5. februar 2021

Computer fortæller om man dør af COVID-19

DATALOGI

Ved hjælp af patientdata kan kunstig intelligens med 90 procent nøjagtighed vurdere, om folk vil dø af COVID-19 eller ej, viser ny forskning fra Københavns Universitet. BMI, køn og højt blodtryk er blandt de tungest vejende faktorer. Forskningen kan bruges til at forudsige antallet af respiratorpatienter på sygehusene og afgøre, hvem der bør stå først i køen til en vaccine.

Coronapatient i seng og respirator
Forskerne har fodret et computerprogram med helbredsdata fra 3.944 danske COVID-19-patienter. Foto: Getty

Kunstig intelligens kan forudsige, hvem der højst sandsynligt vil ende med at dø af corona. 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 viser et nyt studie, der er offentliggjort i dag og lavet af forskere fra Datalogisk Institut på Københavns Universitet. 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.   

På baggrund af patientdata fra Region Hovedstaden og Region Sjælland viser resultaterne i studiet, at den kunstige intelligens med 90 procent sikkerhed kan forudsige, om en person, der endnu ikke er smittet, vil dø af COVID-19 eller ej, hvis de er så uheldige at blive smittet. Når en person først er indlagt på hospitalet med COVID-19, kan computeren med 80 procents nøjagtighed forudsige, om personen får brug for respirator.

”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.

”Vores resultater viser ikke overraskende, at alder og BMI er de mest afgørende parametre for, hvor hårdt en person rammes af COVID-19. Men sandsynligheden for at dø eller ende i respirator er også højere, hvis du er mand, har højt blodtryk eller en neurologisk sygdom,” forklarer Mads Nielsen.

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.”

Der udestår dog fortsat et teknisk arbejde med at gøre sundhedsdata fra regionen tilgængeligt for computeren, der skal udregne risikoen for de smittede patienter. Forskningen er lavet i samarbejde med Rigshospitalet og Bispebjerg og Frederiksberg Hospital.

Emner