– Förhoppningen är att vårt arbete inte bara kommer att leda till bättre vård för strokepatienter, utan också bidra till den vetenskapliga förståelsen av stroke och av hur man kan integrera AI i sjukvården för att ge en optimerad behandling, säger Mattias Ohlsson, koordinator för projektet och professor i teoretisk fysik, med inriktning mot maskininlärning för medicinsk diagnostik, vid Lunds universitet.
TARGET, som projektet heter, är finansierat av EU, löper på fem år, och inkluderar nio universitet, sex sjukvårdsgivare och fyra företag i Europa. Koordineringen sker från Lund och projektet är en fjäder i hatten för forskargruppen COSHE (Computational Science for Health and Environment) på Lunds universitet, där man bland annat forskar om hur AI och maskininlärning kan appliceras på biologi och medicin.
Riskbedömning, akutvård och rehabilitering
Projektet är uppdelat i tre delar, från riskbedömning till rehabilitering. I den första delen fokuserar man på att med hjälp av AI identifiera vilka individer med hjärtflimmer – det är denna patientgrupp man utgår från – som riskerar att drabbas av ischemisk stroke (se faktaruta). I den andra delen är fokus på den akuta vårdfasen vid en stroke. Här ska AI-teknologin stödja sjukvårdspersonalens beslutsfattande för att välja optimal behandling vid sjukhusvistelse. I den sista delen riktar forskningen in sig på rehabiliteringen, där AI också används för individanpassning. Den rehabiliteringsplan som tas fram baseras på varje patients unika data, vilket syftar till att maximera återhämtningen och förbättra livskvaliteten.
”Virtuella tvillingar”
I förlängningen kan prediktionsmodellerna tillsammans med den virtuella tvillingen användas i realtid av medicinsk personal för att avgöra hur varje enskild patient kan få bästa vård, utifrån sina specifika behov, i en given situation.
Till sin hjälp kommer forskarna ha en stor mängd historiska data om strokepatienter och hur de behandlats från ett antal sjukhus samt patientregister.
Akuta skedet i fokus
Det forskarna i Lund specifikt kommer att fokusera på är det akuta skedet, när en patient kommer in till sjukhus med en stroke.
– Ett stort arbete i projektet är att bygga den här virtuella tvillingen, säger forskaren Anders Björkelund, och förklarar att tvillingen skapas utifrån den historiska patientdata man har tillgång till, i kombination med mekanistiska modeller för hur hjärta, blodflöde i hjärnan och det neuromuskelära systemet fungerar hos en enskild individ. Utifrån detta kan modellen sedan ta fram olika utfall för olika personer.
En utmaning för forskarna är att den historiska patientdata man använder i modellen är ett selekterat material; de flesta patienter kommer att ha behandlats på ett liknande sätt då man av förklarliga skäl inte experimenterat på sjukhusen med att vårda sjuka på olika vis. Bredden – att man har data från olika sjukhus och olika länder – kommer dock att ge en viss variation, liksom den tekniska utvecklingen över tid.
Vill visa på fungerande metoder
Projektet kommer inte att resultera i en försäljningsfärdig produkt, utan syftet är att visa på metoder som kan fungera så bra att man i nästa steg kan arbeta vidare mot en färdig medicinskteknisk produkt eller tjänst.
För forskarna är sjukvården en optimal samarbetspartner för att utveckla nya AI-modeller tack vare all den data som finns att tillgå. Drivkrafterna är flera, bland annat att kunna göra det bättre för enskilda individer. Carsten Peterson, den tredje Lundaforskaren i projektet, lyfter den demografiska utvecklingen, att vi blir allt fler äldre i samhället, med allt fler multisjuka.
– Ska vården bibehålla den nivå vi har idag, så kommer vården behöva förändra sig. Och ett sätt att göra det på är att ta in mer datadrivna algoritmer, som gör att saker och ting kan automatiseras, säger han.