Computer fortæller om man dør af COVID-19

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

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.

Professor Mads Nielsen, 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.

Professor Mads Nielsen, Datalogisk Institut på Københavns Universitet

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.

Professor Mads Nielsen, Datalogisk Institut på Københavns Universitet

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.

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.

Professor Mads Nielsen, Datalogisk Institut på Københavns Universitet

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.

Fakta

  • Data er behandlet på Computerome, en sikker supercomputer til persondata, og under tilladelse fra styrelsen fra patientsikkerhed, dataejere og andre relevante myndigheder.
  • Den kunstige intelligens forudsiger med 90 procents nøjagtighed, om en smittet patient vil dø af COVID-19.
  • Når en person er indlagt med COVID-19, kan den kunstige intelligens forudsige om personen skal i respirator med 80 procents nøjagtighed.
  • BMI, alder, forhøjet blodtryk, at være mand, neurologiske sygdomme, KOL, astma, diabetes og hjertesygdomme er de faktorer, som den kunstige intelligens tillægger mest vægt ift. risikoen for at komme i respirator.
  • Computermodellerne bygger på helbredsdata fra 3.944 COVID-19-patienter fra Region Hovedstaden og Region Sjælland.
  • Studiet er udgivet i dag, fredag 5. febaruar 2021, i det videnskabelige tidsskrift Scientific Reports.
  • Studiet er støttet af Novo Nordisk Fonden og Innovationsfonden.

Del artiklen på

Om Lars Bennetzen (3073 Articles)
Lars Bennetzen har været it- og gadget-journalist siden 1992, og arbejdet som redaktør på PC World, Ingeniøren, Jern- og Maskinindustrien, Procesteknik og Ugens Erhverv. I 2006 blev Lars Chefredaktør på Alt om DATA, og bestyrede det gode gamle it-blad gennem de næste 6 år. I 2012 blev Lars selvstændig og stiftede firmaet Blackbelt Communications og i 2015 startede han Tech-Test. Lars fungerer også som kommunikationskonsulent, taler, moderator og gadgetekspert.
Kommentar til artiklen?

Tilmeld dig vores nyhedsbrev

Hvis du ikke allerede får vores nyhedsbrev, har du her muligheden for at tilmelde dig.

Vi udsender 1 gang om ugen, så vi kommer ikke til at spamme din mailboks.

Vi holder dine data private, og deler dem ikke med tredjepart