Predikering av risiko for postoperative sårinfeksjoner med bruk av kunstig intelligens

I prosjektet vil vi evaluere validiteten til fire ikke-KI-baserte risikoverktøy for å se hvilke som best predikerer risiko for postoperativ sårinfeksjon. Variablene, som for eksempel tidligere sykdommer og alder, i risikoverktøyet med best prediktiv kraft, vil brukes til utvikling av algoritmer til et KI-basert risikoverktøy, som vi antar vil predikere risiko for postoperativ sårinfeksjon bedre enn de ikke-KI-baserte risikoverktøyene.

Samarbeidspartnere

SPKI, Maskinlæringsgruppa ved UiT, Data Intelligence for Health Lab ved University of Calgary

Formål

Hovedmålet er å utvikle et KI-basert verktøy som kan angi sannsynligheten for at en postoperativ sårinfeksjon oppstår hos den enkelte pasient, slik at risikoreduserende tiltak kan gjøres og sykdomsbyrden for pasienten reduseres.

Problemstilling

Postoperative sårinfeksjoner oppstår hos 5-10 % av kirurgiske pasienter kartlagt med journalgranskingsmetoden Global Trigger Tool (GTT) i pasientopphold i Helse Nord. Postoperative sårinfeksjoner øker risikoen for flere liggedøgn, reoperasjon og postoperativ død, og er belastende for pasienten.