Här hjälper AI vårdpersonalen att planera efter operationer

Forskare har tagit fram en AI-modell som används på Norrlands universitetssjukhus sedan 2024.

BildSara-Lena Brännström

Region Västerbotten står inför många utmaningar kopplat till bland annat åldrande befolkning, glesbygd och bemanning inom sjukvården. Ett sätt att möta dessa är nya tekniska lösningar och samarbete med forskare på universitetet.

– Vi har ett uppdrag från politiken att vi ska jobba mer evidensbaserat och bredda vår forskning. Vårt mål är att vi ska ha ungefär tre aktiva doktorander inom IT-området, säger Nils-Petter Augustsson, chef på Centrum för informationsteknik och medicinsk teknik vid Region Västerbotten.

Sedan ett par år tillbaka har regionen ett forskningsprojekt inom Företagsforskarskolan vid Umeå universitet tillsammans med doktoranden Lars Mattsson och handledaren Patrik Rydén. De har tagit fram en AI-modell som kan förutsäga hur lång tid en viss patient behöver vård efter en operation – något som leder till bättre resursanvändning och i förlängningen kortare vårdköer.

Så används modellen på avdelningen

I mitten av november besökte Lars Mattsson, tillsammans med en grupp andra doktorander inom Företagsforskarskolan, sjukhuset för att se hur AI-modellen används i praktiken. Studiebesöken är en viktig del av forskarutbildningen; de stärker kopplingen mellan akademin och samhället och ger doktoranderna en inblick i varandras projekt som genomförs ihop med företag, organisationer och myndigheter inom vitt skilda områden.

Det är fredag förmiddag och extra lugnt på postoperativa avdelningen. Den stundande helgen innebär färre schemalagda operationer. Deltagarna på studiebesöket samlas utanför en barnsal och tittar upp mot en datorskärm på väggen. Sara Lundsten, specialistsjuksköterska och doktorand i samma projekt som Lars, förklarar hur skärmen i realtid visar när patienter förväntas anlända till avdelningen. Personalen får sedan stöd av ett AI-baserat planeringsverktyg som hjälper till att förutsäga hur länge de förväntas stanna och vilka resurser de kommer att kräva. Ett arbete som tidigare gjordes manuellt.

– Operationsflödet är komplext och det kan snabbt blir flaskhalsar som leder till problem. På det här sättet kan man se i förväg om det till exempel kommer att bli ont om platser i eftermiddag och säkerställa att man kan möta behovet med tillgängliga sängar och personal, säger Sara Lundsten.

Data som förbättrar vårdflödet

Planeringsverktyget har varit i drift i form av ett pilotprojekt sedan 2024 och förenklat arbetet på avdelningen. För att avgöra en enskild patients eftervårdstid behövs en mängd information, i detta fall klinisk data om allt från patientens sjukdomshistorik till bedömning inför operationen och planerade åtgärder. Just nu består AI-modellen av 282 variabler. Den är tränad på att hitta samband och mönster som påverkar vårdtiden. Ambitionen framöver är att behandla ännu mer data och förbättra träffsäkerheten ytterligare. Lars Mattsson arbetar bland annat med att utöka modellen med data som samlas in under och efter operationen, för att uppdatera modellens förutsägelser i realtid allt eftersom patienten behandlas.

AI-modellen kan inte ersätta sjukvårdspersonalens kunskaper och erfarenhet, men Lars projekt visar att forskning och teknisk utveckling kan bidra till att optimera resurserna i sjukvården.

– Förhoppningen är att tillvägagångssättet vi jobbar med ska kunna appliceras även på andra avdelningar och regioner. Det är så vi kommer att få den största nyttoeffekten för samhället, säger han.