Forskningsprojekt Datadriven precisionsmedicin för förbättrad antibiotikabehandling och infektionskontroll
Vårdrelaterade infektioner och onödiga antibiotikabehandlingar är allvarliga problem inom sjukvården. I det här projektet utvecklar vi AI-modeller, inklusive stora språkmodeller, som kan hjälpa till att förbättra infektionskontroller och antibiotikahantering.
I projektet använder vi maskininlärning för att skapa individuella riskprofiler och prediktiva modeller. Syftet är att förebygga vårdrelaterade infektioner, det vill säga infektioner som uppstår hos sjukhusvårdade patienter.
Genom att analysera stora mängder elektroniska patientjournaler (>19 miljoner vårdtillfällen på Karolinska universitetssjukhuset) är målet att utveckla modeller som kan användas för att minska onödig antibiotikabehandling och förutsäga vilka patienter som kommer att drabbas av en infektion. För att validera våra forskningsresultat kommer vi att utvärdera modellernas prediktiva prestanda på patienter i Region Västerbotten.
Modellerna kommer att baseras på både strukturerade data och klinisk text med hjälp av maskininlärning och stora språkmodeller. Vi utforskar även metoder som kan förklara modellernas prediktioner i syfte att bidra till tillförlitlig AI inom hälso- och sjukvården.
Projektet ligger i framkant inom forskning om datadrivet patientsäkerhetsarbete och kan bidra till minskad antibiotikaanvändning, minskad förekomst av vårdrelaterade infektioner och minskad antibiotikaresistens.
Projektmedlemmar
Projektansvariga
Aron Henriksson
Universitetslektor, docent
Suzanne Ruhe-van der Werff
Anders Johansson
Professor
Mer om projektet
Målet är att förbättra vår förståelse för varför patienter utvecklar vårdrelaterade infektioner och att utveckla innovativa åtgärder för att förebygga dessa infektioner. Vi följer individuella patientförlopp inom sjukhuset och utvecklar individualiserad riskprofilering med hjälp av data science och maskininlärningsmetoder, för att minska onödig användning av antibiotika, antimikrobiell resistens och utveckling av vårdrelaterade infektioner. Projektet kommer även att främja metodologisk kunskap om datadriven patientsäkerhetsforskning.
Specifika mål:
- Att undersöka faktorer som bidrar till felaktig antibiotikaanvändning och att utveckla prediktionsmodeller för att undvika onödiga antibiotika.
- Att utveckla helautomatiserade algoritmer och prediktionsmodeller för vårdrelaterade infektioner.
- Att undersöka effekterna av implementering av helautomatiserade övervakningssystem för vårdrelaterade infektioner i kliniska miljöer.
Projektets effekt kommer att vara en ökad förståelse för orsakerna till och utvecklingen av negativa händelser och hur detta kan användas för att utveckla beslutsstödsystem för förebyggande åtgärder och förbättrad patientsäkerhet. Det kommer också att bidra till förbättrade AI-tillämpningar baserade på strukturerade data och fritext i elektroniska patientjournaler, inklusive användningen av stora språkmodeller inom hälso- och sjukvården.