Brugen af kunstig intelligens i Region Hovedstadens Akutberedskab har gjort det muligt at identificere hjertestop hurtigere, når borgere ringer 1-1-2. Resultaterne åbner nye perspektiver på andre områder.
Af Freddy Lippert
Mange virksomheder er nået langt med at bruge kunstig intelligens (AI) til at effektivisere deres produkter og deres forretning. AI bruges også i dag af de fleste danskere, når de bruger deres telefon, er på internettet eller skal finde vej via en app. Men i sundhedsvæsenet er vi endnu ikke med i denne teknologiske udvikling.
Det kan skyldes, at sundhedsvæsenet har en traditionel og automatisk skepsis over for at inddrage nye metoder, som ikke er dokumenterede. Sundhedsvæsenet er samtidig tilbageholdende med at anvende data på tværs, fordi man vil begrænse indførelse af nye metoder og behandlinger, der reelt ikke forbedrer patientbehandlingen, og fordi man har erfaring for, at anvendelse af sundhedsdata på tværs har mange barrierer.
Det er dog oplagt, at AI kan være med til at forbedre sundhedsvæsenet, patientbehandlingen, borgerbetjeningen og dermed øge patientsikkerheden.
Jeg vil i det følgende dele vores erfaringer og perspektiver på anvendelse af AI i den akutte del af sundhedsvæsenet i Region Hovedstaden med udgangspunkt i et konkret forskningsprojekt, hvor AI er brugt til at erkende hjertestop under et alarmopkald til 1-1-2. Løsningen vandt i 2020 Digitaliseringsprisen inden for innovation.
Tid til behandling er afgørende
Baggrunden for projektet er, at mere end 5.000 danskere hvert år pludseligt får uventet hjertestop, hvor der ringes 1-1-2 for at sætte hele den livreddende indsats i gang. Tid til behandling er afgørende for patientens overlevelse og rehabilitering, og vi ved, at overlevelsen bliver højere, jo tidligere der sættes ind. Det ideelle forløb er følgende:
- Den akutte hændelse erkendes hurtigt som værende hjertestop
- Der ringes hurtigt 1-1-2
- Det sundhedsfaglige personale på regionens vagtcentral erkender hurtigt, at der er tale om hjertestop
- Det sundhedsfaglige personale vejleder indringeren i at give hjertelungeredning og henviser til nærmeste hjertestarter
- Ambulance og akutlægebil er hurtigt fremme og fortsætter behandlingen
- Patienten køres direkte til et specialiseret hjertecentre til yderligere akut udredning og avanceret behandling
- Intensiv behandling iværksættes
- Der igangsættes rehabilitering af patienten
Det ideelle forløb resulterer i, at patienten genoplives til et godt liv og et funktionsniveau som før hændelsen. Sekvensen af handlinger viser tydeligt, at et godt forløb forudsætter et sammenhængende akutsystem, hvor de enkelte dele samarbejder: ”It takes a system to save a life”.
Danmark har en førende position
En række videnskabelig artikler i internationale tidsskrifter har over de sidste år dokumenteret, at Danmark er blandt de bedste til at redde liv. Data fra Dansk Hjertestopregister viser, at der i 2002 var 142 personer, der overlevede hjertestop, mens der i 2018 var 813 personer, der overlevede. En videnskabelig undersøgelse har samtidig vist, at 77 procent af dem, der var i arbejde før hjertestop, kom tilbage i arbejde.
Udviklingen skyldes en fokuseret indsats med vægt på sammenhængen i alle led af overlevelseskæden:
- Inddragelse og oplæring af befolkningen i at give livreddende førstehjælp
- Udbredelse af hjertestartere
- Etableringen af et nationalt hjertestarternetværk
- Frivillige førstehjælperordninger som eksempelvis hjerteløbere
- Vejledning fra regionernes vagtcentral i hvordan borgerne giver hjertelungeredning og henvisning til nærmeste hjertestarter
- Effektiv indsats fra ambulancer, akutlægebiler og akutlægehelikoptere
- Direkte visitation til specialiserede hjertecentre
- Effektiv akut diagnostik og behandling på hospital og på intensivafdelingerne
- God rehabilitering
Alt dette sker kun, fordi vi i Danmark har etableret et sammenhængende akutsystem med inddragelse af borgere, regionale vagtcentraler, præhospitale ressourcer og hospitalsbehandling.
Potentiale for forbedret indsats
Trods de gode resultater er en konkret problemstilling stadig, at det er vanskeligt at erkende hjertestop, når borgere ringer 1-1-2.
