Tietoevrys mål att transformera diagnos och behandling genom en data- och informationsdriven vård.
01 juli 2024
En studie från Finland som publicerades i början av 2023* förutspådde att införandet av artificiell intelligens (AI) inom landets hälso- och sjukvård skulle innebära besparingar på 770 miljoner Euro per år. Genom att låta AI utföra monotona och tidsödande administrativa uppgifter skulle tusentals läkare och sjuksköterskor kunna frigöra tid och fokusera mer på vård av patienter. Genom snabb bearbetning och analys av stora datamängder kan AI påskynda sjukdomsdiagnos. När patienter får snabb och korrekt behandling förbättras resultaten och samhällets kostnader blir lägre.
Tietoevry Care har legat i framkant av AI-utveckling inom sjukvården under flera år. Lifecare Data Platform – med dess avancerade analytiska förmåga – är kärnan i detta arbete. Plattformen möjliggör för sjukvårdspersonal och forskare att få tillgång till data från flera olika källor, både internt och externt via ett enda gränssnitt, vilket möjliggör tillgång till större mängder samlad data och därmed bättre analys och diagnos.
Ett av våra banbrytande AI-initiativ är ett nära samarbete med Helsingfors Universitetssjukhus (HUS). Det gemensamma teamet har utvecklat algoritmer och förmågor för att påskynda diagnosen av tre grupper av sällsynta sjukdomar som är notorisk svåra att diagnostisera.
Potentialen i forskningsprojektet har förstärkts av en lagändring i Finland från januari 2024. Medicinskt yrkesverksamma kommer nu att kunna proaktivt kontakta medborgare som AI-algoritmer har identifierat som att ha en sjukdomsrisk.
"Resultaten från HUS-forskningen har varit så lovande att vi nu påbörjar klinisk validering. Vårt mål är att fortsätta utveckla våra prediktiva modeller och produktifiera lösningen", säger Niina Siipola, chef för AI- och analyslösningar på Tietoevry. "Vi utforskar också möjligheter utanför Finland, med hjälp av patientdata från andra system. Möjligheterna framöver är mycket spännande."
Ett annat viktigt fokusområde för Tietoevry Care är användningen av Generativ AI, där nya data skapas baserat på mönster som lärts in från befintliga data. Generativ AI kan snabbt läsa omfattande medicinska journaler eller litteratur för att skapa ett svar på en klinisk fråga.
"Stora språkmodeller (LLM - Large Language Models) tog stora steg framåt 2023. Men de är ännu inte mogna för kliniska användningsfall, så vi har börjat använda dem med icke-känslig data", säger Siipola.
Det aktuella fallet är på HUS barnsjukhus, där Tietoevry använde generativa AI-principer för att bearbeta 1 300 dokument till ett sökverktyg för behandlingsriktlinjer. Sjukvårdspersonal kan fråga verktyget och få en sammanfattning av den information de behöver.
Lösningen använder Tietoevrys Data Lakehouse – baserad på Microsoft Azures moln –tillsammans med ChatGPT 4.0 Turbo som sammanfattar dokumenten och ger direkta länkar till källmaterialet. Tillvägagångssättet strömlinjeformar informationsinhämtningen för vårdgivare, som tidigare behövde mata in exakta nyckelord i ett konventionellt sökverktyg och sedan sortera resultaten.
I ett annat utvecklingsteam har Tietoevry Care använt naturlig språkbehandling (NLP - Natural Language Processing) för att hämta information från patientjournaler.
Arbetet möjliggör för sjukvårdspersonal att söka efter gemensamma nämnare inom en specifik patients kliniska anteckningar. Eftersom dessa anteckningar skrivs av flera läkare – ofta över flera decennier – kan det finnas inkonsekvenser i användningen av terminologi. NLP löser dessa.
"På finska, till exempel, finns det många olika sätt att säga att en patient har en rökninghistorik. Vi har tränat NLP-modellen att hitta alla dessa termer i en patients journaler," förklarar Siipola. "Språkmodellen vi byggde för rökning var klar i slutet av 2023. Nu skapar vi modeller för alkoholkonsumtion, narkotikaanvändning och receptbelagda läkemedel."
NLP-projektet hjälper också till att tillhandahålla nya datamängder till Tietoevrys dataplattform. Genom att strukturera klinisk kunskap är AI ett användbart verktyg för att identifiera trender och skapa rapporter om specifika hälsoteman.
"Vi letar ständigt efter nya AI-användningsområden inom sjukvården, så vi uppmuntrar våra kunder att komma med idéer. Jag skulle älska att se oss utveckla ännu fler förutsägande modeller, eftersom dessa gör det möjligt för människor att få rätt vård vid rätt tidpunkt", avslutar Siipola.
* A. Larsio. Powering the social health and social care system with data. Sitra, maj 2023