TECH
Chalmers-studie: AI som ambulanskollega kan rädda fler liv
Ambulanspersonal stöter på många olika komplexa tillstånd i sitt arbete. Beslutsstöd i form av ett AI-verktyg kan underlätta, visar en ny studie. Arkivbild.
Isabell Höjman/TT
Om ambulanspersonal får beslutsstöd av ett AI-verktyg kan fler liv räddas, visar en studie.
– Det kan bli som en extra kollega att bolla med, säger Anna Bakidou, doktorand vid Chalmers tekniska högskola.
En allvarligt skadad person behöver få rätt typ av vård så snart som möjligt – och det är upp till ambulanssjukvårdarna att fatta beslutet.
– Studier visar att allvarligt skadade patienter som tas direkt till ett universitetssjukhus har ökad chans till överlevnad jämfört med om man tar dem till ett närliggande sjukhus som kanske inte har samma resurser, säger Anna Bakidou.
– Det är komplicerade beslut som kan vara svåra att ta.
Hon är en av forskarna bakom en ny studie från Chalmers, Göteborgs universitet och Högskolan i Borås, som har tagit fram ett AI-stöd för ambulanspersonal.
”Extra kollega”
Genom att väga samman en mängd variabler som till exempel skadetyp, blodtryck, andningsfrekvens och ålder kunde samtliga fem AI-modeller – som bygger på data från över 47 000 tidigare ambulanspatienter – öka noggrannheten i bedömningen om en person var allvarligt skadad eller inte.
AI-verktyget är tänkt att fungera som en bekräftelse i de fall ambulanspersonalen redan fattat ett lämpligt beslut.
– Eller så kan det bli en extra kollega som gör att man får tänka till och gå igenom alla parametrar igen för att se om man gjort en felbedömning, säger Anna Bakidou.
Fler studier krävs
Men det dröjer tills AI-kollegan kan bli verklighet. Det krävs kliniska studier över tid för att säkerställa att tekniken fungerar, och så behöver man ta reda på hur verktyget ska designas för att smidigt kunna användas av ambulanspersonal.
Anna Bakidou poängterar att AI:n endast är tänkt som ett stöd för personalen – och inte som något att lita blint på.
– Märker vi i de kliniska studierna att AI-beslutsstödet i någon mening tar över så måste vi kolla på hur vi kan designa verktyget på annat sätt.
FAKTA
Studien
Forskare från Chalmers tekniska universitet, Sahlgrenska akademin vid Göteborgs universitet och Högskolan i Borås har tagit fram fem olika matematiska modeller som bygger på vuxna personer som kommit i kontakt med ambulanssjukvård mellan 2013 och 2020. Totalt ingår data från 47 357 händelser hämtade från Svenska traumaregistret, där det framgick vart patienterna transporterats.
En rad variabler som till exempel andningsfrekvens, skadetyp, blodtryck, kön och ålder vägs samman för att göra en bedömning av patienten. Samtliga AI-modeller i studien ökade noggrannheten i transportbeslut jämfört med de bedömningar som gjorts av ambulanspersonal med dagens verktyg.
Studien visar att 40 procent av de allvarligt skadade patienterna inte skickades direkt till ett universitetssjukhus, medan 45 procent av de patienter vars skador hade kunnat tas omhand på ett vanligt sjukhus skickades till universitetssjukhus i onödan.
Den vetenskapliga artikeln "On scene injury severity prediction (OSISP) model for trauma developed using the Swedish trauma registry" har publicerats i BMC medical informatics and decision making.
Källa: Chalmers
