Skip til primært indhold

Implementering af klinisk kunstig intelligens i sundhedsvæsenet i Danmark

Robusthedskommissionen anbefalede i 2023 anvendelse af bl.a. kunstig intelligens (AI) for at hjælpe med at frigøre tid til hospitalspersonale til at udføre væsentlige opgaver. Succesfuld brug af AI-algoritmer kan give patienter hurtigere svar, når det kommer til medicinsk billeddannelse, hvilket igen fører til hurtigere relevant behandling eller udskrivning. Den tid, personalet sparer ved gennemgang af billeder, kan derefter omdirigeres til patientbehandling.

Projektperiode

Start: 1. marts 2024

Mål

Med udgangspunkt i Robusthedskommissionens anbefalinger og den tilgængelige forskning inden for kunstig intelligens og billeddiagnostik, har dette projekt til formål at identificere hvor og hvordan AI-teknologi kan føre til forbedringer for både personale og patienter i Fælles Akutmodtagelse på Odense Universitetshospital (OUH).

Projektet vil gøre dette gennem tre delprojekter, der vil:

  1. Undersøge faciliterende og hindrende faktorer i implementeringsprocessen af ​​kunstig intelligens til medicinsk billeddannelse gennem en litteraturgennemgang.
  2. Evaluere en AI-algoritme godkendt i henhold til EU-standarder (CE-mærkning), som kan identificere knoglebrud i røntgenbilleder og teste det på allerede tilgængelige røntgenbilleder.
  3. Vurdere potentialet i at anvende en sådan algoritme i Fælles Akutmodtagelse på OUH. Denne vurdering gennemføres via projektet AI-CARE (Artificial Intelligence for Coordinated Allocation and Rapid Evaluation), som består af to faser, hvor hver fase repræsenterer en eksisterende arbejdsgang/retningslinje. Der foretages en kvalitetssikring af begge arbejdsgange, hvorefter resultaterne sammenlignes for at belyse eventuelle forskelle i frakturdetektion og patienternes opholdstid. Radiologer og muskuloskeletale speciallæger vil i begge faser fortsat gennemgå alle røntgenbilleder næste hverdag og kontakte patienterne ved eventuelle ændringer.
    1. Fase 1: Evaluering af den nuværende standardarbejdsgang i Fælles Akutmodtagelse for patienter med mistanke om knoglebrud.
    2. Fase 2: Evaluering af en arbejdsgang, hvor en allerede godkendt AI-algoritme indgår som støtteværktøj for personalet i skadestuen. Denne arbejdsgang kan give mulighed for, at patienter kan sendes hjem umiddelbart efter røntgenundersøgelsen. Målet er at undersøge, om dette kan forkorte patienternes opholdstid, samtidig med at den diagnostiske kvalitet fastholdes.

Projektet kan dermed bidrage til at belyse løsninger på centrale udfordringer i fremtidens sundhedsvæsen.

Partnere

Sabine Morris Delhez

Sabine Morris Delhez

Ph.d.-studerende

Odense Universitetshospital, Radiologisk Afdeling


APPFWU01V