Maskinerna gör diagnostiken lättare – forskare vid Aalto-universitetet vill effektivera läkarnas arbete

Det nya medicinska verktyget som bygger på dataanalys och maskininlärning kan hjälpa läkare att göra mer exakta diagnoser.

Alexis Kouros, ledare för forskningsgruppen vid Aalto-universitetet, menar att det nya instrumentet kan ha en revolutionär inverkan på läkaryrket.

– Det är fråga om ett paradigmskifte som potentiellt liknar övergången från trådtelefoner till smarttelefoner. Vissa av läkarnas instrument har utvecklats väldigt långt, till exempel skiktröntgen-teknologin. Inom andra områden har den teknologiska utvecklingen förblivit ganska ålderdomlig, t.ex. när det gället stetoskopet. Stetoskopet är ett viktigt instrument, men i dess nuvarande form är det inte särskilt exakt, säger Kouros.

Allt-i-ett-lösning för läkare bygger på maskininlärning

Den nya teknologin som forskningsteamet vid Aalto-universitetet arbetar på att utveckla går under arbetsnamnet Vital Signs. Instrumentet kan mäta bland annat EKG (elektriska signaler i hjärtat), syrenivån i blodet, temperatur, puls, andningsmönster och variation mellan hjärtslag, allt med ett och samma verktyg.

Vital Signs-teknologin sparar ljudinspelningarna och mätningarna i ett digitalt format, och möjliggör således att läkare kan skicka de digitala filerna till varandra för konsultering och utomstående synpunkter.

All anonym data som sparas matas in i systemet och bidrar till maskininlärningen. Allteftersom maskininlärningen utvecklas, blir även analyserna mer och mer exakta.

– Vi började projektet genom att observera hur läkarna på HUS jobbar, och vad för slags problem de stöter på under arbetsdagarna. Business Finland gav oss finansiellt understöd, och Aalto-universitetet möjliggjorde att vi kunde börja arbeta på att utveckla teknologin och maskininlärningen, berättar Kouros.

Forskningen möjliggörs av institutionen för neurovetenskap och biomedicinsk teknik vid Aalto-universitetet i samarbete med Helsingfors universitetssjukhus.

Den nya teknologin kan göra patientbesöken effektivare

Kouros menar att läkare i genomsnitt kommer att spara 5-10 minuter per patient genom att VitalSigns-teknologin möjliggör snabbare mätningar.

– Vi har uppskattat att effektiveringen av läkarbesöken kommer att motsvara ungefär samma mängd extra ledig arbetstid som 400 extra läkare i Finland, kommenterar Kouros.

Diagnoser på distans

Kouros menar att forskningen hans team gjort under de två senaste åren kan ha stora konsekvenser för läkarkåren även globalt.

Till exempel distansmottagningar har blivit allt vanligare under pandemin. Kouros vill fortsätta att utveckla Vital Signs-teknologin så att det skall bli möjligt för patienter att själv göra mätningar hemma via en app som sedan skickar resultaten till läkaren för analys och diagnos.

– Det är inte fråga om att teknologin själv skulle kunna göra diagnoser. Snarare handlar det om ett verktyg som möjliggör snabbare, mer exakta diagnoser som i slutändan ändå görs av en läkare. Genom att väga läkarens egna subjektiva tolkning mot tusentals datapunkter som den artificiella intelligensen analyserat får man en mer pålitlig bild av patientens situation, förklarar Kouros.

Klinisk pilotstudie på gång vid Aalto Universitetet

Just nu är forskningsgruppen vi Aalto-universitetet inne i en klinisk pilotstudie med ca 100 patienter. Under studien bandar forskarna bland annat in tusentals ljudinspelningar av patienternas lungor vid in -och utandning. Dessa ljudinspelningar analyseras sedan av en algoritm, som allteftersom att datapunkterna blir fler själv blir pålitligare i sina analyser.

Maskininlärning har blivit en allt mer allmän del av det medicinska yrket. Forskningsgruppen på Aalto-universitetet använder maskininlärning främst för att analysera inspelningar av lung - och hjärtljud.

– Vi tränar den artificiella intelligensen att lära sig känna igen hur t.ex. människans lungor låter då hon lider av lunginflammation. Ju mer data vi samlar och matar in, desto mer exakta blir analyserna. Vårt mål är att Vital Signs-teknologin med tiden skall bli mer pålitlig än enskild människas subjektiva analys, berättar Kouros.

Forskningsprojektet vid Aalto-universitetet tar slut 31 mars 2022. Efter det kommer Kouros och hans forskningsgrupp att fortsätta utveckla teknologin i ett nytt start- up företag.