Kan AI prediktera en individs arbetsförmåga

Vad hoppas du uppnå med projektet?
– Att med hjälp av maskininlärning och artificiell intelligens hitta ett effektivt sätt att bestämma arbetsförmågan hos en individ. Detta utan att individen behöver genomföra ett helt cykelarbetsprov, som i dagsläget är den etablerade metoden för att bedöma fysisk arbetsförmåga. Arbetsförmågan är en oberoende markör för ”all cause mortality” i allmänhet och för hjärt- och kärlhälsan i synnerhet, samt en robust parameter för allmän kondition. Genom att använda maskininlärningstekniker hoppas jag kunna erbjuda ett icke-invasivt och effektivt sätt att bedöma denna viktiga parameter.
 
Vad är den största nyttan med en ny metod för att mäta arbetsförmåga?
– Denna prediktiva modell kan vara ett värdefullt verktyg för både läkare, övrig vårdpersonal, patienter och andra som vill ha en inblick i sin arbetsförmåga, till exempel idrottare och vissa yrkesgrupper som brandmän, dykare och elitsoldater. Den här nya metoden kan potentiellt effektivisera bedömningsprocessen, göra den mer tillgänglig och kostnadseffektiv, samtidigt som den identifierar personer med risk för hjärt- och kärlproblem i ett tidigt skede. Slutligen är målet att bidra till preventiv hälsovård genom att möjliggöra mer personliga och tidiga insatser för att förbättra den övergripande hjärt- och kärlhälsan.

När tror du att metoden kan vara verklighet?
– Det kan jag inte svara på än, det beror bland annat på komplexiteten i maskininlärningsalgoritmerna och tillgängligheten och kvaliteten på data för upplärningen av algoritmen. Det krävs också rigorös testning. Jag strävar efter att slutföra utvecklings- och valideringsfaserna så snabbt som möjligt, men det tar tid att leverera en högkvalitativ och pålitlig maskininlärningsmodell.