Hur kan vi tidigt fånga upp signaler som berättar att en person riskerar allvarlig sjukdom? Hur får vi tillgång till den information om en persons sjukdomsförlopp som händer ”uppströms” – innan personen får vårdinsatser? Svaret finns med största sannolikhet redan i de enorma mängder data som samlas in i sjukvården. Målet är då att hitta, extrahera, förstå och i tid agera på relevant information för att förbättra vården.
I Region Halland ligger vi i framkant på området. En av många som driver arbetet framåt är Awais Ashfaq som i mars 2022 disputerade med sin avhandling ”Deep Evidential Doctor”.
Hälso- och sjukvården står inför stora utmaningar, det handlar om ökade kostnader, tillgång till resurser där kompetenta medarbetare är en nyckelfaktor. Men också att behovet ökar som en konsekvens av en åldrande befolkning och att vårdens kvalitet behöver bli ännu bättre.
Ett av svaren på frågorna i ingressen torde vara att vi blir bättre på att ta hjälp av data och informationen som redan finns – att arbetsfördelningen och samverkan mellan datorer och människor förbättras.
Översätter siffror
– Vi utvecklar beslutsstöd som är baserade på maskininlärning för kliniker och beslutsfattare med syfte att förbättra behandlingsresultat för patient och optimera vårdprocesser, berättar Awais Ashfaq.
Stora mängder data tillförs våra system dagligen, det handlar om hälsorelaterade data, men också ekonomi-, logistisk- och personaldata. Ett samlat begrepp för detta är Informationsdriven vård; med hjälp av AI (artificiell intelligens) och maskininlärning kan vi via algoritmer hitta mönster och dra slutsatser som ger beslutsstöd till vårdpersonal som möter patienter men också få viktig information som stödjer helhetsbilden av sjukvården.
– Kortfattat kan man beskriva mitt arbete med att jag översätter siffror och information som hjälper oss att förstå klinisk status hos en patient. Ju bättre vi förstår siffror och data ju bättre och mer träffsäkra kan vi bli i att prediktera/förutspå kommande händelser för patienter, menar Awais.
Awais avhandling visar på framsteg som möjliggör bra verktyg för beslutsfattande hos såväl patienter som kliniska beslutsfattare. Potentialen som AI erbjuder är mycket stor och kan ge större träffsäkerhet till nytta för patienten men också ökad resurseffektivitet för vårdgivande instanser.
Finna högriskpatienter
En av Awais artiklar beskriver hur man kan förebygga återinläggning av patienter med hjärtsvikt. I studien användes data från ca 7500 patienter med diagnos för hjärtsvikt. En fjärdedel av dessa patienter skrevs in igen efter till slutenvården inom 30 dagar. Så kallade återinläggningar riskerar att leda till dramatiskt ökade vårdkostnader och ökade hälsorisker för patienten på grund av exempelvis risken att drabbas av infektioner.
– Vi måste identifiera högriskpatienter med åtgärdsprogram och rutiner som kan minska onödiga återinläggningar, menar Awais. AI och ML (maskininlärning) i kombination med hälsodata har potential att identifiera vem och varför någon har hälsorisker. Nästa steg är att involvera relevanta intressenter för att utveckla rutiner för att förstå och agera utifrån informationen.
– Mitt mål är att översätta stora mängder rådata som kan användas till medicinskt beslutsstöd och därmed ge effekter och resultat för drabbade individer och för vårdgivare, säger Awais.
Awais har som doktorand samverkat med andra universitet i Sverige men också stora amerikanska universitet och sjukhus samt med läkemedelsföretag.
Fakta
Awais Ashfaq, examen i elektroteknik Pakistan 2013, Civilingenjör i medicinsk teknik KTH 2016, doktor i maskininlärning vid Högskolan i Halmstad 2022.
Awais arbetar på FoU I Region Halland och lägger cirka 20 procent av sin tid på forskning på Högskolan i Halmstad.
På sin fritid spelar Awais gärna badminton, han gillar att laga mat och läser helst böcker om filosofi och livsåskådning. ”Nej, cricket är ingen favorit hos mig, även om det är en älskad sport i Pakistan”.
