PreSISe-1 - Prehospitalt BeslutsStöd för Identifiering av Sepsisrisk
| Diarienummer | |
| Koordinator | Lindholmen Science Park AB - PICTA Prehospital ICT Arena |
| Bidrag från Vinnova | 3 598 715 kronor |
| Projektets löptid | juni 2018 - november 2021 |
| Status | Avslutat |
| Utlysning | Digitalisering för bättre hälsa, vård och omsorg |
| Ansökningsomgång | Artificiell intelligens för bättre hälsa |
Viktiga resultat som projektet gav
Projektet syftade till att utveckla och utvärdera ett AI-baserat beslutsstöd för tidig - prehospital - identifiering av sepsisrisk. Olika versioner av denna funktionalitet utvecklades, testades, visualiserades och integrerades i ett existerande beslutsstöd- och journalsystem (Aweria Prehospital) och utvärderades av ambulanspersonal i fullskalesimuleringar. Arbetet aktualiserade flertalet integritetsmässiga, kliniska, regulatoriska och juridiska frågeställningar som med utgångspunkt i projektets arbete sammanställdes i rapporten "AI as a medical device".
Långsiktiga effekter som förväntas
En av de AI-modeller som togs fram lyckades skilja ut patienter med svår sepsis från patienter med mildare (accuracy 74%, specificitet 79%, sensitivitet 61%). Dock saknades tillräcklig jämförelsedata för att träna och testa algoritmen på att särskilja patienter med sepsis från andra patienter. Nyttan med att kunna få en tidig indikation på att förhöjd risk för att allvarlig sepsis föreligger bedömdes av ambulanspersonalen som mycket stor, och den föreslagna utformningen på tolkning/visualisering och integrering i ett existerande system uppfattades som lättanvänd och tydlig.
Upplägg och genomförande
Upplägget med att utveckla algoritmer från flera dataset, visualisera och integrera i ett existerande kliniskt system, samt testa i fullskalesimuleringar fungerade i stort väl. Försvårande faktorer som också försenade projektet var införandet av GDPR strax innan projektstart med påföljande stor osäkerhet om hur detta skulle tillämpas, samt covid19-pandemin som gjorde att simuleringarna fick minskas. De största utmaningarna var dock kvalitet på och tillgång till prehospital data, vilket är kritiskt att adressera nationellt om AI ska komma den prehospitala vården tillgodo.