Hvor mye stråling: Det er lett å ta røntgen for å se inn i kroppen, men på barn er det viktig å ikke bestråle for mye. På Ahus har brukt kognitiv datateknologi for å lese og forstå medisinske journaler. Her ligger svaret på hva som er riktig. (Bilde: IBM)

IBM Watson - Ahus

«Tenkende» teknologi avdekker bruken av stråling på norsk sykehus

Nærmest umulig å gjennomføre manuelt.

Ahus tok i bruk IBMs kognitive teknologi, for å gjennomgå sin egen bruk av røntgen på barn. 

Programvaren har gått gjennom flere tusen journaler for å hente ut kunnskap om skader og sykdom, behandlingsforløp og hvordan det har gått med pasientene.  

Det er en jobb som ville vært nærmest uoverkommelig å gjennomføre manuelt. 

Det har gitt sykehuset ny viten om hvordan de bruker stråling på en av de mest sårbare pasientgruppene. 

Viktig å begrense stråling

I følge IBM skal ikke inntoget av den kognitive – tenkende - teknologien som de har utviklet og lagt under samlebegrepet Watson, erstatte arbeidsplasser, men forsterke dem.

Poenget er å hente ut kunnskap som ligger skjult i alle mulige registre og databaser og skape verdi av den.

Det er i hvert fall det som er gjort på Ahus. Der har de tatt IBM på ordet og brukt teknologien til å skape ny innsikt i utilgjengelige helsedata.

– Vi jobber dag ut og dag inn med diagnostikk og er ekstremt opptatt av kvalitet. Jobben vår er bokstavelig talt livsviktig for pasientene. Som radiolog er jeg selvfølgelig begeistret for den fantastiske oppløsningen vi kan få med moderne CT-maskiner. Det er lett å sende pasienter til CT-undersøkelser å få detaljerte svar, men det er også en fare ved det, sier doktor i medisin, Petter Hurlen.

Spesielt barn må man være forsiktige med.

– De har et langt liv foran seg og vi må begrense hvor mye vi bestråler dem med røntgen, selv om moderne maskiner bruker lavere dose enn tidligere, sier han. 

Journalsvar

For å finne ut om sykehusets bruk av røntgen på barn ligger på et riktig nivå, og om mengden bestråling står i forhold til belastningen, mente Hurlen at den beste løsningen var å sjekke journalene.

Der ligger informasjon om mengder av røntgenundersøkelser, behandlingsforløp og om hvordan det var gått med pasientene.

– Inspirasjonen til dette kom fra USA, hvor man har studert 71 journaler for å finne ut om røntgendosene pasientene fikk var i samsvar med resultatene de oppnådde. Men å studere 71 journaler med manuell gjennomlesing er ingen liten jobb, forklarer doktoren.

Ahus ville gå gjennom 5400 røntgenjournaler fra perioden 2006 til 2012.

– Det ville i praksis vært umulig, både i tid- og pengebruk på den amerikanske metoden, sier han. 

Sjekket stråling mot resultater

Heldigvis for prosjektet hadde Hurlen en venn i databransjen.

Kjell Beisland leder Watson-gruppen i Capgemini og ville svært gjerne jobbe med denne utfordringen. De var det første konsulentselskapet som ble sertifisert på Watson i Norge i 2013.

Det spesielle med IBMs Watson er at den såkalt tenkende programvaren kan fôres med ustrukturert tekst, i dette tilfelle pasientjournaler.

Det er grunnlaget for at den bygger opp en slags maskinforståelse av innholdet og kan klassifisere det i forhold til hva man spør om. Hurlen ville at Watson skulle svare på om bestrålingen sto i forhold til resultatet de fikk.

Spurte Watson: Doktor i medisin, Petter Hurlen (t.v.) fikk hjelp av Mons Nørve og Kjell Beisland i Capgemini med å få informasjon fra nesten uoverkommelige mengder journaldata.
Spurte Watson: Doktor i medisin, Petter Hurlen (t.v.) fikk hjelp av Mons Nørve og Kjell Beisland i Capgemini med å få informasjon fra nesten uoverkommelige mengder journaldata. Foto: ORV

– Vi brukte to programvaremoduler for å gjennomføre journalanalysen etter at de var lest inn. Det første var Content Classification, som vi brukte til å skille mellom positive og negative resultater av alle som hadde gjennomgått en CT-undersøkelse. Det vil si de som hadde en skade eller sykdom og de som ikke hadde det, sier Beisland. 

