Kunsten at finde nlen i en brndende hstak
Kunsten at finde nålen i en brændende høstak Thomas Schmidt, Adjunkt. schmidt@mmmi. sdu. dk Health Informatics & Technology, University of Southern Denmark Centre for Innovative Medical Technology, Odense University Hospital THE MAERSK MC-KINNEY MOLLER INSTITUTE
AI i Akutmedicin Patientmonitorering Realtidsdetektering af en række fysiologiske variable • Monitorering af gang-patienter • Automatisk integration af data strømme • Håndtering af missing og ‘tyndt’ data • Identifikation af forskellige risici og uønskede udfald Prædiktiv modellering Forudsigelse af sygdomsrisiko og uønskede udfald samt hændelser. • Forudsigelse af (gen)indlæggelser • Risiko for børn med bronkitis • Kranieskader • Sepsis • En række cardio problematikker Håndtering af personale, patienter og ressourcer Drift • Forudsigelse af arbejdsbelastning • Flaskehalse og overbelægning • Triagering og patient stratificering • Vagtplanlægning • Ressourceallokering og optimering THE MAERSK MC-KINNEY MOLLER INSTITUTE
Arbejdsgange Træls data Falske alarmer Arkitektur Patientvariation Klinisk erfaring Realtidsintegration Interprofessionel kommunikation Højt personaleflow Mangel på udstyr
We tend to overestimate the effect of a technology in the short run and underestimate the effect in the long run Roy Amara
3 eksempler Kan vi udpege hvilke patienter der genindlægges, og hvilke der potentielt genindlægges unødvendigt? Kan infrarød termografi bruges som værktøj til bestemmelse af kernetemperatur og hvordan kan et sådan system automatiseres? Identifikation af risikopatienter på Fælles Akutmodtagelsen ved brug af eksisterende apparatur – og udvikling af nye systemer. THE MAERSK MC-KINNEY MOLLER INSTITUTE
Prædiktiv modellering 515, 000 DKK årligt pr patient 35% Af sengedage 29% Af udgifterne 1% 34% af genindlæggelserne Af befolkning THE MAERSK MC-KINNEY MOLLER INSTITUTE
Kohorten - Tværspor • Data fra juni 2012 til december 2018 • Four Danish municipalities: • Horsens • Hedensted • Skanderborg • Odder THE MAERSK MC-KINNEY MOLLER INSTITUTE
2 Modelkonstruktion Konstruktion af to modeller til forudsigelse af hhv. genindlæggelse og genindlæggelser der potentielt kan undgås (PAR) 723 features 848 features THE MAERSK MC-KINNEY MOLLER INSTITUTE
Prediction of rehospitalizations Prediction of PARs 0. 76 Area under the curve 0. 73 Area under the curve THE MAERSK MC-KINNEY MOLLER INSTITUTE
? Hvornår er det besværet værd at inkludere alle features? I så fald, hvordan indlejrer vi dem bedst i beslutningsstøtteværktøjer? -1
Infrarød Termografi som prognostisk værktøj Hvordan kan infrarød termografi (IRT) bruges som værktøj til at identificere patienter med risiko forværring? C F N E • Måling af kernetemperatur med IRT? • Gradientbestemmelse • Brug af IRT til identifikation af risikopatienter • Model til automatisering THE MAERSK MC-KINNEY MOLLER INSTITUTE
• • • Data fra 1070 patienter Kernetemperaturen kan ikke bestemmes med IRT Klar sammenhæng mellem gradienter (særligt d. N) og dødelighed IRT kan bruges til screening af patienter og til risikovurdering To deep learning modeller blev opstillet til identifikation af målepunkter • En med annoterede billeder, og en uden. • Bedste resultater fra model med annoteret data THE MAERSK MC-KINNEY MOLLER INSTITUTE
Patient monitorering THE MAERSK MC-KINNEY MOLLER INSTITUTE
Hvordan kan vi spotte patienter som er på vej til at blive uventet dårlige?
Ét aspekt af udfordringen THE MAERSK MC-KINNEY MOLLER INSTITUTE 21 April 2017
”Small data is big data in disguise. The reason we can often make good predictions from a small number of observations – or just a single one – is that our priors are so rich” THE MAERSK MC-KINNEY MOLLER INSTITUTE
Systemoverblik • Alle indlagte patienter • Ankomst triage, tidspunkt, alder, køn, cetrea note • Forløb under ophold på FAM • Senge, observationsregimer, noter, ændringstidspunkter, vitalmålinger hvert minut patienten er tilkoblet monitor. • Udskrivelsestidspunkt lidt antaget… THE MAERSK MC-KINNEY MOLLER INSTITUTE
Monitorload Factors related to monitoring during admission of acute patients. / Schmidt, Thomas; Bech, Camilla Louise Nørgaard; Brabrand, Mikkel; Wiil, Uffe Kock; Lassen, Annmarie Touborg. In: Journal of Clinical Monitoring and Computing, Vol. 31, No. 3, 2017, p. 641– 649. THE MAERSK MC-KINNEY MOLLER INSTITUTE
THE MAERSK MC-KINNEY MOLLER INSTITUTE
Vurdering af alvorlighed Absolut alvorlighed Clustering Emergency Department Patients : An Assessment of Group Normality. / Schmidt, Thomas; Hallam, John; Lassen, Annmarie Touborg; Wiil, Uffe Kock. Proceeding of the 37 th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC 2015). IEEE Press, 2015. p. 6824 -6829 Relativ alvorlighed THE MAERSK MC-KINNEY MOLLER INSTITUTE
Cluster randomiseret design Pilot studie Udført Q 3 2015 Kvalitetssikring Opstartet Maj 2018, afsluttes marts 2019. Med støtte fra SDU’s fond for strategiske initiativer. Forskning 3 Vinkler: • Klinisk • Teknisk • Økonomisk 2 x 3 projektsygeplejersker ansat. Inklusion af 10. 500 patienter. THE MAERSK MC-KINNEY MOLLER INSTITUTE
Acer Chromebase 24” – 6 stk Acer Chromebase 24” – 9 stk THE MAERSK MC-KINNEY MOLLER INSTITUTE
Lidt opsummerende data fra FAM@OUH • 37. 446 patienter med 47. 557 kontakter i perioden 18/7 -18 til 8/4 -19 • 12. 880 kontakter fik målt værdier med patientmonitor • 2. 488. 291 målinger registeret i alt En del røde og orange ved ankomst, har under deres efterfølgende indlæggelse målinger der samlet set er alvorligere end observationsregimet. THE MAERSK MC-KINNEY MOLLER INSTITUTE
Ens – men forskellige THE MAERSK MC-KINNEY MOLLER INSTITUTE
THE MAERSK MC-KINNEY MOLLER INSTITUTE 25
Pt. arbejder vi på! Automatiseret udvælgelse af repræsentative vital målinger – både for overmålere og undermålere… Novel prediction models for emergency department patients Amin Naemi, Phd Student@SDU THE MAERSK MC-KINNEY MOLLER INSTITUTE
”The fate of medicine in the time of AI”. Coeira (2018). The Lancet. ”The prospect of AI is a Rorschach blot upon which many transfer their technological dreams or anxieties. ”
SPØRGSMÅL?
- Slides: 28