Kartläggning och analys av läkemedelsrisker – Hur kan maskininlärning förbättra prediktioner?
Beslutsstöd kan användas för att varna om en patient får flera olika läkemedel som är olämpliga att kombinera med varandra. Men det är en stor utmaning att få varningar som är kliniskt relevanta. Forskarna Tora Hammar och Olle Björneld bjuds den 19 januari in för att berätta om sin forskning kring hur de med hjälp av maskininlärning och real-world data vill bidra till att förbättra vårdens beslutsstöd.
- Ett problem med dagens beslutsstöd är att de varnar för ofta och att majoriteten av varningarna inte är tillräckligt relevanta för den enskilda patienten. Forskning har visat att om en läkare ofta varnas i onödan finns det en risk att de med tiden missar viktiga varningar.
Tillsammans med ett tvärvetenskapligt team med forskare inom klinisk farmakologi, farmakoepidemiologi, datavetenskap, statistik och visualisering kommer de samarbeta i ett gemensamt forskningsprojekt. I projektet används data retroaktivt från ca 200 000 patienter i Region Kalmar län under en 10 årsperiod för att lära sig mer om de potentiella och faktiska problem som dagens beslutsstöd kan hitta, och om varningarna kan bli mer relevanta.
- När hälsovetenskap och datavetenskap möts händer det något häftigt, när vi arbetar tvärvetenskapligt kan vi få fram kunskap ur stora mängder rådata och i det här projektet utforskar vi hur vi med hjälp av maskininlärning kan bidra till att förbättra framtidens beslutstöd.
Forskare: Tora Hammar och Olle Björneld
Datum/Tid: Torsdag den 19 januari kl 15.00-16.00
Plats/Distans: Anmäl dig nedan så skickar vi en zoom-länk till dig.
OBS: Seminariet spelas inte in:
Våra forsknignsseminarier spelas inte längre in, som tidigare år, utans sänds endast live via zoom. Detta då flera av våra föreläsare har önskemål om att kunna presenters forskningsmarterial som ännu inte är publicerat.