NYHET Allt för ofta tenderar samhällsnyttiga AI-projekt att stanna som skrivbordsprodukt hos en forskare eller utvecklare. Tack vare ett tvärvetenskapligt samarbete har forskning vid Umeå universitet bidragit till ett AI-system som kan vara en av lösningarna för sjukvårdens långa kötider. – Nästan alla regioner i Sverige har hört av sig till oss, säger Sara Lundsten, doktorand vid Institutionen för omvårdnad vid Umeå universitet.
Efter en operation eller anestesi behöver patienter specialiserad vård, där vitalparametrar och andra vitala funktioner övervakas. Detta görs vid den postoperativa enheten, PostOp. Tillgången till platser där styr därför ifall en operation kan bli av eller inte. Hur länge en person kan behöva sin plats för eftervård är högst individuellt och avgörs av en mängd parametrar. Detta gör att det är en komplex och svår uppgift för den mänskliga hjärnan att avgöra och planera när det kan finnas lediga platser på PostOp – ibland behöver patienter längre tid, ibland står platser outnyttjade. Trots detta har planeringen tidigare skett manuellt, med papper och penna, sudd och Tippex.
I värsta fall ledde det här till att en operation blev struken.
– Det var ett problem att patienter låg kvar längre på den postoperativa enheten än vad man hade planerat för, vilket innebar att det blev kö in för nästa patient, då det inte fanns plats. I värsta fall ledde det här till att en operation blev struken. Det här är ju både stressigt för personalen som ska försöka hantera den här planeringen, men det är också patienter som kan komma i kläm, om de får uppskjutna operationer, eller att det känns stressigt att de ska flyttas i snabbt tempo, säger Sara Lundsten.
Hon är specialistsjuksköterska inom intensivvård och anestesi vid Norrlands universitetssjukhus, Nus, samtidigt som hon doktorerar på AI inom sjukvården på Institutionen för omvårdnad vid Umeå universitet.
Sara Lundsten är både specialistsjuksköterska inom intensivvård och anestesi vid Norrlands universitetssjukhus, Nus, och doktorand vid Institutionen för omvårdnad vid Umeå universitet. Hennes forskning har resulterat i ett system som blivit vida känt och eftertraktat inom sjukvården. Hör mer om det och hur det funkar.
Det var den biträdande chefen vid den postoperativa enheten på NUS som hade ansvar för schemaläggningen av eftervården för patienterna.
– Man såg att det här måste vi lösa på ett bättre sätt, så att det inte är knutet till en eller två personer som kan göra det här bra manuellt. Så önskemålet kom direkt från verksamheten. Sen landande det hos mig att försöka lösa det här på något bra sätt, att digitalisera på något vis, säger Sara Lundsten, och fortsätter:
– Eftersom jag kan datan och vet vad som finns i våra databaser såg jag möjligheten att inte bara byta papperet och pennan mot ett tangentbord utan att ta fram något innovativt och smart sätt att lösa det på. Det tar lite längre tid än att bara göra en digital skrivbräda – vilket också hade varit en hjälp – men då får man inte de här långtgående effekterna.
Fler personer kan hantera planeringen, fler personer har kontroll över hur det är planerat och det är inte längre en tidskrävande uppgift
Vid Nus samlas nämligen mycket data in från patienter genom tekniska utrustning som bland annat mäter puls, blodtryck och andningsfrekvens. Även data om ålder, kön, vikt, sjukdomsbild, etcetera samlas in. Med hjälp av all sammanställd data har Sara Lundstens forskarteam tillsammans med andra professioner kunnat skapa ett AI-system som nästan i realtid kan beräkna en persons status och därmed när hen borde kunna lämna sin plats på PostOp, och en plats blir ledig för nästa patient.
– För personalen krävs det inget extra. Vi har redan datan och så använder vi en AI-modell till att göra en beräkning över vårdlängden. Det här är synligt för alla i systemet, du kommer åt det vart du än sitter, de ändringar du gör ser alla samtidigt och det är lätt att sprida informationen. Det här har lett till att fler personer kan hantera planeringen, fler personer har kontroll över hur det är planerat och det är inte längre en tidskrävande uppgift utan det mesta sker med automatik av systemet självt, säger Sara Lundsten.
Sara Lundsten och hennes kollega får en överblick av hur beläggningen ser ut.
BildSimon JönssonSystemet kan till och med tala om hur säkert resultatet är – väldigt säkert, osäkert eller det finns för lite data för att göra en prediktion. Och det finns alltid möjlighet för personalen att gå in och justera och ta beslut.
