AI-modell för prediktion av odiagnostiserat förmaksflimmer

Viktiga resultat som projektet gav

Projektets huvudmål var att undersöka möjligheten, lämpligheten och prestanda för en AI-baserad algoritm att urskilja högriskpatienter för odiagnostiserat paroxysmal förmaksflimmer från patienter med låg risk med målsättningen att överträffa prestanda på motsvarande blodtest NT-proBNP. Projektet har visat att AI kan användas för ändamålet. I projektet har Zenicor förvärvat kompetens och erfarenhet inom AI genom samarbetet med specialisterna på Modulai AB.

Långsiktiga effekter som förväntas

Projektet har visat att en AI-baserad algoritm på ett framgångsrikt sätt kan användas för att identifiera högriskpatienter för paroxysmalt förmaksflimmer med en prestanda som överträffar tidigare använt blodprov. Modellen skulle i ett framtida kliniskt scenario kunna användas för att på ett enkelt och kostnadseffektivt sätt urskilja de patienter som har störst behov av en fördjupad screening för förmaksflimmer genom ett snabbt EKG-test på vårdcentral eller apotek. Projektet har visat att det finns praktisk nytta av modellen och ger incitament för ytterligare utveckling.

Upplägg och genomförande

Projektet genomfördes i samarbete med akademi och konsultbolag med inriktning på Artificiell intelligens. Genom samarbetet med forskare på Karolinska institutet och Cambridge University kunde projektet få tillgång till annoterad rådata samt förankra utvecklingen och säkerställa klinisk nytta och relevans. Genom att anlita erfarna specialister inom AI kunde projektet också effektivt identifiera lämpliga metoder och därmed frigöra tid för praktisk träning, utvärdering och validering av flera olika modeller.