Professor: Sådan kan kunstig intelligens hjælpe os i kampen mod COVID-19
KOMMENTAR: Med kunstig intelligens kan vi identificere de mest syge patienter, lave individuelle risikovurderinger og tiltag samt overvåge smittespredningen – men det kræver, at vi får bedre adgang til data.
corona_coronavirus_CHIP_kunstig intelligens_CATCH_Rigshospitalet_Jens Lundgren

Myndighederne er gået med til at dele flere coronadata. Hvis den åbenhed udvides yderligere, kan vi bruge kunstig intelligens mod COVID-19. (Foto: Shutterstock/Forskerzonen)

Myndighederne er gået med til at dele flere coronadata. Hvis den åbenhed udvides yderligere, kan vi bruge kunstig intelligens mod COVID-19. (Foto: Shutterstock/Forskerzonen)

Som det efterhånden også bliver italesat i den offentlige debat, kommer vi efter al sandsynlighed til at skulle håndtere coronavirus som en del af vores hverdag de næste 1-2 år.

Derfor er det vigtigt, at vi har en grundig debat om, hvordan vi skal håndtere det, og på hvilket grundlag myndighederne træffer beslutninger.

Der er nødt til at være en dynamisk og åben diskussion, når vi taler om så store beslutninger for samfundet.

Dette ledte den forgange uge til en debat om mere åbenhed (se for eksempel her og her), som resulterede i, at myndighederne delte flere af deres tal og beregninger. En meget positiv ændring i strategi fra den indtil da mere lukkede håndtering af data.

Professor Lars Østergaards, læge Ida Donkins og mit opråb om mere åbenhed i en kronik i Berlingske var baseret på et konstruktivt ønske om gerne at ville bidrage med viden og input – og en tro på, at diskussion af metoder og resultater altid gavner det endelige produkt.

Serie: Corona-ugen, der gik

Jens Lundgren er professor i infektionssygdomme og sidder med fingrene dybt nede i corona-forskningen.

I disse uger er han og en række nationale og globale samarbejdspartnere i gang med at undersøge, hvorvidt lægemidlet remdesivir kan bruges i behandlingen af COVID-19.

Hver uge giver han en status på corona-ugen, der gik, hvor han inddrager både nationale og internationale perspektiver.

Behov for data for at kunne bruge ressourcerne bedst muligt

Det er overordentlig vigtigt, at vi kan udnytte den eksisterende videnskapacitet til at forstå tal og beslutningsgrundlag, så vi undgår forvirring og mistillid – både blandt borgere og blandt sundhedspersonale.

I Danmark kan vi forvente en meget lang periode, hvor en effektiv overvågning af pandemiens udbredelse vil have afgørende effekt på den måde, vi forvalter vores begrænsede ressourcer i sundhedsvæsenet.

Desto bedre vi kan beregne, hvor mange ressourcer vi skal sætte af til corona, desto bedre kan vi sikre, at sundhedsvæsenet kommer flest mulige til gavn og sikre, og andre patienter ikke må vente, fordi vi ikke ved, om corona-patienter gør krav på 100 eller 500 intensivpladser.

Samtidig ved vi, at vi på et samfundsmæssigt niveau har behov for et stærkt digitalt værktøj, der kan bistå de politiske og sundhedsfaglige beslutningstagere i at tage de rigtige beslutninger.

Der er mange yderst kompetente grupper i Danmark, der p.t. arbejder på at udvikle disse værktøjer. 

Det gælder også min forskningsgruppe, CHIP, på Rigshospitalet, hvor vi har et bud på, hvordan vi kan bruge kunstig intelligens i kampen mod COVID-19.

Vores bud kan benyttes og eventuelt videreudvikles sammen med Statens Serum Institut.

Det kræver dog endnu bedre adgang til data, end vi foreløbig har fået.

Catch: Et digitalt værktøj til at overvåge pandemien

Som jeg tidligere har skrevet om på LinkedIn, er CHIP, med støtte fra Novo Nordisk Fonden, i gang med at udvikle Catch (Corona Application Tool for Collaborating Hospitals).  

Catch er et digitalt værktøj, som er bygget med det formål at imødegå et akut klinisk og administrativt behov for effektivt at kunne:

  • Registrere & visitere (Catch 1) prøvesvar for alle patienter mistænkt for COVID-19
  • Behandle & monitorere (Catch 2) indlagte COVID-19 patienter
  • Overvåge (Catch 3) COVID-19 lokalt, regionalt og nationalt og dermed sammenholde kapacitet og ressourcer på de enkelte afdelinger/hospitaler

Catch 1 anvendes allerede med stor succes i den daglige patienthåndtering til at overvåge prøvesvar og til en effektiv fordeling af arbejdsopgaver.

Men Catch 2 & 3 er afhængig af adgang til data i realtid fra sundhedsplatformen og den danske mikrobiologidatabase (MiBa).

Sådan samarbejder Catch 1, 2 & 3

Catch 1 er i brug på 17 afdelinger på Rigshospitalet, der behandler indlagte COVID-19-patienter.

Catch 2 er under udarbejdelse og har potentiale til at blive et uundværligt redskab til indlagte COVID-19-patienter.

Catch 2 integrerer kliniske og biokemiske karakteristika og kan derfor bistå med forslag til individuelle behandlings- og monitoreringsplaner samt identificere, hvilke patienter der er i øget risiko for klinisk forværring.

Catch 3 er tænkt som en overvågningsapplikation, der vil kunne opsummere antallet af ny-diagnosticerede og indlagte på senge- og intensivt afsnit samt antallet af smittet sundhedspersonale via Catch 1.