Opkaldene er er vidt forskellige, og mindre end 2 procent af alle opkald til 1-1-2 drejer sig om hjertestop. Den person, der ringer 1-1-2, har typisk kun erkendt, at der er tale om hjertestop i 25 procent af tilfældene. Den sundhedsfaglige medarbejder erkender yderligere 50 procent, og de sidste 25 procent erkendes først, når personale fra ambulance eller akutlægebil når frem.
Hvis borgerne igangsætter hjertelungeredning, før ambulancen og akutlægebilen ankommer, mere end fordobles chancen for, at patienten overlever. Derfor er der et stort potentiale for en tidlig livreddende indsat i de resterende 25 procent ved tidlig erkendelse af hjertestop og tidlig start af hjertelungeredning.
Danmark er i forvejen blandt de lande med den højeste forekomst af hjertelungeredning givet af lægfolk, før ambulancen er fremme, nemlig cirka 75 procent.
Samarbejde med startupfirma
For at skabe en tidligere erkendelse af hjertestop indgik vi i Region Hovedstadens Akutberedskab et samarbejde med startupfirmaet Corti, der med brug af AI og machine learning har udviklet en model, som ved at lytte med på en samtale kan erkende mønstre i samtaler. Vi vurderede at, kombinationen af vores mange kvalitetsdata, vores forskningserfaring og Cortis store viden om kunstig intelligens kunne give grobund for at udvikle og teste en AI-model, der kan erkende hjertestop hurtigt.
AI-modellen kan huske og genfinde samtlige tidligere opkald, og den kan lave mønstergenkendelse på få sekunder. Mønstergenkendelsen sker blandt andet ud fra de ord og vendinger, der bruges i samtalen, lyde i baggrunden eller fra måden, ord siges på.
Pilottesten viste gode resultater, og vi besluttede at evaluere løsningen i en større opsætning og et større ph.d.-studie. I samarbejdet har akutberedskabet og Corti deltaget i den fælles udvikling og test af modellen, mens den finansielle støtte til at gennemføre forskningsprojektet er kommet fra TrygFonden og Laerdalfonden.
AI erkendte hjertestop før medarbejdere
Det første delstudie (1) fra projektet analyserede et års opkald med hjertestop for at afklare, om hjertestop blev erkendt af den sundhedsfaglige medarbejder i forbindelse med opkaldet til 1-1-2, eller om det blev erkendt af Cortis AI-model og i givet fald hvornår.
Studiet viste, at AI-modellen erkendte hjertestop 10 sekunder tidligere end de sundhedsfaglige medarbejdere, og endnu mere væsentligt er, at der blev erkendt 10 procentpoint flere hjertestop. Disse resultater byggede på tidligere opkald og var derfor en retrospektiv analyse.
I forlængelse deraf blev der planlagt et randomiseret forskningsprojekt, hvor resultaterne foreligger og snart kan offentliggøres. Forskningsprojektet har haft som mål at kontrollere værdien af at anvende AI under selve samtalen og dermed muligheden for at give en alarm til den sundhedsfaglige medarbejder og påvirke forløbet positivt. AI fungerer her et supplerende beslutningsstøttegrundlag for den sundhedsfaglige person.
AI lagrer erfaring fra alle opkald
De sundhedsfaglige medarbejdere, der modtager 1-1-2-opkald på regionens vagtcentral, er alle erfarne sygeplejersker og paramedicinere, og de har siden 2011 anvendt det algoritmebaserede beslutningsstøtteværktøj ”Dansk Indeks for Akuthjælp” (2). Derfor er det oplagt at spørge, hvorfor en AI-model kan være bedre end sundhedsfaglige personer med mange års klinisk erfaring?
Svaret er, at AI-modellen har lagret den samlede erfaring fra alle opkald, mens den enkelte sundhedsfaglige medarbejder kun har begrænset erfaring fra egne opkald. Desuden har en AI-model ikke de bias, som sundhedsfaglige personer – uanset deres erfaring – har, og som kan føre til fiksationsfejl og fejlfokusering.
En AI-model er dog ikke bedre end de data, der stilles til rådighed, og de samtaler der findes. Derfor er en AI-model til erkendelse af hjertestop også afhængig af, at der foregår en samtale, og at kvaliteten i samtalen er høj.
Anvendelse på andre områder
En bedre og tidligere erkendelse af hjertestop er afgørende for den enkelte patient, men hjertestop er trods alt kun en lille del af opkaldene til 1-1-2. Der er også en lang række andre tidskritiske skader og sygdomstilfælde, hvor tidligere og bedre erkendelse også kan have afgørende indflydelse på patientens overlevelse og eventuelle mén. Det drejer sig for eksempel om blodprop i hjertet, stroke, blodforgiftning, meningitis og selvmordstruede patienter.
