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
- Blodprøver og Biokemi, OUH
- Mærsk Mc-Kinney Møller Instituttet, SDU
Pernille Just Vinholt
Læge, lektor
Odense Universitetshospital, Blodprøver og Biokemi
2964 8694 pernille.vinholt@rsyd.dk
Thiusius Rajeeth Savarimuthu
Forskningsleder, professor
Centre for Clinical Robotics (CCR). Syddansk Universitet, Mærsk Mc-Kinney Møller Instituttet
2440 9545 trs@mmmi.sdu.dk