Dermed kan Catch 3, via Catch 1 og 2, estimere, hvor mange patienter der forventes at få behov for intensiv behandling over de kommende døgn.

CATCH team Rigshospitalet COVID-19 coronavirus

Her ses forskerne, der arbejder med Catch. (Foto: Rigshospitalet)

Tidligere erfaringer hjælper os nu

Catch 1, 2 og 3 bygger på vores erfaringer fra det Grundforskningsfond-støttede center Persimune under CHIP, der siden 2011 har udviklet og drevet kliniske applikationer til monitorering og behandling af udvalgte virale infektioner.

Catch er udviklet af læger, forskere og datamatikere på CHIP/Persimune. Den hurtige udvikling af Catch har været mulig, fordi applikationen er baseret på metoder for dataudveksling og databehandling, der allerede er gennemtestede og implementerede.

Fakta
Forskerzonen

Denne artikel er en del af Forskerzonen, som er stedet, hvor forskerne selv kommer direkte til orde.

Her skriver de om deres forskning og forskningsfelt, bringer relevant viden ind i den offentlige debat og formidler til et bredt publikum.

Forskerzonen er støttet af Lundbeckfonden.

Persimune har siden 2011 udviklet og drevet de kliniske applikationer Match og Sacc til behandling og monitorering af infektioner. Den bagvedliggende teknologi er en 'datasø', hvor alle datakilders data samles i realtid. 

Den teknologi har vi udviklet gennem de sidste 10-15 år.

Det vil sige, at kunstig intelligens allerede fungerer på CHIP og bruges med stor succes i den daglige patienthåndtering af udvalgte patientgrupper på Rigshospitalet.

Disse applikationer kan med fordel skaleres og anvendes i forhold til den akutte håndtering af coronavirus af andre dele af sundhedsvæsenet.

Enormt potentiale for kunstig intelligens i kampen mod COVID-19

Det fulde potentiale ses dog først, når der er skaffet tidstro data fra mikrobiologidatabasen og sundhedsplatformen.

Konkret betyder det, at hvis tidstro information fra elektroniske patientjournaler bliver indhentet fra indlagte COVID-19-patienter, vil vi kunne udbygge digitale applikationer til hurtigt og effektivt at kunne identificere meget syge og mindre syge patienter og give forslag til tiltag, baseret på eksisterende kliniske anbefalinger.

Informationerne vil yderligere, via kunstig intelligens, kunne bruges til at udpege de faktorer, der har størst betydning for progression til (udviklingen hen mod, red.) svær sygdom og udfra dette fremvise opdaterede risikovurderinger for hver enkelt patient – fra indlæggelse og fremadrettet.

Potentialet ligger desuden i, at informationer vil kunne bruges til at allokere patienter til de hospitaler med mest kapacitet samt overvåge områder med høj smittespredning.

Nationalt set er der efter min vurdering en enorm vinding i at skalere kliniske applikationer, men det kræver, at der træffes nogle overordnede strategiske beslutninger på tværs af landet.

Teknisk er der ingen hindring for at skalere, men det skal godkendes på ledelses- og myndighedsniveau.

Potentialet for skalering af Catch er stort – hvis vi altså kan få adgang til de nødvendige datakilder.

Dette er en let redigeret version af et indlæg, Jens Lundgren har publiceret på LinkedIn

Alle må bruge og viderebringe Forskerzonens artikler

På Forskerzonen skriver forskere selv om deres forskning. Vi mener, det er vigtigt, at alle får mulighed for at læse om forskning fra forskerens egen hånd.

Alle må derfor bruge, kopiere og viderebringe Forskerzonens artikler udfra følgende enkle krav:

  • Det skal krediteres: 'Artiklen er oprindelig bragt på Videnskab.dk’s Forskerzonen, hvor forskerne selv formidler'. Hvis artiklen bringes på web, skal der linkes til artiklen på Forskerzonen.
  • Artiklen må ikke redigeres og skal bringes i fuld længde (medmindre andet aftales med forskeren).
  • Du skal give forskeren besked om, at du genpublicerer.
  • Artikler, som er oversat fra The Conversation, skal have indsat en HTML-kode til indsamling af statistik i bunden. HTML-koden finder du i den originale artikel på The Conversations hjemmeside ved at klikke på knappen "Republish this article" ude til højre, derefter klikke på 'Advanced' og kopiere koden. Du finder linket til artiklen på The Conversation i bunden af Forskerzonens oversatte artikel. 

Det er ikke et krav, men vi sætter pris på, at du giver os besked, hvis du publicerer vores indhold (undtaget indhold fra The Conversation). Skriv til redaktør Anders Høeg Lammers på ahl@videnskab.dk.

Læs mere om Forskerzonen i Forskerzonens redaktionelle retningslinjer.

Videnskab.dk Podcast

Lyt til vores seneste podcast herunder eller via en podcast-app på din smartphone.

Danske corona-tal

Videnskab.dk går i dybden med den seneste corona-forskning. Læs vores artikler i temaet her.

Hver dag opdaterer vi også de seneste tal.

Dyk ned i grafer om udviklingen i antal smittede, indlagte og døde i Danmark og alle andre lande.

Ny video fra Tjek

Tjek er en YouTube-kanal om videnskab, klima og sundhed henvendt til unge.

Indholdet på kanalen bliver produceret af Videnskab.dk's Center for Faglig Formidling med samme journalistiske arbejdsgange, som bliver anvendt på Videnskab.dk.


Ugens videnskabsbillede

Se flere forskningsfotos på Instagram, og læs om den 'sure' skildpadde her.