Utvärdering av system för tidig detektion av sepsis med skalbar AI-tjänsteplattform

Syfte och mål

Tidig detektion av svåra bakteriella infektioner är av yttersta vikt; de har hög mortalitet och långa vårdtider som medför stora kostnader för samhället. Ett IT-stöd som kontinuerligt övervakar alla intagna patienter på ett sjukhus skulle sannolikt vara en stor vinst för patient och sjukvårdssystem. Målet med projektet var att göra en teknisk utvärdering av Neuron - en generell AI-plattform - med en algoritm för detektion av patienter med risk att få sepsis samt undersöka CE-situationen, dvs vägen till kommersialisering av tekniken i sjukvården.

Resultat och förväntade effekter

En detektionsalgoritm för sepsis utvecklades för att utvärdera vår AI-ansats med ett högpresterande datorkluster. Projektet visar att tekniken är färdigutvecklad och robust, och att systemprestanda är fullt tillräckligt för att betjäna större sjukhus och regioner avseende sepsisdetektion. Kommersialisering kräver en kontrollerad klinisk studie med svensk patientdata och kvalitetssäkringar i enlighet med EUs nya Medical Device Regulation. Vår AI-ansats har även rönt intresse utanför sjukvården med större satsningar inom sjöfart och flygledning.

Upplägg och genomförande

En AI-algoritmen för sepsisprediktion - LiSep LSTM - utvecklades och tränades på datasetet MIMIC-III i AP1 och AP2. Ett högpresterande datorkluster (mjukvara och hårdvara) togs fram och installerades i RÖs datahall med integration mot avidentifierade patientdatakällor (AP3). I AP4 skulle systemet utvärderas i klinisk verksamhet vid Universitetssjukhuset i Linköping men detta kunde inte genomföras pga. Covid-19. I stället gjordes en teknisk test av systemets prestanda med sepsisalgoritmen. I AP5 undersöktes vägen till ett CE för produkten.