til at gå turen sammen med os, at vi kan gøre en forskel, slutter Morten.

Event skabte opmærksomhed hos fond

AI Innovation House har et mål om at være innovationslegeplads for digitalisering og kunstig intelligens. Set i det lys er der et godt match mellem huset og SAS Institute. Et godt match opstod også, da Morten Krogh Danielsen fra SAS Institute den 1. november 2021 havde et indlæg på husets konference: ‘AI og sundhedsdata – yndlingsdrink eller sprængfarlig cocktail’. En konference, hvor Ivan Brandslund også deltog, og hvor ideen om Sygehus Lillebælt som et AI hospital blev bragt i spil.

Blandt tilhørerne var nemlig en investment officer fra Innovationsfonden, som efter Mortens oplæg kom med en direkte opfordring til at søge fonden. Den ansøgningsproces er nu i gang.