Han understreker at de selvsagt ikke kunne godta svarene uten videre, men forklarer at programvaren gjorde en god jobb allerede ved første gjennomlesing.

– Så måtte Hurlen gå gjennom tvilstilfeller og rettlede Watson. Programvaren ble stadig mer presis for hver iterasjon, poengterer han.

Bygget egen ordliste

Selv om programvaren bare hadde lest seg opp på norsk, klarte den å skille positive og negative funn – selv om negative funn, altså at det ikke ble funnet noe farlig, ble uttrykt på 45 ulike måter.

Men under arbeidet med journalanalysen dukket det opp et problem som selv Watson trengte hjelp til. 

– Overraskende nok klarte Watson å klassifisere funnene ganske bra, men vi så at vi trengte en ordliste for å skille ulike typer skader og sykdommer mer presist, sier Hurlen. 

Derfor brukte han store deler av en ferie til å gå gjennom 10.000 ulike ord og uttrykk brukt i journalene, slik at Watson kunne gjøre klassifiseringene med større presisjon.

– Et ord som bekken kan for eksempel bety en del av skjelettet, eller et ståltrau. Slikt er viktig å kunne skille, påpeker Hurlen.

Ordlistene ble benyttet av en annen programvaremodul, Watson Explorer. Den ble brukt for å skille pasienter med skader fra de med sykdom og så videre, til å klassifisere dem i forhold til hvor i kroppen det var skade eller sykdom.

God praksis på Ahus

Resultatet av arbeidet er at Ahus har fått bekreftet i at de ligger ganske godt an i å begrense bruk av stråling på barn.

Man skal bare bruke røntgenstråler når gevinsten ved funnene er vesentlig større enn belastningen, enten det nå er å gi raskere og bedre behandling eller unngå en operasjon.

– Når vi sammenlikner våre data med de amerikanske, finner vi at vi er litt mer restriktive med å bestråle barn enn der borte, men det er nok bra, sier Hurlen.

Ettersom sykehuset kun har gått gjennom egne journaler er det ikke mulig å si noe om hvordan andre norske sykehus ligger an.

– De dataene vi har fremskaffet er basert på våre interne journaler og våre metoder, men vi har i hvert fall etablert en teknologibasert metodikk som andre kan benytte, poengterer doktoren.

Enorm produktivitetsøkning

I følge Hurlen har prosjektet først og fremst vært en test for å se hvor nyttig teknologien er. Samtidig fikk Ahus anledning til å gjennomføre et kvalitetssikringsprosjekt de lenge hadde ønsket seg, og som personvernombudet har godkjent.

Voldsom datavekst: I 2020 antas det at mengden medisinske data vil doble seg hver 73 dag. Skal vi få glede av dette må legene ha maskinhjelp.
Voldsom datavekst: I 2020 antas det at mengden medisinske data vil doble seg hver 73 dag. Skal vi få glede av dette må legene ha maskinhjelp. Foto: IBM

Til sammen har de brukt 15 ukeverk, noe som er ekstremt mye raskere enn det manuelle alternativet, og som derfor aldri blir gjennomført.

Nå ønsker de å koble til andre ustrukturerte og strukturerte data som diagnoser, henvisninger og annet for å få et enda mer finmasket resultat.

Når Watson først er lært opp på et område er ikke en ny datakilde store merarbeidet, selv om det ville vært et enormt merarbeid om det skulle gjøres manuelt.

– Dette arbeidet kan brukes til å gi svar som kan brukes i sanntid i fremtiden. Vi kan eliminere usikkerhet og overbestråling ved å la Watson se på journalen, sier seniorkonsulent i Capgemini, Mons Nørve.

Vil spare kreftpasienter

Nå ønsker Hurlen å bruke den samme teknologien for å se på ferdig behandlede kreftpasienter.

De sliter nok som det er om helsevesenet ikke skal belaste dem unødvendig for å lete etter lite sannsynlige tilbakefall.

– Det er sjelden vi finner noe, men om vi kan benytte kognitiv teknologi for å øke funngraden ved å lete i pasientjournaler sparer vi mange for unødige undersøkelser og bekymringer, og helsesektoren for penger. Dette kommer til å bli svært utbredt i fremtidens helsevesen, sier han.

Kommentarer (12)

Kommentarer (12)