Akademiska sjukhuset

Nytt AI-verktyg ska underlätta riskbedömning vid ambulansdirigering

Dela
Varje år prioriteras cirka 33 000 samtal av sjuksköterskor vid Sjukvårdens Larmcentral i Uppsala. Nu införs en ny funktion i beslutsstödet som ska underlätta riskbedömningar och svåra prioriteringsbeslut vid utlarmning av ambulanser.

– Trots god beredskap inom regionens ambulanssjukvård händer det ibland att många patienter ringer in samtidigt och tillfälligt överbelastar kapaciteten. I dessa situationer tvingas sjuksköterskor och ambulansdirigenter vid larmcentralen fatta svåra beslut om vilka patienter som ska gå före andra. Den nya funktionen ska underlätta prioriteringsarbetet i dessa lägen, säger Douglas Spangler, projektledare inom ambulanssjukvården, Akademiska sjukhuset, och doktorand vid Uppsala Universitet.

Den nya AI-baserade funktionen har utvecklats i Uppsala genom ett tidigare Vinnovaprojekt. Det bygger på maskininlärningsmodeller som matas med stora mängder historiska data om patienters sjukdomstillstånd och kliniska utfall. Under sommaren ska funktionen utvärderas i reell klinisk miljö inom ramen för en pilotstudie. Detta som ett led i en randomiserad klinisk prövning som kommer att pågå under cirka två år och omfatta cirka 3000 patienter. Studien drivs av forskare vid Uppsala Center for Prehospital Research (UCPR) vid Uppsala Universitet, i samarbete med ambulanssjukvården i Region Uppsala.

– Målet är att den nya funktionen i beslutsstödet ska hjälpa sjuksköterskor att se till att den svårast sjuka patienten får ambulans först i situationer där resurserna inte räcker till för alla. Personalen utbildas nu successivt, varefter de börjar använda verktyget skarpt inom ramen för studien, förklarar Hans Blomberg, medicinskt ledningsansvarig läkare vid Sjukvårdens Larmcentral.


Konkret innebär studien att personalen vid larmcentralen får hjälp att välja vilken patient som ska få första lediga ambulans utifrån deras sjuklighetsrisk. I slumpmässigt utvalda fall får de hjälp av verktyget, och i övriga fall arbetar de enligt nuvarande praxis och prioriterar efter egen förmåga. Vid positivt utfall i studien kommer verktyget att bibehållas som rutin i kliniskt bruk.

Tillsammans med UCPR arbetar man även med att utveckla liknande riskbedömningsinstrument åt ambulanssjukvården för regionövergripande användning relaterat till covid-19-pandemin.

FAKTA:  Nytt AI-baserat instrument i beslutsstöd

  • Instrumentet ska framöver valideras i data från flera regioner. Det finns tillgängligt kostnadsfritt här.
  • Metoderna som använt i utvecklingen av instrumentet har validerats statistiskt. Läs mer här. 

 För mer information, kontakta:


Douglas Spangler, projektledare ambulanssjukvården, Akademiska sjukhuset,
tel: 018-611 00 00, e-post:
douglas.spangler@akademiska.se

Hans Blomberg, medicinsk ledningsansvarig läkare, Sjukvårdens Larmcentral Region Uppsala och Region Västmanland, tel: 018-611 92 92, e-post:
hans.blomberg@akademiska.se

Nyckelord

Bilder

Om

Akademiska sjukhuset
Akademiska sjukhuset

751 85 Uppsala

018-611 00 00https://www.akademiska.se/

Akademiska sjukhuset erbjuder specialiserad och högspecialiserad vård lokalt, regionalt, nationellt och internationellt.

Sjukhuset har cirka 8 400 medarbetare, varav 1 500 läkare och 2 750 sjuksköterskor/barnmorskor.

Sjukhuset har 850 vårdplatser. Här görs varje år cirka 722 000 öppenvårdsbesök, 45 300 slutenvårdstillfällen och 32 200 operationer.

Följ Akademiska sjukhuset

Abonnera på våra pressmeddelanden. Endast mejladress behövs och den används bara här. Du kan avanmäla dig när som helst.

Senaste pressmeddelandena från Akademiska sjukhuset

Precisionsscreening visar: 16 procent av kvinnor under 49 år löper risk för genetisk bröstcancer22.4.2024 14:00:00 CEST | Pressmeddelande

Drygt 16 procent av alla kvinnor i åldern 30–49 år har förhöjd risk att utveckla genetisk bröstcancer och bör erbjudas en individuellt anpassad screeningsstrategi. Det framgår av preliminära resultat från BRIGHT-studien som genomförs i Sverige, Estland och Portugal. Syftet med studien är att förbättra möjligheter för tidig upptäckt av bröstcancer baserat på genetisk risk, till skillnad från dagens standardiserade mammografiscreening som endast baseras på ålder. Resultaten presenteras under ett seminarium på Akademiska sjukhuset idag.

Mer omfattande behandling minskar inte risk för ny hjärtinfarkt9.4.2024 09:17:03 CEST | Nyheter

I två stora studier visar forskare från Uppsala Clinical Research Center (UCR) vid Uppsala universitet att två behandlingar som varit etablerade vid hjärtinfarkt kan tas bort utan att resultatet blir sämre. Det handlar om förebyggande ballongvidgning av kranskärl och behandling med så kallade betablockerare, när hjärtfunktionen inte är nedsatt. Resultaten publiceras i medicinska tidskriften New England Journal of Medicine (NEJM).

Studie visar: ChatGPT kan producera medicinska journalanteckningar tio gånger snabbare än läkare22.3.2024 08:31:45 CET | Pressmeddelande

Administrativa sysslor tar upp en stor del av en läkares arbetstid, vilket minskar tiden för patientkontakt och bidrar till en pressad arbetssituation. Forskare på Akademiska sjukhuset/Uppsala universitet i samarbete med Danderyds sjukhus och universitetssjukhuset i Basel, Schweiz, har i en studie visat att AI-modellen ChatGPT kan skriva medicinska administrativa anteckningar upp till tio gånger snabbare än läkare utan att kompromissa med kvaliteten.

Personalen får högre betyg i attitydmätning om Akademiska20.3.2024 08:00:00 CET | Pressmeddelande

Kännedomen om Akademiska sjukhuset är fortsatt hög och sjukhuset är känt för hög medicinsk standard och erkända specialister. Det framgår av en attitydmätning hösten 2023 som även visar att patienter som besökt Akademiska ger personalen högre betyg än i förra mätningen hösten 2020. Resultatet visar också att informationen före och efter behandling får allt större betydelse när man väljer sjukhus.

I vårt pressrum kan du läsa de senaste pressmeddelandena, få tillgång till pressmaterial och hitta kontaktinformation.

Besök vårt pressrum
HiddenA line styled icon from Orion Icon Library.Eye