Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

RE-AIMED: Readjusted responses by use of AI in medical calls

Alternativ tittel: RE-AIMED: KI-assistert medisinsk telefonvurdering

Tildelt: kr 16,0 mill.

I RE-AIMED utforsker vi hvordan bruk av kunstig intelligens kan støtte medisinske telefonvurderinger utført av operatører i legevaktsentraler. Vi lager en tjeneste som gir operatøren spørsmål tilpasset samtalen gjennom et web-grensesnitt. Ved at operatøren velger spørsmål og svar, kan samtalen dokumenteres automatisk samtidig som operatøren får hjelp til å gjenkjenne medisinske mønstre. Dette er spesielt viktig for akutte, alvorlige tilstander, som er en sjelden kontaktårsak til legevaktsentraler. Hovedutfordringer i prosjektet er hvordan man kan hindre at den kunstige intelligensen feiltolker eller overser de sjeldne tilfellene, og hvordan man kan sikre et brukerdesign som gir tilstrekkelig informasjon og veiledning, uten å forstyrre operatørens konsentrasjon og samtale med innringer. Prosjektet startet i april 2020. Siden den gang har vi bygget opp en database med spørsmål, svar og identifikasjon av spørsmål- og svarpar som er forenlig med akutte, alvorlige tilstander. Databasen er kombinert med deterministiske maskinlæringsalgoritmer til en prototype for dokumentasjon- og samtalestøtte. Prototypen er blitt videreutviklet gjennom flere iterasjoner. I 2023 ble prototypen testet i et eksperiment. Vi holder nå på å tilrettelegge dataene for analyse. Gjennom året er resultater fra prosjektet blitt presentert på flere nasjonale og internasjonale konferanser. Vi har også fått publisert de første vitenskapelige artiklene fra prosjektet.

Medical call centres are increasingly used to ease the pressure on emergency medical health care services. In their work situation, medical call centre operators have to relate to several non-integrated tools, which put significant cognitive load on them and reduces their attentiveness, efficiency and communicative ability. To enhance the quality of the decisions made, the operators use decision support tools, which steer the conversation into predefined pathways. Together, these factors interrupt the natural flow of the conversation, and have detrimental effect on the quality of the communication and how the call is handled. RE-AIMED will explore how to improve the communication with the caller and the operator's workflow by using artificial intelligence to suggest relevant questions which are sensitive to the context, and to identify medically significant patterns by analysing questions and answers. Choice of relevant questions and answers will help the operator to document the conversation in real-time. To provide context-specific suggestions, an ensemble of methods that not only analyses content, but also considers multiple characteristics like the pace of the conversation, have to be applied. As the medical urgency of reasons for contacting medical call centres are skewed, with few urgent cases, further research into new ways of overcoming imbalance-problems in prediction of minority classes is needed to ensure that rare, but serious, medical cases are not missed. Real-time documentation will demand new ways of using an intelligent user interface to require only a minimum of input to select appropriate questions, so that the operator can concentrate on the caller. Automatic documentation will generate large data sets of standardised and detail-coded descriptions of medical calls. The collected data will be a rich source for research on telephone triage, medical decision making, communication and reduction of biases in machine learning.

Publikasjoner hentet fra Cristin

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Ingen publikasjoner funnet

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon

Temaer og emner

IKT forskningsområdeProgramvarer og tjenesterDelportefølje InternasjonaliseringInternasjonaliseringPortefølje Demokrati og global utviklingIKT forskningsområdeMenneske, samfunn og teknologiSamfunnssikkerhetIKT forskningsområdeVisualisering og brukergrensesnittIKT forskningsområdeKunstig intelligens, maskinlæring og dataanalyseInternasjonaliseringInternasjonalt prosjektsamarbeidDelportefølje KvalitetLTP3 Samfunnssikkerhet og beredskapBransjer og næringerHelsenæringenLTP3 Samfunnsikkerhet, sårbarhet og konfliktHelseDigitalisering og bruk av IKTBransjer og næringerAnvendt forskningLTP3 Innovasjon i stat og kommunePortefølje Banebrytende forskningIKT forskningsområdeDigitalisering og bruk av IKTOffentlig sektorPolitikk- og forvaltningsområderDigitaliseringLTP3 Fagmiljøer og talenterPolitikk- og forvaltningsområderHelse og omsorgGrunnforskningPortefølje HelseLTP3 Høy kvalitet og tilgjengelighetFornyelse og innovasjon i offentlig sektorPortefølje InnovasjonBransjer og næringerIKT-næringenLTP3 Et kunnskapsintensivt næringsliv i hele landetDelportefølje Et velfungerende forskningssystemPolitikk- og forvaltningsområderFornyelse og innovasjon i offentlig sektorInnovasjonsprosjekter og prosjekter med forpliktende brukermedvirkningPolitikk- og forvaltningsområderForskningLTP3 HelsePortefølje ForskningssystemetLTP3 IKT og digital transformasjonLTP3 Muliggjørende og industrielle teknologierLTP3 Styrket konkurransekraft og innovasjonsevnePortefølje Muliggjørende teknologier