Vinsten för patienterna är mindre risk för uppskjutna operationer i onödan, säkerställande att man får den vårdtid som behövs givet sina förutsättningar och bättre planering av personal, vilket i sin tur bidrar till en bättre och säkrare vård.
AI-systemet, som kallas LAIsa (efter den tidigare nämnda biträdande chefen, Lisa Appelqvist), implementerades vid PostOp för ett år sedan, efter en tids pilotanvändning.
Vi är ett av väldigt få exempel där man både har tagit fram en AI-lösning och implementerat den så att den är i praktisk användning ute på vårdgolvet av vårdpersonalen.
Ganska direkt efter att de implementerar systemet fick de positiv feedback av den avdelning där de använder det. Men även andra avdelningar på sjukhuset och andra sjukhus i regionen började höra av sig och fråga när kan de kunde få använda det och ryktet har spridit sig i ännu större cirklar. Den mediala uppmärksamheten har också varit stor.
– Nästan alla regioner i Sverige har hört av sig till oss, för man kämpar med att ta fram AI-modeller som ska lösa just den här typen av problem för vården, men man når inte hela vägen fram. Man vet inte hur man ska jobba med vårdpersonal för att fånga behovet, man vet inte hur man ska designa systemen för att de ska bli användbara och man har inte tillgång till datan. Så det vi hör är att vi är ett av väldigt få exempel där man både har tagit fram en AI-lösning och implementerat den så att den är i praktisk användning ute på vårdgolvet av vårdpersonalen.
Sara Lundsten är övertygad om att samarbete är nyckeln till framgång. I det här projektet har en mängd olika kompetenser behövts för att det ska fungera, allt från vårdpersonalen vid Region Västerbotten som äger problemet, till forskare från Institutionen för omvårdnad och Institutionen för matematik och matematisk statistik vid Umeå universitet, som tar fram evidensbaserade förslag på lösningar, och så IT-kompetens som kan införa produkten.
– De största hindren som man i den här typen av projekt brukar stöta på är man inte har personalen med sig, den är inte mogen för den teknik som kommer eller att man inte har tekniken och teknikstödet runt som gör att man kan gå hela vägen in i mål, säger Sara Lundsten.
Tidigare använde man ett fysiskt papper, penna, överstrykningspennor, sudd och Tippex. Det var manuellt och krävde mycket tankeverksamhet och tid.
BildSimon JönssonEtt annat hinder i sådana här projekt är att den data som behövs inte är tillgängligt, därför är det viktigt att ha med sig politiker och beslutsfattare på tåget.
– Det som krävs av politiker och beslutsfattare i Sverige, för att det här ska vara fortsätta vara en lyckosam framgångssaga, är att man ser över regelverk kring lagar och förordningar för hur kan vi hantera data på ett bra sätt och hur kan vi dela data med varandra, så att inte alla regioner behöver uppfinna hjulet om och om igen. Det finns väldigt mycket hinder kring just lagstiftning, säger Sara Lundsten.
Hon betonar att det även krävs ekonomiska medel för att kunna arbeta med den här typen av innovativa projekt inom sjukvården, som, förutom att förbättra arbetsklimatet, behövs för att möta utmaningarna med minskade resurser.
– Det råder brist på personal inom vården, vi har helt enkelt för få händer i vården samtidigt som våra patienter blir allt mer sjuka och kräver avancerad vård. För att kunna kompensera det här så behöver vi satsa på smart teknik som hjälper sjukvården att hantera den här resursbristen.
Nu vet vi att vi gör det här på ett bra, strukturerat, evidensbaserat sätt som förhoppningsvis kan bli ett recept för andra att följa, så att man inte behöver uppfinna hjulet om och om igen.
En annan nyckel för att skapa framgångsrika AI-system för vården är att arbeta evidensbaserat, så att lösningen är väl grundad i problemet och dem som äger det och att produkten som tas fram är utformat med användarna i fokus.
– Utan Umeå universitets möjlighet att faktiskt få göra det här till ett forskningsprojekt så hade det inte gått, då hade vi tagit fram en produkt som vi hade släppt och hoppats på det bästa. Nu vet vi att vi gör det här på ett bra, strukturerat, evidensbaserat sätt som förhoppningsvis kan bli ett recept för andra att följa, så att man inte behöver uppfinna hjulet om och om igen utan att vi gör rätt från början.
Läs mer om forskningsprojektet "AI inom postoperativvård".
