Projektets fullständiga titel är "Improving Prediction Models for Diagnosis and Prognosis of COVID-19 and Sepsis with Natural Language Processing of Clinical Text". Målet med det här forskningsprojektet är att utveckla prediktionsmodeller som underlättar diagnosticering och prognoser av infektionssjukdomar baserat på data i elektroniska patientjournaler. Huvudfokus är utveckling av multimodala modeller som hämtar information från klinisk text, utöver strukturerade data.

Vi använder maskininlärning och språkteknologi för att utveckla multimodala kliniska prediktionsmodeller. Tanken är att sådana modeller ska stödja läkare att ställa diagnoser och göra prognoser av infektionssjukdomar som covid-19 och sepsis. Prediktionsmodeller som tidigt kan upptäcka en sjukdom eller generera prognoser för sjukdomsprogression leder till bättre utfall, ökad patientsäkerhet samt effektivare allokering av sjukvårdsresurser.

En viktig komponent i de multimodala prediktionsmodellerna är förtränade språkmodeller som är särskilt utvecklade för, eller anpassade till, den kliniska domänen. Målet är att skapa bättre prediktionsmodeller genom att utnyttja kliniska språkmodeller, anpassade till att utföra en viss uppgift (till exempel tidig prediktion av sepsis), för att skapa representationer av klinisk text, och samtidigt inkorporera strukturerade kliniska data.