Forskningsprojekt Nya metoder för prediktion erbjuder möjligheter som är avgörande för att identifiera interventionsmål på individ-, grupp- och sjukvårdsledningsnivå, vilket underlättar resursallokering för krävande sjukdomar som stroke.
Vårt tvärvetenskapliga projekt som inkluderar experter inom maskininlärning, biostatistik och strokevård syftar till att utveckla förklarbara AI-modeller som med hög precision kan identifiera patienter och patientgrupper som löper högst risk för allvarliga utfall, och ge stöd till beslut för en optimal vård av komplexa sjukdomar. Detta gör det möjligt att utnyttja potentialen i Sveriges unika hälso- och sjukvårdsregister, kombinera med exempelvis bilddiagnostik, och skapa ny kunskap om hur vi ger bästa möjliga vård.
Vetenskapsrådet, 5,6 miljoner
Mia von Euler, professor i Neurologi, Örebro Universitet
András Büki, professor i Neurokirurgi, Örebro University
Vårt projekt syftar till att utveckla förklarbara AI-modeller som med hög precision kan identifiera patienter och patientgrupper som löper högst risk för allvarliga utfall, och ge stöd till beslut för en optimal vård av komplexa sjukdomar.
Genom att använda nya AI-baserade metoder (maskin- och djupinlärning) kan vi integrera olika typer av informationskällor och hitta komplexa mönster. Detta gör det möjligt att utnyttja potentialen i Sveriges unika hälso- och sjukvårdsregister, kombinera med exempelvis bilddiagnostik, och skapa ny kunskap om hur vi ger bästa möjliga vård. Utveckling behövs dock när det gäller precision och tolkningsbarhet för att göra modellerna praktiskt tillämpbara för stöd till beslut inom hälso- och sjukvården.
Stroke (en propp eller blödning i hjärnan) är ett exempel på en komplex sjukdom vad gäller orsaker och behandling. I Sverige inträffar cirka 23 000 fall årligen. Tre månader efter stroke är en fjärdedel avlidna eller beroende av hjälp. För att uppnå vårt övergripande mål kommer vi först att utveckla och validera modeller för prediktion. Därefter kommer vi att utvärdera modellernas prediktionsförmåga och användbarhet för att förstå orsakerna till ett brett spektrum av utfall och identifiera effektiva insatser. Slutligen kommer vi att modellera effekten av framtida förändringar i exempelvis tillgång till nya behandlingar. För en grupp av patienter med hjärnblödning, vilka har en sämre och än mer oförutsägbar prognos, kommer vi att komplettera registerdata med datortomografi-bilder.
Vårt tvärvetenskapliga team, bestående av biostatistiker, AI-experter, och strokespecialister, kommer att utveckla, utvärdera och externt validera dessa innovativa AI-modeller. Den kunskap som genereras kommer att vara avgörande för att identifiera interventionsmål på individ-, grupp- och sjukvårdsledningsnivå, vilket underlättar resursallokering för krävande sjukdomar som stroke. De metoder som utvecklas kan anpassas till nytta för andra komplexa sjukdomsgrupper.
