Hjertemedicinsk Afdeling på Rigshospitalet vil i et nyt samarbejde undersøge, om man med forskellige sundhedsdata kan udvikle en algoritme, der kan gøre behandlingen af patienter med blodprop i hjertet endnu bedre. Digitale muligheder skal veksles til patientfordele, anerkender Hjerteforeningen. 

Vi passer på hinanden

Lad os passe på hinanden ved at følge myndighedernes anbefalinger under coronakrisen. Læs om de generelle anbefalinger på coronasmitte.dk og om anbefalinger for hjertesygdom og coronavirus på hjerteforeningen.dk/corona. Tak!

De første timers vurdering og behandling af patienter med en blodprop i hjertet er vigtige. Derfor indsamler man allerede i dag enorme mængder kliniske data, mens patienterne er indlagt. Men selvom man allerede i dag anvender statistisk baserede risikomodeller i behandlingen, kan det være svært at vurdere, hvordan de forskellige parametre, der indgår i modellerne, påvirker hinanden. Det skriver Rigshospitalet i pressemeddelelse.  

Hospitalets hjerteafdeling vil i samarbejde med Alexandra Instituttets eksperter i kunstig intelligens undersøge, om man med forskellige sundhedsdata kan udvikle en algoritme, der kan gøre behandlingen af patienter med blodprop i hjertet endnu bedre. 

Ifølge Dan Eik Høfsten, overlæge på Rigshospitalets hjerteafdeling, er der især to spor, som man vil undersøge. Det første skal hjælpe med at individualisere behandlingen, så alle får den bedste behandling efter en blodprop i stedet for “one size fits all”.  

Vi har en god fornemmelse af, hvilke fysiske forhold der afgør, om folk dør. Vores modeller er blevet mere og mere sofistikerede, og vi har fået maskinkraft og datamængder, der gør, at vi kan opstille risikomodeller, der tager højde for mange forskellige parametre. Men de klassiske statistiske modeller er også begrænset af, at de oftest antager, at hver parameter er uafhængig af de andre og har samme betydning for alle patienter. Med maskinlæring har vi mulighed for at kombinere variable på mange forskellige måder og dermed tage højde for, hvordan de mange forskellige parametre påvirker hinanden indbyrdes, siger Dan Eik Høfsten. 

Den anden ting, man vil undersøge på Rigshospitalet, er den hjerterytme-overvågning, som alle patienter bliver udstyret med, når de bliver indlagt. Her har man i dag et veletableret alarmsystem, som kan genkende abnorme hjerteforstyrrelser, som kræver akut behandling. 

I Hjerteforeningen arbejdes der også med maskinlæring og behandling af store mængder data. 

– Vi ser en stor fremtid i at bruge vores digitale tidsalder til gavn for patienterne. Digitale muligheder skal veksles til patientfordele. Der er mange data om patienterne, som kan anvendes til at målrette og gøre behandlingen mere effektiv, og vi følger som forening udviklingen på nationalt og internationalt plan, samtidig med at vi selv driver og støtter forskning, hvor digitale værktøjer er i brug, siger Gunnar Gislason, der er forskningschef i Hjerteforeningen. 

 

Analyserer rytmedata 

En patient har typisk 100.000 hjerteslag i døgnet, og ifølge Dan Eik Høfsten er det tanken, at der gemt i de enorme mængder rytmedata ligger nogle variationer, som ikke nødvendigvis siger noget om risikoen her og nu, men som markerer, hvis patienten har risiko for at få rytmeforstyrrelser eller andre hjerterelaterede komplikationer siden hen.  

Vi vil putte alle de kliniske parametre ind, som vi ved har betydning. Det gælder lige fra blodprøver, blodtryksmålinger og resultater fra undersøgelser til patientens tidligere sygehistorie. Vi vil derefter følge patienterne i en periode efter udskrivelsen og fodre algoritmen med oplysninger om, hvilke patienter der siden oplevede komplikationer. Tanken er, at algoritmen kan håndtere de enorme datamængder og lede efter mønstre af en anden karakter, end hvad den menneskelige hjerne er trænet til og dermed kan lave en profil for de patienter, der har størst risiko. 

Du kan læse mere om Rigshospitalets forskning på hospitalets hjemmeside.