perspektiv To projekter med samme formål – at udvikle et databaseret redskab til at forebygge indlæggelser af patienter på +65 år – har to forskellige tilgange til brugen af data, men også store udfordringer i at få adgang til de rigtige data. Det ene projekt er stødt på en del juridiske barrierer undervejs og har brugt meget tid på at få et overblik over data, mens det andet er gået nye veje. Begge projekter kan berette om store uudnyttede potentialer. Intelligent forebyggelse via AI I Copenhagen Healthtech Cluster undersøger man i samarbejde med Københavns Kommune og DTU, hvordan kommunalt indsamlede data kan bruges i forebyggelsessammenhænge, og hvilke typer af indlæggelser man med rettidig indgriben kan undgå for borgere over 65 år. Karina Vigelsø Westh er projektleder for projektet ’Intelligent forebyggelse via AI’, som afsluttes i sommeren 2021. ”Indlæggelser kræver rigtig mange ressourcer – af både patienten, det kommunale system og sundhedsvæsenet. Der er nogle helt faste kategorier af indlæggelser – de såkaldte forebyggelige indlæggelsesdiagnoser – som vi antager, at man med relativt få midler kan forebygge, hvis man får opsporet det tidligt, sætter ind og handler. Formålet med projektet er at undersøge, hvordan vi kan anvende de indsamlede data i algoritmemodeller, der kan forudsige ældre borgeres indlæggelse på udv algte diagnoser, som på sigt forhåbentlig kan anvendes som et støtteredskab for medarbejderne i Københavns Kommune,” forklarer Karina Vigelsø Westh om baggrunden for projektet. Lige nu – halvandet år inde i projektet – er man nået til at overgive den rigtige data til DTU Compute, som bygger den algoritme, der skal forudsige, om en borger er i risiko for indlæggelse eller ej. ”På sigt skal algoritmen implementeres i kommunens system, og hvis en borger er i overhængende risiko for at blive indlagt, får algoritmen en alarmklokke til at ringe ud fra nogle bagvedliggende beregninger. Så kan sosu-assistenten fx sætte ind med rigelig væske de næste 14 dage og dermed forhåbentlig undgå en forebyggelig indlæggelse.” Men der er langt fra forskning til drift, og Karina Vigelsø Westh lægger da heller ikke skjul på, at der forud for udviklingen af algoritmen har været et enormt grundarbejde – og en del udfordringer – i at få styr på data, gøre dem klar til analyse og få lov til at bruge dem. ”Vi er rigtig gode til at indsamle data i Danmark, men vi får ikke udnyttet det potentiale, der er i data. På mange måder er det her projekt et case-eksempel på de mange forskellige udfordringer, som man kan støde på, når et projekt skal bruge data til forskning. Det var en stor opgave for Københavns Kommune at få overblik over, hvilke data de egentlig havde i deres databaser og systemer. De skulle samle data og vurdere, hvilke der gav mening at kigge nærmere på i forhold til forebyggelige indlæggelser. En anden vigtig faktor var, om de kommunale data i sig selv var stærke nok til en præcis algoritme, eller der var behov for supplerende data andre steder fra.” Det var der. For selvom kommunen havde gode data om deres borgere, så vidste man ikke særlig meget om deres indlæggelser på hospitalet. De data 11
Download PDF fil