Livsfarlige udsving i blodsukker er et overset problem på intensivafdelinger – særligt for patienter med diabetes. Ny computermodel kan i realtid forudsige, hvem der er i risiko for at udvikle for lavt eller for højt blodsukker, så læger kan intervenere i tide.
Ifølge WHO har mere end 800 millioner mennesker type 2-diabetes – og mange af dem ender på intensivafdelinger, hvor blodsukkeret kan blive livsfarligt.
Problemet er i den sammenhæng, at for højt eller for lavt blodsukker under intensiv indlæggelse er farligt, og det er en særdeles relevant problemstilling, når patienterne har type 2-diabetes.
For højt eller for lavt blodsukker er både associeret med længere hospitalsindlæggelse, øget risiko for udvikling af anden sygdom og øget risiko for at dø i forbindelse med hospitalsindlæggelse.
For at løse den udfordring har forskere nu udviklet en computermodel, der i realtid kan vurdere, hvilke patienter der er i høj risiko for at få for højt eller for lavt blodsukker, så læger kan reagere med de rette interventioner.
Ifølge en af forskerne bag udviklingen af modellen, kan den redde tusinder af menneskeliv.
»I for eksempel USA, hvor fem mio. mennesker årligt bliver indlagt på en intensivafdeling, viser vores beregninger, at vores model kan føre til flere hundredtusinder tidligere interventioner, der kan reducere både indlæggelsestiden samt risiko for mere sygdom eller død,« fortæller lektor Arijit Khan fra Institut for Datalogi ved Aalborg Universitet.
Sådan opdager modellen farligt blodsukker i tide
Der kan være mange fordele ved at kunne forudsige, hvilke patienter der vil udvikle for højt eller for lavt blodsukker under indlæggelse.
Det er selvfølgelig muligt at måle det direkte, men så kan man ikke lave interventioner, hvis man først opdager det, når blodsukkeret enten er for langt nede eller for højt oppe.
Derfor har forskere længe arbejdet på at udvikle modeller, der kan identificere højrisikopatienter ud fra alle de data, der i forvejen indsamles om patienterne.
Når patienter indlægges på en intensivafdeling, får de for eksempel målt blodtryk og puls, ligesom de kommer med en sygehistorik.
Lægerne noterer også en masse om patienterne i sygejournalerne.
”Data om indlagte patienter er meget forskelligartede og indsamles på forskellige tidspunkter. Nogle måles hvert minut, mens andre registreres én gang i timen. Patientdata måles på forskellige tidspunkter og i forskellige systemer – hvilket skaber et kaos, som lægerne kan have svært ved at overskue. Her hjælper den kunstige intelligensmodel dem med at finde mønstre, de ellers ville overse,” forklarer Mohammad Hadi Mehdizavareh, ph.d.-studerende fra samme institut og en anden af forskerne bag studiet.
Bruger samme AI-teknik som ChatGPT
I forskningsarbejdet har forskerne udviklet en model, der kan samle data på forskellige tidspunkter og finde mønstre i dem.
Forskerne benyttede i udviklingen af modellen de samme teknikker, som benyttes i de store sprogmodeller som ChatGPT.
Sprogmodellerne fungerer på den måde, at de på baggrund af den tilgængelige mængde data prøver at forudsige, hvilket ord der er det næste i rækken, når du stiller et spørgsmål.
På samme måde benytter den nye model sig af de tilgængelige data til at forudsige, hvor blodsukkeret er på vej hen. Er det på vej op eller på vej ned?
Ligesom ChatGPT gætter på det næste ord i en sætning, gætter den nye model, om blodsukkeret er på vej op eller ned – og vælger selv, hvilke data der skal bruges til det.
»Traditionelle modeller krævede, at forskerne manuelt udvalgte, hvilke data der skulle med – en tilgang, der var tidskrævende, ressourcekrævende og ofte ikke gav de bedste forudsigelsesresultater,« siger Arijit Khan.
Model kan redde tusindvis af liv
Forskerne validerede modellen på et datasæt med flere end 200.000 indlæggelser på intensivafdelinger på tværs af 208 hospitaler.
Modellens evne til at forudsige, hvem der udviklede højt eller lavt blodsukker, var 5–7 % bedre end eksisterende modeller.
I det undersøgte datasæt betyder det, at hvis modellen havde været brugt i realtid, viser analysen, at over 1.000 liv kunne være reddet på baggrund af tidligere interventioner.
»Tanken er, at modellen skal have adgang til patienternes data i realtid, så den kan udsende en advarsel, hvis den på baggrund af data vurderer, at en patient inden for en periode vil udvikle for højt eller for lavt blodsukker. Det kan give lægerne mulighed for at intervenere og derigennem redde liv, forhindre udvikling af yderligere sygdom og forkorte indlæggelsestiden for patienterne,« forklarer en tredje af forskerne bag studiet, lektor Simon Lebech Cichosz.
Kan også forudsige blodpropper og død
Ifølge Arijit Khan er der et stort potentiale i den type modeller, som forskerne har udviklet.
Derfor er det også planen, at forskerne vil videreudvikle den og blandt andet gøre den i stand til at lave vurderinger af mere end bare risikoen for udvikling af forhøjet blodsukker.
Det kunne blandt andet dreje sig om risiko for udvikling af blodprop, risiko for at dø eller risiko for et langt indlæggelsesforløb.
Jo bedre modellerne bliver til at trække viden ud af data, jo flere liv kan reddes – og jo bedre kan hospitaler bruge deres ressourcer.
En succesfuld udnyttelse af AI handler ikke kun om ydeevne.
”Det er meget vigtigt, at AI-modeller ikke opfattes som en erstatning, men snarere som et supplement til den kliniske behandling, som kan forbedre patientresultater ved at give evidensbaserede anbefalinger og analyser ved sengekanten, reducere den kognitive belastning og øge tilliden i beslutningstagningen. Implementeringen af sådanne modeller på intensivafdelinger skal ske i tæt samarbejde med klinikerne og med hensyn til det kliniske arbejdsgang for at realisere deres fulde potentiale,” kommenterer Simon Cichosz.
