Fler liv kan räddas om ambulanspersonal får AI-stöd
Fler liv kan räddas om ambulanspersonal får AI-stöd vid bedömningar av hur allvarligt skadade personer är, och vart de ska köras. Det visar en studie som prövat flera olika matematiska modeller som möjliga beslutsstöd.
Bakom studien, publicerad i tidskriften BMC Medical Informatics and Decision Making, står forskare vid Chalmers, Göteborgs universitet och Högskolan i Borås. Studien bygger på data om vuxna personer som kommit i kontakt med svensk ambulanssjukvård under åren 2013-2020.
Studien omfattar drygt 47 000 händelser hämtade från Svenska Traumaregistret, där det även framgår vart personerna transporterats. Efter sammanvägning av variabler som andningsfrekvens, skadetyp, blodtryck, ålder och kön, visade sig samtliga AI-modeller prestera bättre än det kliniska utfallet, alltså de transportbeslut som togs av ambulanspersonal vid händelserna.
Medförfattare och medicinsk expert i studien har varit Eva-Corina Caragounis, forskare inom traumakirurgi på Sahlgrenska akademin vid Göteborgs universitet och överläkare och kirurg på Sahlgrenska Universitetssjukhuset.
– Att bedöma en skadad patient prehospitalt, innan den kommer till sjukhus, kommer alltid att vara en utmaning. Personalen arbetar i en opraktisk miljö, under tidsnöd, med knapphändig information, och ska ta beslut om patientens tillstånd, som är dynamiskt och snabbt kan förändras, konstaterar hon.
Allvarligt skadade hamnade fel
Studien visar att 40 procent av de allvarligt skadade patienterna inte kördes direkt till ett universitetssjukhus. Samtidigt skickades 45 procent av de icke allvarligt skadade till universitetssjukhus med skador som hade kunnat tas om hand på ett annat akutsjukhus.
Förstanamn och korresponderande författare i studien är Anna Bakidou, doktorand i forskargruppen Care@Distance – Remote and Prehospital Digital Health, vid Institutionen för elektroteknik på Chalmers tekniska högskola.
– 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 resurserna används på bästa sätt, säger hon.
– 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, fortsätter Anna Bakidou.
Som exempel nämner hon att yngre personer i trafikolyckor ofta bedöms som mer allvarligt skadade än de är, medan äldre i fallolyckor bedöms som lindrigt skadade trots att deras tillstånd plötsligt kan bli livshotande till följd av inre blödningar.
Validering och samordning behövs
Även om matematiska modeller potentiellt kan rädda liv återstår mycket innan ambulanspersonal kan använda tekniken. Ett avgörande steg är att hitta metoder som snabbt och lätt får in alla uppgifterna i AI-verktyget, och att tjänsten ska samspela med användarna.
– Kan man exempelvis 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.
Innan AI-tjänster kan bli en del av vardagen för ambulanspersonal krävs också kliniska prövningar i stor skala över tid. Stefan Candefjord är docent vid Institutionen för elektroteknik på Chalmers, och sistaförfattare:
– 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, säger han.
– 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.
Eva-Corina Caragounis betonar också vikten av att framtida AI-stöd inom ambulanssjukvården är samordnade med sjukhusvården.
– Om man hade utgått från modellerna när man tog beslut om transportdestination skulle fler lätt skadade patienter köras till akutsjukhus och fler svårt skadade till universitetssjukhus. När man utvecklar verktyg för prehospital patientsortering gäller det dock att de går hand i hand med en organisation som både prehospitala enheter och involverade sjukhus är överens om, avslutar hon.