Bättre vård till lägre kostnad genom att använda data

Halland tar ledningen

En åldrande befolkning medför att förekomsten av kroniska sjukdomar ökar snabbt i vårt samhälle. Dessa sjukdomar, till exempel cancer, demens, diabetes och hjärtsjukdomar, samt en ökning av psykisk ohälsa, är mycket utmanande och resurskrävande för vårt sjukvårdssystem. Sjukvårdorganisationer måste hitta sätt att förbättra kvaliteten på vården och samtidigt minska kostnaderna.

– Det pågår flera initiativ i Sverige med målet att utveckla vården genom att använda artificiell intelligens. Det som är anmärkningsvärt i Halland är att vi arbetar med verkliga data i skarpa forskningsprojekt där vi samarbetar över organisationer och discipliner, säger Markus Lingman, överläkare och strateg på Region Halland och adjungerad professor i medicin vid Högskolan i Halmstad.

– Samarbetet mellan Region Halland och Högskolan i Halmstad har brutit ny mark – vi bidrar redan till den nödvändiga omställningen av vår sjukvård till att bli mer informationsdriven. Det är dags att flytta upp den kognitiva pyramiden! Låt datorerna göra det som de är bäst på och människorna det vi är bäst på, säger Markus Lingman.

Information från nuvarande patienter kan förebygga framtida sjukdomar

Informationsdriven vård är ett koncept där AI, specifikt maskininlärning, tillämpas på insamlad hälsodata. De data som analyseras kan vara både kliniska data och resursrelaterade data. Maskininlärningsalgoritmer kan hitta mönster och dra slutsatser från stora mängder data för att få en helhetsbild av sjukvården – från individ– till systemperspektiv. Denna information kan användas av läkare för att ge sina patienter bästa möjliga vård, för att tidigt upptäcka sjukdomar, identifiera riskgrupper eller risk hos individer och sätta in förebyggande insatser med hög precision. Ledningen för regionerna kan använda informationen för att spara resurser utan att kompromissa med vårdkvaliteten genom att rikta resurserna dit de gör mest nytta.

Högskolan i Halmstad och Region Halland har samarbetat inom en rad olika forskningsprojekt det senaste decenniet. All hantering av hälsodata genomförs på ett rättssäkert och konfidentiellt sätt. En del av forskningsresultaten presenteras i de fem vetenskapliga artiklarna som bildar en nyligen publicerad doktorsavhandling med titeln ”Deep Evidential Doctor” av Awais Ashfaq, postdoktor vid Akademin för informationsteknologi på Högskolan i Halmstad.

Modeller för djupa neurala nätverk

Awais Ashfaqs forskning har fokuserat på att utveckla AI-modeller, mer specifikt modeller för så kallade djupa neurala nätverk. I modellerna används befintliga patientdata i elektroniska journaler (EPJ) från Region Halland för att kunna förutsäga negativa utfall för patienter.

– Sammantaget visar avhandlingen på framsteg när det gäller att tydliggöra potentialen hos AI inom hälso- och sjukvården, och för att ge kliniker och patienter bra verktyg vid beslutsfattande. Vi tror dock att det finns fler etiska och tekniska utmaningar att ta itu med, för att fullt ut kunna dra nytta av data och AI inom vården, säger Awais Ashfaq.

Nästa steg är att utveckla ”förklaringar”

Awais Ashfaq har samarbetat med forskare från flera olika discipliner under sin doktorandutbildning, främst från Högskolan i Halmstad, Region Halland, Lunds universitet, Harvard Medical School, Brigham Women’s Hospital och företagen Novartis och AstraZeneca. Ett konkret forskningsresultat är utvecklingen av en generisk prediktionsmodell kallad Deep Evidential Doctor (DEED). Modellen lär sig effektiva representationer av kliniska koncept och patientresor från elektroniska journalsystem för individanpassade prediktioner, samt pålitliga konfidensuppskattningar.

– Medan resultaten av prediktionerna underlättar en identifiering av riskgrupper, stödjer konfidensuppskattningarna användarnas förtroende för dessa prediktionsmodeller. Om det behövs så designas redundans i applikationerna för att undvika tvivelaktiga prediktioner, säger Awais Ashfaq.

