Artificial Intelligence Support in Medical Emergency Calls – AISMEC prosjektet

AISMEC er et forskningsprosjekt som har som mål å utvikle beslutningsstøtte i form av kunstig intelligens (KI) til operatørene på medisinsk nødtelefon (113). Ved hjelp av KI, vil AISMEC-prosjektet analysere det som blir sagt i 113-samtalen og sammenholde det med pasientens sykehushistorikk, medikamentbruk og blodprøveresultater. Dermed kan operatørene få støtte i form av en beregnet risiko for at pasienten har hjerneslag.

AISMEC ble opprettet i 2020 på initiativ fra leder i KoKom (Nasjonalt kompetansesenter for helsetjenestens kommunikasjonsberedskap), Guttorm Brattebø. Innsikt i den meget utfordrende jobben med å besvare 113-anrop, gjorde at prosjektet kom i stand for å forsøke å bidra til å styrke operatørenes beslutningsgrunnlag i de krevende nødsamtalene. I første omgang er fokus vurdering av hjerneslag, men man kan se for seg samme metodikk også for andre tilstander, som f.eks. brystsmerter eller pustevansker. AISMEC ble etablert som et samarbeid mellom flere offentlige instanser, og det ble etter søknad tildelt støtte fra Forskningsrådet.

I AISMEC er vi opptatt av at all utvikling skal forankres i, og testes med, forskningsmetoder. Det er ingen private interesser i prosjektet, og profitt er ikke et tema.

Organisering

Prosjektet er tredelt, der vi først gjør et arbeid med innhenting av bakgrunnsinformasjon og aktuelle data, som er relevant for utvikling av KI-modellen. Dette vil resultere i to forskningsartikler, hvorav den ene er innsendt og på vei mot publisering. I del to utvikles selve AI-modellen på historiske pasientdata, mens del tre fokuserer på testing av KI-modellen på et nytt sett historiske pasientdata (et stort antall innringere til 113 ved AMK Bergen). Dersom vi lykkes med å utvikle en fungerende KI-modell, vil en ev. testing i sanntid på 113 (først i skyggemodus) komme som et eget forskningsprosjekt i forlengelsen av det pågående prosjektet.

Fintuning av tale til tekst-modell

Basert på Nasjonalbibliotekets Whisper, har vi trenet en tale til tekst-modell til å takle transkribering av nødsamtaler fra tale til tekst. Dette er nødvendig, da en del av KI-modellen i AISMEC vil bestå av analyse av det som sies i 113-samtalen, og det gjøres som tekstanalyse.

En nødsamtale skiller seg en god del fra en vanlig telefonsamtale i at den inneholder en del lite brukte ord (AMK; adresser; navn; medisinske ord og uttrykk etc.), i tillegg til at det kan være en del støy, uro, emosjoner, gråt, roping etc. i samtalene. Derfor vil en vanlig tale til tekst-modell ikke prestere godt nok. Vår spesialtrenede modell er ferdig utviklet og testet og presterer bedre enn en vanlig modell. Det planlegges publisering av artikkel om modellen.

Analyse av nødsamtaler for trombektomi pasienter

En andel av pasienter som opplever hjerneslag kan være aktuelle for behandling med såkalt trombektomi («trombe-fisking»). Disse pasientenes forløp gjennom akuttsystemet i helsevesenet er spesielt interessant, da det ville vært meget gunstig for behandlingsresultatet å kunne rute dem rett til et sykehus som gjør trombectomi, og ikke via lokalsykehus først. Derfor har vi i et delprosjekt gått gjennom nødsamtalene til pasienter som har fått gjennomført trombectomi i Helse Bergen i 2019 og 2021 for å se om det er noe som kjennetegner dem. Funnene er beskrevet i en artikkel som er til vurdering for publisering i et internasjonalt forskningstidsskrift.

KI-analyse for å undersøke om pasienter som er aktuelle for trombektomi kan oppdages allerede i nødsamtalen

Vi er i startgropen og vurderer å se på om KI kan benyttes for å kunne oppdage pasienter som kan være aktuelle for trombektomi allerede i nødsamtalen. Tidlig oppdagelse av slike pasienter vil ha store, positive konsekvenser for både pasienten og behandlingsutfallet, det prehospitale systemet og sykehusene.

Regionale komiteer for medisinsk og helsefaglig forskningsetikk (REK) Vest har godkjent prosjektet (REK-nr.: 108573), og vi er i løpende dialog med REK Vest når det gjøres endringer i prosjektet eller prosjektgruppen. Personvernombudet i Helse Bergen og ved Haraldsplass Diakonale Sykehus har begge godkjent prosjektet (eProtokoll-nr: 1612-1612). Alle pasienter hvis data hittil er forsket på, har fått brev om prosjektet med mulighet for å trekke seg (passivt samtykke). Dette er i tråd med REK Vest sitt vedtak og brevet er godkjent av REK Vest.

AMK-data (journal og lydlogg)
Sykehusjournaldata fra Haukeland Universitetssykehus og Haraldsplass Diakonale Sykehus (tidligere sykdommer, prosedyrer og innleggelser relevante for beregning av risiko for hjerneslag)
Reseptdata fra Legemiddelregisteret (relevante for beregning av risiko for hjerneslag)
Blodprøvedata fra Haukeland Universitetssykehus (relevante for beregning av risiko for hjerneslag)

Guttorm Brattebø (leder) – KoKom, Helse Bergen
Emil Iversen – KoKom, Helse Bergen
Pål Ove Vadset – FoU-avdelingen, Helse Bergen
Anders Strand Vestbø – FoU-avdelingen, Helse Bergen
Erlend Hodneland – FoU-avdelingen, Helse Bergen
Audun Lange – FoU-avdelingen, Helse Bergen
Lars Myrmel – Akuttmedisinsk avdeling, Helse bergen
Alexander Lundervold – Institutt for datateknologi, elektroteknologi og realfag, Høgskulen på Vestlandet
Christian Autenried – Team Kunstig Intelligens, Helse Vest IKT
Cosimo Damiano Persia – Team Kunstig Intelligens, Helse Vest IKT
Hege Ihle-Hansen – Vestre Viken HF / Oslo Universitetssykehus
Merethe Landaas – LHL Hjerneslag