Maskininlärning-baserat diagnosbeslutsstöd för radiologi

Syfte och mål

Stora mängder information skapas varje dag inom hälso- och sjukvårdssektorn och den utgör en guldgruva av klinisk kunskap. Denna guldgruva är idag dessvärre i stort sett outnyttjad. Inom ramen för detta projekt skapade vi ett beslutstödssystem för läkare baserat på maskininlärning. Detta system kan användas för att hjälpa till att hitta differentialdiagnoser (diagnoser med liknande symptom) genom att analysera tusentals ostrukturerade historiska fall. Differentialdiagnoserna presenterades som en lista av kandidater med tillhörande sannolikheter.

Resultat och förväntade effekter

Vi utvecklade en första prototyp av ett beslutsstödssystem som presenterades på det årliga mötet för Radiological Society of North America (RSNA) under december 2016. Prototypen var mycket uppskattad och ansågs vara ett intressant hjälpmedel i läkarens vardag. Projektet ledde också till förnyade samarbeten mellan det medicintekniska företaget Sectra AB och Region Skåne, Region Östergötland samt maskininlärningsgruppen vid Uppsala universitet (UU). Inom ramen för dessa samarbeten kommer prototypen att vidareutvecklas och utvärderas i en riktig klinisk miljö.

Upplägg och genomförande

Projektledaren utlokaliserades från UU till Sectra under det halvår som projektet ägde rum. Under denna tid hjälpte projektledaren till att utveckla prototypen av beslutsstödssystemet tillsammans med anställda på Sectra. Projektledaren hjälpte även till i andra projekt som använde sig av maskininlärning. Under projektet dokumenterades viktiga lärdomar och problem som behöver överkommas för att sätta prototypen i bruk i en klinisk miljö. Framtida medel för forskning kopplade till dessa problem har sökts och erhållits från Vinnova.