– I framtida arbeten vill vi utöka DEED-ramverket för att omfatta bredare datamodaliteter som kliniska anteckningar, signaler och daglig livsstilsinformation. Vi kommer också att utrusta DEED med förklaringsfunktioner för att öka acceptansen i verklig klinisk praxis, säger Awais Ashfaq.

Text: Louise Wandel
Toppbild: iStock
Foto: Dan Bergmark och Anna-Frida Agardsson

Om Awais Ashfaq

• Född i Pakistan den 9 november, 1990.
• Utbildning: Kandidatexamen i elektroteknik från EME NUST Pakistan, 2013.
• Civilingenjör i medicinsk teknik från KTH, Sverige 2016.
• Anställdes som doktorand vid Högskolan i Halmstad i oktober, 2016.
• Disputationen ägde rum den 15 mars 2022.

Hur kommer det sig att du valde Högskolan i Halmstad till din forskarutbildning?

– Jag har alltid varit intresserad av att arbeta i skärningspunkten mellan medicin och datavetenskap. I mitt en av 2016 hade jag turen att se att Högskolan i Halmstad sökte en doktorand vid Centrum för tillämpad intelligent systemforskning (CAISR), vilket stämde överens med mitt intresse. Att lära mig om de nära forskningssamarbetena mellan Region Halland och Harvard Medical School, samt arbetet kring utvecklingen av regionens informationsplattform, väckte ytterligare intresse för att bedriva forskarutbildning vid Högskolan i Halmstad.

När och hur började ditt intresse för informationsteknik?

– Jag var nyfiken på att lära mig om potentialen inom maskininlärning och artificiell intelligens för att lösa komplexa verkliga problem – särskilt inom sjukvården. Under mina masterstudier lärde jag mig grunderna och intresset utvecklades med tiden när jag gick vidare på min resa inom maskininlärning.

Är några resultat särskilt överraskande för dig i din doktorandforskning?

– Det har varit fascinerande på många sätt att upptäcka potentialen hos en omfattande klinisk informationsplattform inom det godkända juridiska ramverket, tillsammans med en avancerad datavetenskaplig verktygslåda. Exempelvis har vår prognosstudie för återinläggning på sjukhus motiverat realtidsanpassning av relevanta kliniska data för en prospektiv utvärdering på Hallands sjukhus. Vår prediktionsmodell för dödlighet inom akutvården, som är byggd i Halland, håller på att valideras i Stockholm. Detta för att undersöka utmaningarna med att överföra förutsägelsemodeller mellan olika platser. Vårt arbete med hjärtsviktspatienter har motiverat en striktare implementering av riktlinjerna för farmakoterapi. Detta eftersom en patient, som inte uppfyller vissa kriterier, har visat sig kosta i genomsnitt 1 051 euro mer per år för sjukvården, utöver andra medicinska risker. Vi identifierade och beskrev de högbehovs- och högkostnadspatientgrupper som finns i Halland, vilket motiverade nya interventionsmetoder för att bättre hantera deras vårdbehov och minska sjukvårdskostnaderna.

Vad är dina planer för framtiden?

– Jag siktar på att fortsätta vara en del av forskargruppen i Halland, som fokuserar på tydlighet och etiska aspekter hos datadrivna prediktionsmodeller inom vården. Samtidigt kommer jag fokusera på att leverera verkliga kliniska resultat av vår forskning genom att arbeta med rutiner för implementering av djupinlärningsbaserade beslutsstödsmodeller inom klinisk praktik.

Om doktorsavhandlingen

Avhandlingens titel: Deep Evidential Doctor Länk till annan webbplats.

Handledare:

• Slawomir Nowaczyk, Högskolan i Halmstad
• Markus Lingman, Region Halland
• Mark Dougherty, Högskolan i Halmstad
• Anita Sant’Anna, Högskolan i Halmstad
• Jens Lundström, Högskolan i Halmstad

Disputationen ägde rum den 15 mars 2022.

Ordförande i försvaret: Docent Kobra (Farzaneh) Etminani, Högskolan i Halmstad

Opponent: Docent Cristina Soguero Ruiz, Universidad Rey Juan Carlos

Betygsnämnd:

• Professor Myra Spiliopoulou, Otto-von-Guericke-universitetet
• Professor Ricard Gavalda, Universitat Politècnica de Catalunya
• Professor Martin Atzmüller, Osnabrücks universitet