Hoppa till huvudinnehåll
conference lunch move company map contacts lindholmen lindholmen 2 travel info

logo

PreSISe - Prehospitalt BeslutsStöd för Identifiering av Sepsisrisk

PreSISe är ett långsiktigt projekt där ett AI-baserat beslutsstöd ska utvecklas och utvärderas för prehospital skattning av sepsisrisk. 

Sepsis (”tidigare” blodförgiftning) är ett vanligt och livshotande tillstånd med ett ofta snabbt förlopp som drabbar 25 000–40 000 personer årligen i Sverige - fler än de tre vanligaste cancerformerna tillsammans (prostata-, bröst-, och tarmcancer). Dödligheten är hög, omkring 20%. Incidensen är därmed högre och dödligheten procentuellt i paritet med de välkända sjukdomarna stroke och hjärtinfarkt (ca 25 000 fall vardera årligen). Det är därför hög tid och angeläget att sätta in motåtgärder för att få ner dödligheten och effekterna av sepsis. Artificiell intelligens (AI) ger oss nya verktyg till detta.

Sepsis är ”infektion med livshotande organdysfunktion orsakat av felreglerat systemiskt immunsvar”. Tillståndet uppstår när immunförsvaret attackerar kroppens egna vävnader som en missriktad respons på försvar mot angripande bakterier. Överlevande kan behöva amputeras eller riskerar andra komplikationer t.ex. njurproblem. Detta innebär stort lidande samt stora sjukvårdskostnader. Trots att sepsis är ett globalt problem och en av de vanligaste dödsorsakerna, är det förhållandevis okänt - även inom vården. Tidig identifiering och snabb behandling är avgörande för utgången. Varje fördröjning av antibiotikabehandling försämrar chansen till överlevnad och ökar risken för komplikationer.

Prehospital sjukvård är vård som bedrivs av bl.a. ambulanssjukvården. Tidigt i vårdkedjan fattas här viktiga beslut om handläggning, vårdprocess och destination. För att stödja personalen krävs bl.a. bättre informationsutbyte med andra aktörer samt fler och bättre kliniska beslutsstöd. Mer än hälften av patienterna med sepsis har sin första vårdkontakt prehospitalt. Identifieras riskpatienter tidigt kan behandling påbörjas i ambulansen, mottagande enhet förvarnas och patienten snabbare hamna rätt på sjukhuset. Tidig identifiering är således fundamentalt. Idag utgår denna från klinisk erfarenhet och enklare verktyg baserade på vitalparametrar. Ett problem är att vitalparametrarna är normala i en tredjedel av fallen. Symptomen är dessutom många och diffusa och kan likna mindre allvarliga tillstånd som t.ex. influensa. Det finns indikationer på att ambulanspersonalen misstänker sepsis i så lite som 12% av fallen. Säkrare riskprediktion kan därför ha stor effekt på mortalitet och komplikationer redan vid måttliga förbättringar. Därför är det motiverat att undersöka hur AI-metoder kan öka precisionen bl.a. genom att även inkludera symptom i bedömningen. Projektet PreSISe har därför initierats inom PICTA (Prehospital ICT Arena). Målet är att i en brett sammansatt intressentgrupp utveckla, utvärdera och nyttiggöra ett nationellt ”öppet” prehospitalt AI- beslutstöd för att skatta sepsisrisk. I tillägg även definiera en modell för hur detta beslutsstöd långsiktigt kan tillgängliggöras, underhållas, förbättras och förvaltas av ”rätt” aktörer efter projektslut. För att uppnå önskad nytta och spridning, rätt hantering av CE-krav, samt säkerställa kontinuerlig tillförsel av kvalitetssäkrade indata för ständig förbättring måste dessa frågor beaktas redan från projektstart.

presise.png

Beslutsstödet utformas för ambulanssjukvård och en generell IT-plattform (se figur 1), ”ambulans- journal”. I den strukturerade arbetsprocessen enligt t.ex. AMLS (Advanced Medical Life Support) tillförs ambulansjournalen kontinuerligt, information som i bakgrunden bearbetas och bedöms av en AI- algoritm utifrån sepsisrisk. Vid förhöjd risk notifieras personalen. Anpassning av vårdprocess och adekvata åtgärder, t.ex. organstödjande behandling eller kompletterande prover, kan påbörjas och mottagande enhet förvarnas. Detta skiljer sig på flera sätt från dagens situation. Dels krävs inte att personalen i ett första läge misstänker sepsis, dels tas det utöver vitalparametrar även hänsyn till patientens/anhörigas berättelse, och slutligen kan informationen bearbetas av AI-algoritmer som förväntas vara överlägsna dagens metoder. AI-stödet ställer dock inte diagnosen, detta görs senare i vårdkedjan, eftersom detta kan kräva t.ex. bakterieodling. Endast risk predikteras.

PreSISe drivs längs tre interagerande parallella spår mot målet – ett brett förankrat nationellt tillgängligt AI-beslutsstöd (figur 2). De tre spåren är insamling och sammanställning av data, AI-metoder och visualisering.

PreSISe-1

Ett första steg har tagits genom utformningen av PreSISe-1, för vilket finansiering nu söks. Här läggs grunden till beslutstödet och dess långsiktiga nationella förvaltningsmodell. De tre interagerande spåren innebär då;

  1. Sammanläggning (pooling) och bearbetning av parternas befintliga sepsisdata
  2. Utveckling och utvärdering av utvalda AI-metoder på dessa sepsisdata
  3. Genom användartester utvärdera hur resultaten ska visualiseras och implementeras för  att fungera i klinisk verksamhet, samt dess effekter på vårdprocessen​presisepil.png

I PreSISe-1 skall dessutom en långsiktig förvaltningsmodell föreslås. I denna ingår bl.a. datarepresentation, interoperabilitet och standards, underhåll och utveckling, regulatoriska frågeställningar inkl. CE och MDD/MDR, samt tillgängliggörande via ”open source”.

 

Parter i PreSISe-1

  • PICTA (Prehospital ICT Arena)
  • Chalmers
  • PreHospen (Högskolan i Borås)
  • Skaraborgs Sjukhus Skövde (VGR)
  • Karolinska Institutet Södersjukhuset
  • Aweria AB
  • InterSystems Sverige AB
  • MedITeQ AB

PICTAs fokusgrupp inom kliniska beslutsstöd samt bl.a FLISA är referensgrupp till projektet.