Klient: e-Psykiatriavdelningen Västra Götalandsregionen

Bättre utskrivningsbeslut med maskininlärning

om epsykiatriavdelningen
Psykiatrienheten är en gemensam resurs för hela vuxenpsykiatrin inom Sahlgrenska Universitetssjukhuset i Göteborg. Deras uppdrag är att ta fram digitala stöd och behandlingar som kan användas inom den ordinarie verksamheten.

Psykiatrisk vård i Sverige har begränsat med resurser. Ofta står vårdavdelningar fulla och en patient måste skrivas ut för att en annan ska kunna skrivas in. Läkare måste därför prioritera vilka av de inskrivna patienterna de tror är redo för utskrivning. Om fel patient skrivs ut riskerar patienten att snart komma tillbaka till vårdavdelningen. Detta leder till stort lidande för individen och stora kostnader för sjukvårdssystemet.

Advectas genomförde en Analytics Jumpstart med syfte att prediktera snabba återinskrivningar inom beroendevården i Västra Götalandsregionen (VGR).

Dagens manuella process utvidgades med maskininlärning
Idag prioriterar läkare manuellt vilka patienter som bör skrivas ut. Samtidigt finns en mängd data om varje patient – dels i form av sjukvårdsjournaler och dels data om patienternas demografi, vårdhistorik, diagnoser och medicinanvändning. ePsykiatrienheten ville testa om avancerad analys med maskininlärningsmetoder kunde använda sig av dessa data för att prediktera vilka patienter som var sannolika att återinskrivas vid eventuell utskrivning. Om detta vore möjligt kunde ett beslutsstödsystem införas för att bistå läkarna i utskrivningsbesluten.

Pilotprojekt med kunskapsöverföring som delmål
Maskininlärningsprojekt är speciella eftersom förutsättningarna att lyckas ligger gömda i datan. Det går inte att på förhand veta om det finns tydliga mönster som skiljer patientgrupperna åt, utan det måste helt enkelt testas. Advectas Analytics Jumpstart-metodik gav ePsykiatrienheten möjlighet att genom ett pilotprojekt snabbt och utan stora initiala investeringar undersöka om maskininlärning var ett användbart verktyg för att bistå läkarna i utskrivningsprocessen.

En annan viktig faktor för ePsykiatrienheten var möjligheten till kunskapsöverföring under projektets gång. Personalen ville lära sig hur projekt inom området Artificiell Intelligens kan genomföras, och Advectas erbjöd ett nära samarbete med kontinuerliga uppdateringar och diskussioner om projektets framskridande. Dessa diskussioner ledde inte bara till en kunskapsöverföring, utan även till att ämnesspecifika insikter kunde användas för att skapa bättre maskininlärningsmodeller.

”För oss har detta varit en oerhört spännande och lärorik resa. Vi har fått chansen att testa huruvida all den datan vi sparar faktiskt kan användas till den här typen av analys. Dessutom har vi lärt oss mycket om hur man kan genomföra maskininlärningsprojekt.” – säger Mikael Mide, leg. psykolog och projektledare på ePsykiatrienheten.

Lyckad pilotleverans och säkerställd fortsättning
Under pilotprojektets gång hittades tydliga mönster i datan som kunde användas för att prediktera vilka patienter som snart skulle återinskrivas om de skrevs ut. Maskininlärningsmodellerna som skapades presterade alltså betydligt bättre än slumpen. Dessutom nåddes många insikter om vilka faktorer som påverkade patienternas återinskrivningsrisk. Dessa insikter kan appliceras direkt i verksamheten och hjälpa läkare att fatta bättre manuella utskrivningsbeslut.

Ett vanligt problem vid genomförande av pilotprojekt är att det ibland kan vara svårt att komma förbi pilotfasen och faktiskt få nytta av de resultat som uppnåtts. Utöver maskininlärningsmodeller och en projektrapport levererades därför även ett förslag till hur resultatet kunde användas i verksamheten. Som ett nästa steg föreslogs att förutsättningar för produktionssättning i verksamheten undersöks. ePsykiatrienheten godkände detta och har nu blivit beviljade anslag för att fortsätta med fas 2 i projektet under 2020.

”För oss har detta varit en oerhört spännande och lärorik resa. Vi har fått chansen att testa huruvida all den data vi sparar faktiskt kan användas till den här typen av analys. Dessutom har vi lärt oss mycket om hur man kan genomföra maskininlärningsprojekt.”

Mikael Mide, leg. psykolog och projektledare på ePsykiatrienheten.