Intelligent beslutsstöd i hemsjukvård

Viktiga resultat som projektet gav

Projektets syfte har varit att utveckla ett intelligent beslutsstöd som möjliggör effektiv hemmonitorering av patienter med kroniska sjukdomar. Tidserier med data från tjugo års forskningsprojekt inom främst KOL och hjärtsvikt har legat till grund för modellbygge med hjälp av maskininlärning. Genom att kartlägga faktorer som medger prediktering och tidiga insatser för att förebygga försämringar förstärks det digitala stödsystemet. För Phoniro har projektet inneburit en värdefull kunskapsuppbyggnad kring möjligheterna med användning av AI och maskininlärning.

Långsiktiga effekter som förväntas

Den centrala idén har varit att med hjälp av AI och maskininlärning använda data och vetenskaplig evidens från tidigare studier med Phoniros digitala Hälsodagbok stödja individanpassad distansövervakning av symtom och statusparametrar samt övervakning av intag av behovsmediciner. Studierna av beslutsparametrar för KOL och hjärtsvikt med hjälp av maskininlärning har genomförts som planerat och rapporteras öppet i vetenskapliga publikationer. Målsättningen att implementera beslutsstödet som en del i Hälsodagboken har dock inte kunnat fullföljas inom projektet.

Upplägg och genomförande

Studier utfördes med algoritmer för maskininlärning för att förstå den prediktiva potentialen hos våra baslinjedata. Vi skapade också statistiskt sunda syntetiska data som genererades på baslinjemätningar och använde dessa syntetiska data för att skapa mer robusta ML-modeller. I projektet har vi också samlat nya data med egenmonitorering av vårdkrävande patienter med KOL. Hjärtsviktsdata och modellering för palliativ hemsjukvård har även behandlas. Under analysarbetet har noterats att tidiga exacerbationer under studietiden tycks avvika mer från baslinjen än de senare.