Skip til primært indhold

Påvisning og præsentation af blødningshændelser i den elektroniske journal

Blødning og venøs tromboemboli er hyppige komplikationer hos indlagte patienter. Klinikere skal let kunne identificere højrisikotilfælde ved vurdering af risiko for blødning forud for operation, forebyggende behandling af blodpropper mv.

Projektperiode

Start: april 2021
Slut: marts 2022

Mål

Målet med dette projekt var at udvikle AI-algoritmer baseret på Natural Language Processing for at finde blødningsepisoder rapporteret i patienternes elektroniske sundhedsjournaler. Den er udviklet baseret på udtræk af relevant tekst fra mere end 300.000 elektroniske sundhedsjournaler (ustrukturerede data). Når den er implementeret, kan algoritmen udtrække information om blødningsepisoder fra patientens journal, og resultaterne vil blive rapporteret til lægen og patienten på en let forståelig og relevant måde.

Resultater

Den første del af projektet viste, at et kunstigt neuralt netværk kan opdage 98 % af blødningsepisoderne, og den anden del af projektet havde til formål at udvikle en levedygtig løsning, som kunne blive en del af den daglige kliniske praksis. Løsningen bør være i stand til at finde indikationer på blødningsepisoder, præsentere et resumé for klinikeren og foreslå passende foranstaltninger.

Dette projekt var et delprojekt af projektet Den Intelligente Patientjournal, som omfattede flere andre delprojekter om brugen af ​​AI til at finde information i den elektroniske journal.

Læs mere om projektet Den Intelligente Patientjournal på ipj.nu.

Partnere

Pernille Just Vinholt

Pernille Just Vinholt

Læge, lektor

Odense Universitetshospital, Blodprøver og Biokemi


2964 8694
Thiusius Rajeeth Savarimuthu

Thiusius Rajeeth Savarimuthu

Forskningsleder, professor

Centre for Clinical Robotics (CCR). Syddansk Universitet, Mærsk Mc-Kinney Møller Instituttet


2440 9545
APPFWU02V