For de akutte opkald er den præcise diagnose ikke altid nødvendig, men det er væsentligt at vurdere sværhedsgrad og hastegrad og dermed hurtigt beslutte den hjælp, der skal sendes til patienten. Derfor vil det være et yderligere skridt at udvikle en AI-model, der kan være beslutningsstøtteværktøj til at foretage triagering uanset diagnosen.
Kan skabe præcist risikobillede af patient
De sundhedsfaglige medarbejdere i Region Hovedstadens Akutberedskab har i dag via læseadgang til Sundhedsplatformen adgang til yderligere oplysninger om en patients tidligere opkald til 1-1-2 eller Akuttelefonen 1813, medicin og tidligere forløb på hospital, når der er tilladelse til dette.
Imidlertid er det vanskelig for en enkelt person at få adgang til at skabe et samlet billede af patienten og at bruge disse informationer i det akutte forløb. AI vil med de rette adgange og i de relevante sammenhænge på få sekunder kunne skabe et langt mere præcist billede, som kan bruges til at hjælpe den enkelte borger i nød i form af den rette hjælp og være vejledende for den sundhedsfaglige medarbejder.
Dette gælder ikke kun ved 1-1-2-opkald til regionernes vagtcentraler, men må formodes også at kunne gavne lægevagter, Akuttelefonen 1813 og andre, der varetager telefonisk vurdering og visitation.
Samarbejde giver yderligere perspektiver
I Region Hovedstadens Akutberedskab arbejder vi aktuelt videre med at forbedre hjertestoperkendelser og med at analysere værdien af AI til erkendelse af stroke. Samarbejdet med Corti er også blevet udvidet til at vurdere opkald, der kunne være COVID-19-relaterede, og til at søge at finde de borgere, der har brug for akuthjælp blandt mange bekymrede borgere.
I samarbejdet med Corti ser vi yderligere perspektiver for den akutte behandling. Den nuværende AI-model ser ud til at kunne anvendes til løbende kvalitetssikring ved at kunne finde de opkald, hvor samtalen afviger fra den forventede algoritme eller det normale mønster. Dette åbner for nye og mere effektive måder at sikre kvalitetsopfølgning frem for kun at følge udvalgte forløb.
Kan foreslå supplerende behandling
AI vil ligeledes kunne interagere med den sundhedsfaglige medarbejder ved at foreslå supplerende spørgsmål, henvise til specifikke algoritmer eller konkrete handlinger. Dermed kan en AI-model også anvendes til oplæring og efteruddannelse af personale.
Anvendelse af AI i den akutte patientbehandling kan fuldstændig ændre den måde, telefonisk vurdering og visitation af både akutte og ikke-akutte patienter foregår på ikke kun i Danmark, men også internationalt. Potentialet er stort, og når det er dokumentere og implementeret, kan Danmark blive førende på dette område i kraft af vores mange kvalitetsdata og vores høje grad af digitalisering.
Det skal blot ske med stor respekt for den enkelte borgers sundhedsdata, og det skal altid ske med det formål at komme den enkelte patient til gavn.
Noter
- Studiet er publiceret i det internationale tidsskrift Resuscitation i 2019
- Modellen anvendes i de skandinaviske lande i lidt forskellige udformninger. Den danske version er valideret i et tidligere ph.d.-projekt fra Region Midtjylland. De sundhedsfaglige medarbejdere på vagtcentralen kan afvige fra anbefalingerne i indekset, hvis de med deres faglige viden har en specifik grund herfor og dokumenterer denne.
Referencer
Videnskabelige publikationer fra Danmark: Freddy Lippert et al.:
- https://www.nejm.org/doi/full/10.1056/NEJMoa1601891
- https://www.ahajournals.org/doi/full/10.1161/circulationaha.116.024400
- https://www.ahajournals.org/doi/full/10.1161/CIRCULATIONAHA.114.011366
- https://www.resuscitationjournal.com/action/showPdf?pii=S0300-9572%2818%2930975-4
Dansk Hjertestopregister – Årsrapport 2018: https://hjertestopregister.dk/wp-content/uploads/2019/11/Dansk-Hjertestopregister-2018-2.pdf
Dansk Indeks for Akuthjælp: https://www.ph.rm.dk/siteassets/prahospitalet/prahospitale-omrader/amk-vagtcentral/dansk-indeks-1.8—landsudgaven.pdf
BBC podcast: ”People fixing the world”. https://www.bbc.co.uk/programmes/p07p3fn7
Global Resuscitation Alliance – Ten Programmes to improve survival: https://www.globalresuscitationalliance.org/resources/