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

Neurologisk Afdeling ved af erfaring, at der findes kontrolforløb, som i praksis er unødvendige – men det er meget tidskrævende for en kliniker manuelt at gennemgå store mængder journalmateriale for at vurdere, om en bestemt type kontrol kan afskaffes. Med TRIM_Neuro undersøger vi, om kunstig intelligens kan bruges som et værktøj til at skabe et datadrevet og mere effektivt grundlag for sådanne beslutninger.

Projektet vil forsøge at bruge mindre sprogmodeller og machine-learning til at kortlægge, hvilke kontroller der sjældent fører til behandlingsændringer, og til at give et bedre grundlag for beslutninger om, hvad der kan justeres, omlægges eller afvikles. Projektet sigter mod at frigøre tid til de patienter, der har mest brug for specialistopfølgning uden at gå på kompromis med kvalitet og sikkerhed.

Hvis metoden viser sig robust og klinisk meningsfuld, kan den potentielt skaleres til andre neurologiske og ambulante forløb. Men I TRIM_Neuro testes og valideres den grundigt, før den overhovedet kan komme på tale som redskab til at ændre arbejdsgange. Vi skal sikre, at vi ikke fjerner nyttige kontrolforløb, og at projektet aldrig går ud over patienternes sikkerhed og kvaliteten af deres behandling.

CAI-X's rolle i projektet

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
• CAI-X – udvikling og test af sprog- og machine learning-modeller.  

Finansiering

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