Leder an i bruk av kunstig intelligens og maskinlæring

Datamaskiner kan ikke erstatte menneskehender i helsevesenet - men de kan gjøre mye! Ved Ahus har det vokst frem et sterkt miljø rundt bruken av kunstig intelligens og maskinlæring, til pasientenes beste. 28. oktober arrangerer analyseavdelingen et seminar om temaet.

vi gir data mening

​Hva kan språkteknologi bidra med for å forhindre hjertesvikt? Potensielt mye, skal vi tro informatiker og forsker Fredrik Dahl ved Akershus universitetssykehus. Han forteller om en rivende utvikling innenfor maskinlæring de siste årene, en teknologi som helsesektoren kan dra stor nytte av. Ved Ahus har analyseavdlingen opparbeidet solid kompetanse på å hente ut data fra fagsystemene og tilrettelegge for analyse.

28. arrangerer de et seminar om temaet: NLP in Health - What is Possible, Useful and Allowed?

Sterkt miljø på Ahus

Analyseavdelingen sørger for at relevant informasjon trekkes ut av store mengder data som hele tiden genereres i sykehussystemene via det som kalles «datavarehuset», der data fra alle systemer legges til rette for videre bruk.

- Det er en viktig oppgave er å gjøre informasjon tilgjengelig for bruk i hverdagen, så klinikerne kan dra nytte av den, til det beste for pasienten, sier avdelingsleder Lars Åge Møgster.

Et sterkt miljø vokser nå fram på Ahus knyttet til maskinlæring og kunstig intelligens med flere prosjekter og mange bruksområder på gang. Analyseavdelingen forsyner ledere, forskere og kvalitetsprosjekter med etterspurte data.

- Stadig flere etterspør mye mer enn bare rådata. De vil ha hjelp til å forstå datastrukturene og til teknisk tilrettelegging av datasett med ustrukturert informasjon, som ulike tekster, sier Lars Åge Møgster.

Se film om analyseavdelingen: Vi gir data mening (Youtube)


Analyseavdelingen.jpg

Deler av analylseavdelingen ved Ahus, med avdelingsleder Lars Åge Møgster til høyre, og analytiker Fredrik Dahl i midten.

Uutnyttet potensiale i journalene

- Maskinlæring er en type kunstig intelligens som har eksistert i rundt 20 år. Årsaken til at utviklingen har skutt i været den siste tiden, forklarer informatiker Fredrik Dahl, er dagens tilgang på enorme mengder data.

Jo mer data, jo større grunnlag for at maskinene lærer. Ved et sykehus er pasientjournalene et godt eksempel på et slikt grunnlag. Her finnes dessuten mye informasjon som vi kan dra nytte av.

- Det finnes et uutnyttet potensiale i medisinske journaler, forteller Dahl.

Nødvendig satsningsområde

Dahl forsker på automatisk forståelse av språk, og på hvordan maskiner kan hente ut nyttig informasjon fra journalene og andre systemer på sykehuset, som kan brukes til blant annet å identifisere pasienter med behov for behandling.

- Vi er et stykke unna før vi har de verktøyene vi trenger for å nyttiggjøre oss informasjonen som ligger i journalene, forteller Dahl. Men han har tro på en rask utvikling og på behovet for å satse videre på teknologien og tilpasse den til norske forhold:

- Norsk klinisk språkteknologi er et nødvendig satsningsområde for å kunne benytte seg av kunnskapen som ligger i ustrukturerte journaler, sier han.

Vil forhindre hjertesvikt

Dahl og kolleger jobber blant annet med å automatisk hente ut informasjon fra pasientjournaler om hvorvidt pasienter har besvimt eller ikke. Besvimelse, eller «synkope», som er den medisinske betegnelsen, kan ha sammenheng med hjertestans. Men selv om synkope har en egen diagnosekode, blir den ofte ikke blir lagt inn i systemet.

- Ved hjelp av maskinlæring kan vi trene opp dataprogrammer til å plukke ut journalnotater som beskriver besvimelse. Informasjonen som programmene henter fra journalnotatene kombineres med andre data om pasienten, og dette kan brukes til å lage en modell for å identifisere pasienter som står i fare for å få hjertesvikt, sier Dahl.

Trening av dataprogrammer i to trinn

Å trene dataprogrammer for denne jobben foregår gjerne i to trinn. Først trenes en slags generell språkforståelse, ved at programmene analyserer store mengder tekst for å bygge modeller av hvilke ord som har liknende betydning. Dette kan programmene få til «på egen hånd».

- Når en konkret oppgave skal løses, er vi avhengige av at mennesker leser igjennom en mengde eksempler og lager en «fasit», som i dette tilfellet er hvilke tekster som handler om besvimelse.

Deretter trenes igjen dataprogrammer opp til å etterlikne fasiten.

- Denne prosessen går lettere når programmene kan bygge den generelle språkmodellen fra trinn en, sier Fredrik Dahl.

Mange muligheter - behovet for kompetanse øker

Med et godt samarbeid med forskningsmiljøene og teknologimiljøet på Ahus ligger det godt til rette for at Ahus kan være i front av utviklingen innen et voksende fagfelt.

- Mulighetene er mange. Å bli invitert med som «BigMed-partner» og tildeling av midler til prosjekter har vært viktig for oss siste årene. Deltakelse i interne og eksterne prosjekter bygger kompetanse i alle ledd, sier Møgster.

Se også: BigMed.no

Hittil har avdelingen jobbet med blant annet identifisering av risikopasienter, automatisk lesing av fenotypisk informasjon til beslutningsstøtte, automatisk koding til registre, og data til klinisk forskning.

- Fagområdet «Data & analytics» er det sterkest voksende innenfor IKT-feltet, med stor etterspørsel etter data og løsninger internt, og med rivende teknologisk utvikling av verktøy til bruk i arbeidet, sier Lars Åge Møgster.

Se flere nettsaker om fremtidens pasientbehandling på Helse Sør-Øst RHF’s temaside