PSYCOP

PSYCOP-projektet blev etableret i 2021 (publiceret august 2021). Kohorten omfatter retrospektive data fra perioden 1. januar 2011 til 28. oktober 2020, inkluderende 119.291 patienter med mindst én kontakt til psykiatriske tjenester i Region Midtjylland.

Projektet er igangværende med løbende udvikling af modeller og værktøjer med fokus på implementering i klinisk praksis.

SYCOP anvender:

Machine Learning metoder:

• Klassiske machine learning modeller for hurtig iteration
• Avancerede sekventielle deep learning modeller for tidsserie-analyse af elektroniske patientjournaler (EHR)
• Natural Language Processing (NLP) til behandling af kliniske notater og udskrivningsresumeer

Representation learning:

• Multi-modal læring på forskellige datatyper fra elektroniske patientjournaler
• Transformation af komplekse sundhedsdata til brugbare prædiktioner

Systemet kombinerer klinisk ekspertise med state-of-the-art datascience for at skabe prediktive modeller med eksplicit fokus på klinisk anvendelighed.

• Retrospektiv kohorte omfattende 119.291 patienter
• Tidsperiode: 1. januar 2011 - 28. oktober 2020
• Geografisk område: Region Midtjylland

Datatyper fra elektroniske patientjournaler:

• Diagnoser
• Behandlingsinformation
• Kliniske notater
• Udskrivningsresumeer
• Laboratorietest
• Recepter og medicinering
• Kontakt- og indlæggelsesdata
• Multi-modal data fra EHR-systemer

Alle data stammer fra reelle elektroniske patientjournaler fra psykiatriske services i regionen.

Dokumentationen nævner ikke eksplicitte sikkerhedsforanstaltninger, men projektet opererer under:

• Universitets- og hospitalsstandarder for databeskyttelse
• Regionalt etisk godkendelse (implicit gennem hospitalssamarbejde)
• Akademisk forskningsprotokol gennem Aarhus Universitet

Validering og evaluering:

• Omfattende værktøjer til datavalidering
• Grundig modelvalidering med fokus på klinisk anvendelighed
• Fokus på ekstern validering (for at undgå tidligere problemer i feltet)
• Tværfaglig supervision fra både klinisk medicin og datascience

Status: PSYCOP er et igangværende forsknings- og udviklingsprojekt. Projektet er i en udviklingsfase med:

Nuværende arbejde:

• Udvikling af værktøjer til grundig validering af data og modeller
• Hurtig iteration på klassiske machine learning modeller
• Open-source tilgængelige værktøjer på GitHub for feature-generering og datavalidering
• Modeltrænning og evaluering

Planlagte projekter:

• Representation learning på multi-modal EHR-data
• Dybe sekventielle modeller for EHR-tidsserier

Identificerede udfordringer i feltet: Projektet adresserer kendte problemer i 'precision psychiatry':

• Tidligere studiers manglende ekstern validering
• Manglende implementering i klinisk praksis
• Snævert fokus på få udvalgte outcomes

Løsninger:

• Eksplicit fokus på evaluering, feasibility og implementering i virkelig klinisk psykiatri
• Anvendelse af stor, repræsentativ datasæt
• Tværfagligt samarbejde mellem klinikere og datascientister

Problemstilling:

• Personer med psykiske lidelser oplever betydeligt reduceret livskvalitet og levetid
• Nuværende prediktionsstudier omsættes sjældent til klinisk praksis
• Behov for personaliserede forudsigelser af sygdomsforløb og behandlingsrespons

Formål:

• Forbedre behandling og patientresultater gennem klinisk anvendelige machine learning-værktøjer
• Fremme feltet precision psychiatry gennem state-of-the-art metoder
• Øge livskvalitet og levetid for personer med psykiske lidelser
• Forbedre behandlingsplanlægning og prognosticering

Forskningsgrundlag: Projektet bygger på erkendelsen af, at rige elektroniske patientjournaler indeholder værdifuld information, der kan udnyttes til at forbedre patientpleje, hvis de behandles med avancerede machine learning-metoder.

Dokumentationen nævner, at feltet "precision psychiatry" er nyt ("nascent field"), og at tidligere studier har haft følgende problemer: