Säkrare läkemedelsanvändning med hjälp av hälsodata, artificiell intelligens och tvärvetenskaplig samverkan
Patienter drabbas ofta av biverkningar när de äter flera olika läkemedel samtidigt. Det finns behov av bättre beslutstöd som kan varna för riskfyllda kombinationer av läkemedel. Samtidigt behöver vi metoder för att följa upp misstänkta biverkningar som endast dokumenteras i fritext. Ett forskarteam undersöker hur vi kan använda artificiell intelligens (AI) för kan hitta biverkningar i journalanteckningar och göra beslutsstöd mer träffsäkra.
– Problemet med dagens beslutsstöd är att de varnar för ofta och att majoriteten av varningarna inte är tillräckligt relevanta. När läkare varnas för ofta finns det en risk att man inte tar det på allvar och därmed missar viktiga varningar, säger Tora Hammar, docent i läkemedelsinformatik vid Linnéuniversitetet.
Hon leder ett tvärvetenskapligt projekt med forskare inom datavetenskap och medicin som vill göra vårdens beslutstöd mer träffsäkra. I projektet använder de AI för att gå igenom mer än tio års data från 250 000 patienter i Region Kalmar län.
– Med maskininlärning kan vi skapa bättre, mer träffsäkra algoritmer för beslutstöd när vi till exempel kan inkludera faktorer som kön, ålder och tidigare diagnoser. Vi ser att med vår metod kan vi bättre förutsäga vilka patienter som kan drabbas, säger Tora Hammar.
Inom projektet upptäckte teamet snabbt behovet av att även kunna identifiera oönskade läkemedelshändelser som dokumenterats i fritext i journalanteckningar. Då påbörjades ett parallellt projekt för att utveckla metoder för det med hjälp av stora språkmodeller, en gren inom AI.
- Läkarna skriver ofta biverkningar i fritext och då missas den värdefulla informationen med dagens metoder för uppföljning, säger Tora Hammar.
Seminariet är på svenska, konstnadsfritt och online.
