Tilbake til søkeresultatene

IKTPLUSS-IKT og digital innovasjon

AI-Support in Medical Emergency Calls: The AISMEC-project

Alternativ tittel: Kunstig intelligens som beslutningsstøtte ved henvendelser om akutt hjerneslag til 113

Tildelt: kr 7,0 mill.

Prosjektet AISMEC (Artificial Intelligence Support in Medical Emergency Calls) har som mål å utvikle kunstig intelligens (AI)-basert beslutningsstøtte til medisinsk nødmeldetjeneste. Den første tilstanden vi ønsker å utvikle og teste ut konseptet på er hjerneslag som «proof of concept». Her vet vi at det med dagens system er et forbedringspotensial i akuttmedisinske kommunikasjonssentraler (medisinsk nødtelefon - 113). Vi antar at det også er et potensiale for forbedring i legevaktsentralene, og håper å kunne bidra også der. AI som analyserer lyd i nødsamtaler kan prestere bedre enn operatører i oppdagelse av hjertestans ved AMK i København. Vi vil ta dette et skritt videre og kombinere analyse av det innringer sier om pasienten med pasientens data fra sykehusjournal og eventuell medisinering. Basert på disse kildene kan sannsynligheten for at pasienten har hjerneslag estimeres, og så gi operatøren melding om dette. Prosjektet tar utgangspunkt i omlag 1000 pasienter med hjerneslag i Helse Bergen i 2018/2019 og analyse av deres kontakter med medisinsk nødmeldetjeneste da hjerneslaget inntraff. Videre vil vi benytte dette grunnlaget, kombinert med 113-samtaler og sykehusdata, til å utvikle konseptet. Prosjektet er et samarbeid mellom en rekke aktører innenfor fagområdene medisinsk nødmeldetjeneste, kunstig intelligens/maskinlæring og hjerneslag, i tillegg til en brukerorganisasjon. Følgende organisasjoner er involvert i prosjektet: Helse Bergen ved Nasjonalt kompetansesenter for helsetjenestens kommunikasjonsberedskap (KoKom, prosjektledelse), Nevrologisk avd., Akuttmedisinsk avd. og Helsetjenesteutvikling. Videre Helse Vest IKT, Høgskolen på Vestlandet, MMIV (Mohn Medical Imaging and Visualization Center), Oslo Universitetssykehus (Nevrologisk avd., slagenheten), Hjerneslagregisteret, Landsforeningen for hjerte- og lungesyke (LHL) Hjerneslag og Helsetjenestens driftsorganisasjon HF (HDO).

There is a number of medical conditions such as stroke, acute coronary syndrome, respiratory failure, cardiac arrest, and trauma, also called ‘The First Hour Quintet’, that require effective therapeutic treatment within a certain time limit. Stroke alone makes the third-highest cause of death and the number one cause of severe disability requiring long-time care at institutions. Every year approx. 12 000 patients in Norway suffer acute stroke, and only half of them reach hospital within the first critical time-frame. The defining role in this process plays an early and accurate symptom recognition by the emergency medical communication centres (EMCC) during a live call. Today, the diagnostic accuracy of the norwegian EMCC operators is limited by a paper-based triage system (the Norwegian Index for Emergency Medical Assistance). As a result, only 60% of the acute stroke patients receive correct diagnosis and subsequent medical treatment. This leads to a vast personal, societal, and economic costs estimated to approximately 10 billion NOK per year. We believe that urgent change is needed to address this issue. As a measure, we propose an innovative AI-based decision support system for emergency call takers, helping to identify critical medical emergency conditions (e.g. stroke) in real-time. This support system will utilize a research-based approach to combine structured and relevant patient data with speech recognition during the live emergency medical calls. This technology will help improve the quality and reduce variability in the emergency medical services. We will compare the new system’s ability for disease prediction with the current practice as well as with traditional statistical approaches to risk modelling, for proving effectiveness. The system will first be developed and tested on stroke, as the first case study. A successful solution will then be adapted and implemented to other relevant medical emergencies.

Budsjettformål:

IKTPLUSS-IKT og digital innovasjon