TRIM_Neuro – Målrettet reduktion af ineffektive kontroller i neurologisk ambulatorium

TRIM_Neuro undersøger, hvordan mindre sprogmodeller og machine-learning (ML) kan bruges til automatisk at analysere journaldata i Neurologisk Afdeling på Odense Universitetshospital (OUH).

Mål

Målet er at identificere, hvilke ambulante standardkontroller der reelt fører til ændringer i behandling, og hvilke der sjældent eller aldrig gør det.  

Med den viden kan afdelingen målrette opfølgning til de patienter, der har størst sandsynlighed for klinisk gevinst og samtidig reducere eller afvikle kontroller, der ikke skaber dokumenteret værdi. Projektet afprøver en skalerbar metode til kvalitetssikring af kliniske arbejdsgange, som kan anvendes på tværs af afdelinger og hospitaler ved tilpasning til de enkelte specialer.

CAI-X vil stå for dataanalyse og modeludvikling, herunder udvælgelse, forberedelse og struktureret brug af journaldata i samarbejde med Neurologisk Afdeling.

Derudover er vores rolle at udvikle og tilpasse mindre sprogmodeller og machine-learning modeller, der kan klassificere nytten af standardkontroller og efterligne den kliniske vurdering.

Den kliniske validering af modellerne vil ske i tæt samarbejde med de kliniske nøglepersoner, så resultaterne er fagligt meningsfulde og anvendelige, og vil kunne bidrage til at omsætte de tekniske resultater til praktiske anbefalinger for fremtidige arbejdsgange og opfølgning i neurologisk ambulatorium.

Partnere

• Neurologisk Afdeling N, OUH – klinisk ansvar og projektledelse
• Regional IT, Region Syddanmark – AI-infrastruktur, adgang til godkendte systemer og støtte til dataudtræk.
• CAI-X – udvikling og test af sprog- og ML-modeller.  

Finansiering

Projektet har modtaget en bevilling på 200.000 kr. af OUH's innovationspulje.