Identification of multimorbid patients with impactable risk profiles using artificial intelligence, the IM-PACT method


Prosjektbeskrivelse

En relativt liten gruppe pasienter med komplekse og langvarige behov (KLB) for helsetjenester står for en stor andel av ressurbruken i helsetjenesten. Grovt sett viser både norske og internasjonale studier at 1% av pasientene står for ca 20% av forbruket i spesialisthelsetjensten, 5%, står for 50% av forbruket, og 10% står for 66% av forbruket. Denne gruppen er karakterisert av at de er eldre, har mange samtidige langvarige diagnoser, har dårligere livskvalitet, og har høy risiko for død. Når en person har kommet inn i den gruppen som trenger mest helsetjenester, så er det ofte vanskelig å snu forløpet. Det er derfor behov for å benytte prediktive verktøy for å identifisere personer i risiko-gruppene som kan ha nytte av forebyggende tiltak.

Det finnes allerede en god del verktøy for å identfisere personer med høy risiko for død, re-innleggelse og høye kostnader i helsetjenesten [8-10]. Likeledes finnes det en del lovende intervensjonsstudier som retter seg mot pasienter med KLB, men resultatene er ofte inkonsistente og viser seg vanskelig å reprodusere [11-14]. Mangelen på på konsistente resultater er uttrykk for at det ikke er nok å identifisere høy risiko, vi må også identifisere den subgruppen som vil ha nytte en gitt intervensjon (eng: Impactability) [15].

«Impactibility» eller «nytteverdi» kan defineres som i hvilken grad forskjellige delpopulasjoner vil ha nytte av en rekke intervensjoner. Identifisering av høy risiko er bare halvparten av løsningen, siden effekten av et tiltak kan være størst før høyrisiko kan påvises ved vanlige metoder. Dette prosjektet foreslår en ny nytteverdi modell: IM-PACT, basert på kunstig intelligens, som formelt vil definere kliniske undergrupper av pasienter med KLB som har en risikoprofi som har vist seg å ha nytte av et behandlingstilbud utviklet for denne gruppen: Pasientsentrert helsetjenesteteam (PSHT).

Mål

Dette forskningsprosjektet bruker kunstig intelligens (KI) metoder for å analysere data som er samlet inn over seks år i PSHT-kohortestudien for å gi en forbedret og effektiv måte å identifisere multimorbide pasienter med risikoprofiler som vil ha nytte av PSHT-intervensjonen (IM-PACT). Den foreslåtte IM-PACT-prosessen er basert på å identifisere pasienter hvis risikoprofiler kan påvirkes av behandlingen. Resultatene har stort potensiale for å forbedre omsorgen og redusere kostnadene for eldre pasienter med komplekse behov, og dette fører til slutt til bedre helsetjenester for befolkningen.

Prosjektledelse

Prosjektdeltakere

Eksterne prosjektdeltakere

  • Per Erlend Hasvold, Universitetssykehuset Nord-Norge,

    email hidden; JavaScript is required

  • Monika Marie Dalbakk, Universitetssykehuset Nord-Norge,

    email hidden; JavaScript is required

  • Majid Ghayour Mobarhan, Mashhad University of Medical Sciences (MUMS), Mashhad, Iran.,

    email hidden; JavaScript is required

  • Svein Gjelstad, Medrave software AS,

    email hidden; JavaScript is required

Tema

Pasientforløp

Helsedata

Prosjektperiode

2021 - 2023

Sist oppdatert

04.05.2021