Autonom storskalig fyndanalys för effektivisering av bilddiagnostik

Syfte och mål

Målet för projektet var att skapa ett verktyg för verksamhetsledning riktat mot bilddiagnostik. Verktyget skulle, med AI, analysera remisser och svar i syfte att kunna svara på frågan om rätt saker görs. Inom projektet utvecklade vi ett verktyg som automatiskt kan avgöra hur många positiva fynd man gjort i en samling svar. Denna statistik kan följas över tid och användas av verksamhetsledningen för att övervaka om en indikationsglidning potentiellt har skett. Det kan också användas för att skaffa sig fakta om olika patientgrupper behandlas på ett jämlikt sätt.

Resultat och förväntade effekter

Det huvudsakliga resultatet i projektet är ett system för fyndfrekvensanalys som avses att användas som underlag vid diskussioner angående när och vilka undersökningar som ska genomföras. Arbetet i projektet har också resulterat i vetenskapliga publikationer. Metoden vi använt oss av för automatisk analys av svar presenterades på European Congress of Radiology 2017. Arbetet har också legat till grund för två ST-rapporter. Metoderna för överfört lärande med språkmodeller som vi tagit fram i projektet kan utgöra basen för ett generellt arbetssätt inom textanalys.

Upplägg och genomförande

Projektet genomfördes av tre parter, Sectra, Uppsala Universitet och Röntgen Region Östergötland. I den tidiga fasen av projektet var Region Östergötland drivande, då det handlade om att bestämma vad beslutstödet skulle rikta sig mot samt märka upp data. Utveckling av algoritmer och prototypsystem skedde till största del hos Sectra. Sectras expertis och system för mjukvaruutveckling gjorde att denna del i projektet avlöpte väl. Projektet har inte stött på några större svårigheter, vilket är ovanligt. Detta är nog en delförklaring till varför projektet slutar en bit under budget.