Tidlig opsporing af begyndende sygdom

Projektet løb oprindeligt fra primo 2021 til medio 2022. En algoritme blev anvendt i en test-implementering, hvor hjemmesygeplejersker fik adgang til den i deres arbejde. Efter projektets afslutning er det blevet udvidet til at omfatte seks sjællandske kommuner i sundhedsklyngen omkring Sjællands Universitetshospital. 

Beslutningsstøtteværktøjet blev udviklet til at forudsige risikoen for indlæggelse blandt borgere i den kommunale hjemmepleje ved hjælp af kunstig intelligens. Algoritmen analyserer data fra det kommunale omsorgssystem og Sundhedsplatformen og kategoriserede borgerne efter risiko: høj (rød), moderat (gul) og lav eller ingen risiko (grøn). Systemet blev integreret i det kommunale omsorgssystem og demonstrerede, at det var muligt at forudsige indlæggelser baseret på eksisterende data.

Algoritmen blev udviklet på baggrund af data fra det kommunale omsorgssystem og Sundhedsplatformen og blev afprøvet i praksis. Historiske data blev samlet på kommunens servere, hvor træning, test og validering fandt sted, før algoritmen blev låst og anvendt i afprøvningsfasen.

I afprøvningsfasen havde algoritmen adgang til kommunale data fra omsorgsjournalen i realtid, mens regionale sygehusdata fra Sundhedsplatformen blev tilført manuelt en gang om ugen. Der blev udviklet i alt tre algoritmer, hvoraf to blev anvendt i et forskningsprojekt til at sammenligne en registerbaseret og en journalbaseret løsning.

Den registerbaserede algoritme anvendte data fra 372 variabler fordelt på 24 registre fra Danmarks Statistik og Sundhedsdatastyrelsen. På grund af ventetid hos Sundhedsdatastyrelsen blev det besluttet kun at bruge data fra Danmarks Statistiks kopier af Landspatientregisteret og Lægemiddeldatabasen, hvilket reducerede ventetiden markant. Alle data blev samlet og klargjort i Danmarks Statistiks Forskningsservices lukkede miljøer, hvor algoritmen også blev trænet, testet og valideret på Forskermaskinen, inden den blev låst og taget i brug.

Projektet pegede på behovet for juridiske afklaringer, herunder krav om individuelt samtykke fra borgeren for at muliggøre skalering og driftimplementering. Både kommune og region skulle indhente borgerens samtykke til, at data indgik i algoritmen, samt give borgeren mulighed for at frasige sig dette. 

Projektet blev gennemført som et forskningsprojekt og inddelt i tre faser.

Fase 1 – Afdækning af data  

I den første fase blev der gennemført en dataafdækning for at identificere de variabler, der kunne forudsige indlæggelser. Datasættet til udvikling og test af algoritmerne blev sammensat på baggrund af en litteraturgennemgang, semistrukturerede interviews og workshops med forventede slutbrugere, kliniske eksperter i den kommunale hjemmesygepleje, akutmodtagelsen og det medicinske afsnit på Sjællands Universitetshospital.

Fase 2 – Dataadgang og strukturering  

Algoritmerne blev udviklet med data fra både det kommunale omsorgssystem og Sundhedsplatformen. Derudover blev der udviklet en registerbaseret algoritme baseret på data fra Danmarks Statistik og Sundhedsdatastyrelsen.

Fase 3 – Udvikling og afprøvning af beslutningsstøtteværktøjet  

Tre forskellige algoritmer blev udviklet, hvoraf én blev afprøvet i et produktionssetup, hvor hjemmesygeplejen ugentligt fik adgang til prædiktioner for borgerne. Derudover blev et forskningsprojekt gennemført for at sammenligne performance mellem en journalbaseret og en registerbaseret algoritme.

Modellen blev testet i to hjemme- og sygeplejeområder, hvor afprøvningen var en agil proces, hvor arbejdsgange, modellens følsomhed og brugergrænsefladen løbende blev justeret efter sundhedsfaglige vurderinger.

Den primære måling af produktionsalgoritmens performance var dens evne til at forudsige akutte indlæggelser inden for 30 dage. Evalueringen omfattede nøjagtighed, præcision og recall, hvor resultaterne viste et højt antal sandt negative, hvilket påvirkede algoritmens samlede nøjagtighed. Præcisionen var lav på grund af et større antal falsk positive forudsigelser, mens recall-værdien lå tæt på det prædefinerede mål på 50 %, hvilket betød, at algoritmen som forventet identificerede cirka halvdelen af de borgere, der faktisk blev indlagt.

Som en del af projektet blev der gennemført en test-implementering, hvor hjemmesygeplejersker fik adgang til algoritmen i deres daglige arbejde. Projektet bidrog dermed til at skabe etiske og juridiske erfaringer med prædiktion af sygdomsforløb, herunder spørgsmålet om, hvorvidt løsningen skulle kvalificeres som medicinsk udstyr.

I den kommunale hjemmepleje er der behov for nye løsninger, der både kan sikre tilstrækkeligt sundhedspersonale og forebygge hospitalsindlæggelser, hvilket skal skabe tryghed, kvalitet og nærhed for borgerne. Projektet "Tidlig opsporing af sygdom i hjemmeplejen med kunstig intelligens" blev udviklet og afprøvet med det formål at udvikle et klinisk beslutningsstøtteværktøj (algoritme), der ved hjælp af kunstig intelligens kunne understøtte tidlig opsporing af begyndende sygdom blandt borgere, der modtog hjemme- og sygepleje i Køge Kommune. Begrundelsen for systemets indførelse var at forbedre den tidlige opsporing af sygdomme hos ældre borgere, reducere akutte indlæggelser og genindlæggelser samt fremme borgerens livskvalitet.