Ny kunstig intelligens er mer presis enn diagnosekoder: Det føles som en milepæl

Danske forskere har utviklet en språkmodell som kan lese pasientjournaler og gi langt mer pålitelige svar enn diagnosekodene, når det kommer til blod i urinen hos kreftpasienter. Den kan bli en stor hjelp for registerforskere og potensielt avlaste arbeidet på klinikken, vurderer forskerne bak.

Algoritmen er presentert i en ny studie, publisert som 'letters' i tidsskriftet Thrombosis Research. Her viser forskerne at konseptet fungerer: Deres språkmodell Indsigt.AI finner stort sett alle blærekreftpasienter som ifølge pasientjournalen har hatt blod i urinen. Hvis man derimot søker på diagnosekoder for blod i urinen, fanger man bare åtte prosent av tilfellene.

”Det føles som en milepæl,” sier Pernille Just Vinholt, ledende overlege og klinisk professor ved forskningsenheten på avdelingen Blodprøver og Biokjemi på Odense Universitetssykehus og Syddansk Universitet.

Hun er sisteforfatter på artikkelen og initiativtaker til utviklingen av Indsigt.AI.

”I noen tilfeller må vi lese opp mot 200 sider med journalmateriale for å finne ut om det har vært tilfeller av for eksempel blødninger i pasientens historikk. Vår språkmodell finner tilfellene lynraskt og markerer dem, slik at vi kan dobbeltsjekke om det også er riktig. Det har enormt potensial, og vi håper at mange av våre kolleger der ute ønsker å samarbeide om å fortsette utviklingen. Indsigt.AI kan i prinsippet brukes på alle symptomer og sykdommer,” sier Pernille Just Vinholt.

Hjelp til registerforskningen

Språkmodellen kan sannsynligvis spare registerforskere for et stort antall arbeidstimer, da den kan hjelpe med å bestemme om diagnosekodene stemmer overens med innholdet i journalene.

”Vi vet at noen symptomer eller diagnoser ikke blir registrert særlig godt, slik som hematuri (blod i urinen, red.), noe som etterlater et mørketall i registrene. Det må man ta høyde for når vi driver med registerforskning,” sier Pernille Just Vinholt.

I studien har forskerne i stedet latt Indsigt.AI lete etter beskrevne tilfeller av hematuri i pasientjournaler hentet fra flere sykehus i Region Syddanmark. Forskerteamet har gjennomgått språkmodellens fremhevinger for å se om de er riktige, og så sammenlignet dem med de registrerte diagnosekodene.

”Vi tok dessverre ikke tid på hvor mye raskere det er å la språkmodellen finne passasjer i journalen som kanskje svarer til blod i urinen. Men det er mye raskere enn å måtte lese hele journalen selv. Det kan kanskje gi en tidsbesparelse på helt opp mot en faktor 100,” sier ph.d. Rasmus Søgaard Hansen, lege ved Klinisk Diagnostisk Avdeling, Esbjerg og Grindsted Sykehus, og førsteforfatter av studien.

I forbindelse med fullføringen av sin ph.d.-avhandling brukte Rasmus Søgaard Hansen Indsigt.AI på ulike språklige betegnelser og vendinger fra pasientjournaler som beskrev blod i urinen.

”Det var her størstedelen av arbeidet lå. Men når arbeidet er gjort, kan man bruke språkmodellen fremover på dette området. Men man må tilpasse den for hver diagnosekode eller symptom man ønsker å bruke den på,” sier han.

Forskerne har også undersøkt og tilpasset språkmodellen for bulimi og anoreksi samt brudd, og her finner de at sykdommene er godt registrert, og at de registrerte diagnosekodene for sykdommene stemmer godt overens med innholdet i pasientjournalene.

Språkmodell på sykehus

For å få erfaring med algoritmen i praksis, er målet nå at Indsigt.AI i første omgang skal tas i bruk på Pernille Just Vinholts egen avdeling, hvor hun vil bistå med implementeringen og registrere hvordan språkmodellen påvirker arbeidsflyten.

”Vi vil bruke modellen til å utrede pasienter med unormal tendens til blødning og blodpropp. Personalet skal i denne sammenhengen blant annet gjennomgå analyseresultater samt hele pasientens journal for å finne antallet av tidligere blødningstilfeller og blodpropptilfeller. Her kan personalet til tider forventes å lese ti års journalmateriale for å finne alle tilfellene. Her kan språkmodellen hjelpe ved å fremheve de passasjene hvor det er antydninger til blodpropp og blødninger,” sier hun.

På avdelingen er de begynt å be alle leger i avdelingen om å ta tid på hvor lang tid de bruker på utredningen. Hver gang de lager en utredning på en bløderpasient, skal de notere det.

”Når vi da har innført Indsigt.AI, vil vi sammenligne tidsbruken før og etter på slike utredninger,” sier Pernille Just Vinholt og fortsetter:

”Det handler først og fremst om å hjelpe avdelingen ved å avlaste personalet og gi dem et verktøy for å gjøre utredningen på en raskere og enklere måte. Men vi vil sannsynligvis også publisere en artikkel med resultatene, hva det har gitt oss å bruke Indsigt.AI i den kliniske hverdagen.”