– Om allvarligt skadade transporteras direkt till ett universitetssjukhus ökar chansen att de överlever, eftersom där finns resurser att ta hand om alla typer av skador. Därför måste vi bättre kunna säga vilka som är allvarligt skadade, och vilka som inte är det, så att alla får rätt vård och att resurserna används på bästa sätt, säger Anna Bakidou, doktorand i forskargruppen Care@Distance – Remote and Prehospital Digital Health vid institutionen för elektroteknik på Chalmers tekniska högskola.

Studien gjordes inom ramen för EU-projektet Kontiki – AI som beslutsstöd för patienter och hälso- och sjukvård som leds av Högskolan i Borås och Høgskolen i Østfold. Totalt har projektet beviljats drygt 23 miljoner kronor av Interreg Sverige-Norge.

I projektet ingår bland annat flera delprojekt om trauma inom ambulanssjukvården, där unika data från Sverige och Norge ska användas för att utveckla, testa och implementera AI-baserade beslutsstöd för ambulanspersonalen.

Bygger på över 47 000 verkliga händelser

I en nyligen publicerad studie har Anna Bakidou och medförfattarna tagit fram fem olika matematiska modeller som bygger på data om vuxna personer som kommit i kontakt med ambulanssjukvård mellan 2013 och 2020. De handlar om data från över 47 000 verkliga händelser, hämtade från Svenska traumaregistret, där det även framgick vart personerna transporterats. Genom att väga samman en mängd komplexa variabler, som till exempel andningsfrekvens, skadetyp, blodtryck, ålder och kön, visade det sig att samtliga AI-modeller kan prestera bättre än det kliniska utfallet – alltså de transportbeslut som togs av ambulanspersonalen vid händelsen.

Många allvarligt skadade togs till vanliga sjukhus

Det visade sig att 40 procent av de allvarligt skadade patienterna inte skickades direkt till ett universitetssjukhus. Samtidigt skickades 45 procent av de icke allvarligt skadade till universitetssjukhus i onödan, då deras skador hade kunnat tas om hand på ett vanligt sjukhus.

– Ambulanspersonal ställs ständigt inför svåra och snabba beslut. Vår förhoppning är att ett mer objektivt beslutsstöd ska kunna fungera som en ”extra kollega” som får personalen att se mer komplexa samband och tänka till en extra gång i de fall då skador kan vara svåra att uppfatta eller bedöma, säger Anna Bakidou.

Skillnader mellan hur yngre och äldre bedöms

Som exempel nämner hon att yngre personer, som i hög utsträckning råkar ut för trafikolyckor, ofta bedöms som mer allvarligt skadade än de är, medan äldre personer, som till exempel råkar ut för fallolyckor, bedöms som lindrigt skadade trots att deras tillstånd plötsligt kan bli livshotande, till exempel på grund av inre blödningar.

Även om de matematiska modellerna visar att många människoliv potentiellt skulle kunna räddas, är det en hel del som återstår innan ambulanspersonal kan använda sig av tekniken. Ett avgörande steg är att hitta metoder för att snabbt och lätt få in alla uppgifterna i AI-verktyget och att tjänsten ska kunna samspela med användarna på ett bra sätt.

– Kan man till exempel prata med verktyget för att kunna ha båda händerna fria? Hur kan befintliga rutiner och protokoll användas för att fungera ihop med AI:n och hur kan råden till personalen uppdateras när nya uppgifter tillkommer? Sådana saker behöver vi testa och ta hänsyn till när vi går vidare med fler studier och prototyparbete, säger Anna Bakidou.

Flera steg innan tekniken kan tas i bruk

Innan AI-tjänster skulle kunna bli en del av vardagen för ambulanspersonal krävs också kliniska prövningar i stor skala över tid.

– Regelverken gör att det tar tid och det finns också en rädsla för AI. Det kan ju bli allvarliga konsekvenser om det blir fel. Allt som ska införas i vården ska vara validerat. Samtidigt vet vi att några av de metoder som används i dag inte alltid är de bästa. Just när det gäller ambulanssjukvården finns det inte så mycket forskning kring AI och vi hoppas att våra matematiska modeller ska kunna bidra med stöd som är anpassat för arbetsmiljön och som i förlängningen ger en mer jämlik vård, säger medförfattaren Stefan Candefjord, docent vid institutionen för elektroteknik på Chalmers.

Läs mer

Den vetenskapliga artikeln ”On Scene Injury Severity Prediction (OSISP) model for trauma developed using the Swedish Trauma Registry” har publicerats i BMC Medical Informatics and Decision Making. Bakom studien står Anna Bakidou, Eva-Corina Caragounis, Magnus Andersson Hagiwara, Anders Jonsson, Bengt Arne Sjöqvist och Stefan Candefjord. Forskarna är verksamma vid Chalmers tekniska högskola, Sahlgrenska akademin vid Göteborgs Universitet och Högskolan i Borås.

Studien gjordes inom ramen för flera forskningsprojekt, som Kontiki och ASAP PoC, och forskningen har finansierats av Interreg Sverige-Norge, IoT Sverige, Carnegiestiftelsen, Adlerbertska stiftelserna och Centrum för katastrofmedicin.

Text: Chalmers | Mia Halleröd Palmgren
Porträttfoton: Chalmers | Malin Arnesson
Ambulansfoto: Chalmers | Mia Halleröd Palmgren