Ved hjælp af patientdata kan kunstig intelligens med 90% nøjagtighed vurdere, om folk vil dø af COVID-19 eller ej, viser et nyt studie, der er offentliggjort i dag, der er lavet af forskere fra Datalogisk Institut på Københavns Universitet. Dermed kan den også hjælpe med at beslutte, hvem der skal stå forrest i køen til de dyrebare vacciner, der i øjeblikket gives overalt i landet.
Det Forskerne har siden den første bølge af COVID-19-pandemien arbejdet på at udvikle computermodeller, som ud fra sygdomshistorik og helbredsdata kan forudsige, hvor hårdt mennesker rammes af COVID-19.
“Vi startede ud med at arbejde på modellerne som en hjælp til hospitalerne, da de særligt under første bølge frygtede, at de ikke havde nok respiratorer til intensivpatienterne. Men vores nye resultater vil også kunne bruges som en mere finkornet måde identificere, hvem der har mest behov for en vaccine,” siger professor Mads Nielsen fra Datalogisk Institut på Københavns Universitet.
Ældre mænd med højt blodtryk er højrisiko
Forskerne har fodret et computerprogram med helbredsdata fra 3.944 danske COVID-19-patienter, hvilket har trænet computeren til at genkende mønstre og sammenhænge i både patienternes forudgående sygdomme og i deres COVID-19-forløb.
De sygdomme og helbredsmæssige faktorer, som ifølge studiet har mest indflydelse på, om en patient ender i respirator efter at være blevet smittet med COVID-19, er i prioriteret rækkefølge: BMI, alder, forhøjet blodtryk, at være mand, neurologiske sygdomme, KOL, astma, diabetes og hjertesygdomme.
“Mennesker, som passer på en eller flere af de parametre, vi har fundet, vil det måske være fornuftigt at rykke frem i vaccinekøen, så man ikke løber den risiko, at de smittes og måske ender i respirator,” siger Mads Nielsen.
Skal forudsige respirator-behov
Lige nu arbejder forskerne sammen med Region Hovedstaden om at udnytte de seneste resultater i praksis. Således håber forskerne på, at den kunstige intelligens inden længe kan hjælpe landets hospitaler med løbende at forudsige behovet for respiratorer.
“Vi arbejder på en målsætning om, at vi skal kunne forudsige behovet for respiratorer fem dage frem i tiden ved at give computeren adgang til sundhedsdata om alle COVID-positive i regionen,” siger Mads Nielsen og tilføjer: “Computeren vil aldrig kunne erstatte en læges vurdering, men den kan hjælpe lægen og hospitalerne med at overskue mange COVID-19-smittede patienter på én gang og lave løbende prioriteringer.”
Læs resten af pressemeddelelsen her.
