Software, It og samfund

Patientdata kan forudsige corona-dødelighed

Mads Nielsen, der er professor ved Datalogisk Institut på Københavns Universitet, har opfundet metode, hvor kunstig intelligens med 90 procent nøjagtighed kan vurdere, om folk vil dø af COVID-19 eller ej, baseret på faktorer som BMI, køn og blodtryk.

Forskere på Københavns Universitet kan på baggrund af patientdata forudsige antallet af respiratorpatienter på sygehusene under coronapandemien og afgøre, hvem der bør stå først i køen til en vaccine. Med hjælp fra kunstig intelligens kan forskerne med 90 procent nøjagtighed forudsige, om folk vil dø af COVID-19 eller ej, baseret på faktorer som BMI, køn og blodtryk.

Hvad har I undersøgt?

Siden den første bølge af COVID-19-pandemien har vi arbejdet hårdt 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 vi ved hjælp af kunstig 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.

Hvordan har I grebet det an?

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. Vi 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. Data er behandlet på Computerome, som er en sikker supercomputer til persondata, efter tilladelse fra relevante myndigheder.

Hvem er mest i farezonen?

Vores resultater viser ikke overraskende, at alder og BMI er de mest afgørende parametre for, hvor hårdt en person rammes af COVID-19. De sygdomme og helbredsmæssige faktorer, som 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.

Hvad kan vi bruge resultaterne til?

Kunstig intelligens kan hjælpe os med at beslutte, hvem der skal stå forrest i køen til de dyrebare vacciner, der i øjeblikket gives overalt i landet. Lige nu arbejder vi sammen med Region Hovedstaden om at udnytte de seneste resultater i praksis. 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.