Kunstig intelligens som beslutningsstøtte ved henvendelser om akutt hjerneslag til 113

Prosjektsamandrag

Under halvparten av pasienter med akutt hjerneslag i kommer til sykehus tidsnok for trombolyse. Studier har vist at håndteringen av henvendelser om akutte hjerneslag til AMK/113 kan forbedres. Prosjektet skal øke treffsikkerheten ved slaghenvedelser til 113. Prosjektet er tredelt: Først vil vi underøke hvilke kontakter hjerneslagpasienter i Bergen har hatt med helsevesenet før de når sykehuset. Deretter vil danne grunnlag for å utvikle en algoritme for kunstig intelligens (KI) basert på analyse av lydlogger fra 113-anrop, kombinert med strukturerte sykehusdata fra AMIS, Meona og DIPS. Til slutt vil maskinlærings-algoritmen bli testet. Dette vil først skje i AMK Bergen, men også AMK Oslo kan være aktuell for å undersøke om det bedrer treffsikkerheten ved slaghenvendelser til 113, sammenliknet med dagens system. Målet er å innføre KI som beslutningsstøtteverktøy i alle landets AMK-sentraler. Denne søknaden omhandler første fase i prosjektet: Innhenting av data og kartlegging av kontaktpunkter og forløp, kobling av strukturerte data allerede er registrert i sykehusets journalsystemer, for de 1000 pasientene i Helse Bergen som er registrert i Norsk Hjernelsgregister i 2019. En forutsetning for å få til kobling av AMK-journalen og lydfilen fra 113-samtalen, at 5-6 timer lydopptak må kobles automatisk til riktig pasient basert på tidspunktet det er ringt inn på. For å sikre dette må en av forskerne lytte på starten av de aktuelle 113-samtalene fra ca 50 henvendelserfor å sikre at det er riktig lydlogg-fil som kobles til de andre pasientopplysningene. Det finnes ingen annen automatisert måte å koble pasientdata mot lydfilen på i dagens system. Lydlogg er i dag kun en mulighet for å fastslå hva som har vært sagt ifm klager på de prehospitale tjenestene. En bemyndiget person må lytte på de lydsporene som er lagret omtrent på de tider hendelsen foregikk. Dette må skje manuelt fordi der ikke finnes noen automatisk kobling av lydfil med de andre pasientopplysningene.

Metode

Kvantitative analysemetoder