Algoritme til alarmsentraler skal identifisere covid-19 på host og samtale

En 35 år gammel amerikansk mann gikk til legen 19. januar med symptomer på lungebetennelse. I 2019 ville det sannsynligvis ikke ha ført det store dramaet med seg, men nå var det år 2020, og mannen hadde nettopp returnert fra Wuhan i Kina til sitt hjem nord for Seattle i staten Washington.

Dagen etter ble frykten bekreftet: Han var Amerikas første bekreftede covid-19 pasient.

Siden gikk det raskt, og i dag har over 11 millioner amerikanere testet positivt for koronavirus - men det faktum at det startet i USA i Seattle-området ga opphav til en ny forretningside for det danske selskapet Corti.

De hadde allerede et samarbeid med University of Washington og beredskapstjenestene i Seattle, hvor de samarbeidet om en programvare som lyttet til nødanrop for å gi beslutningsstøtte til leger i sanntid.

Algoritmen ble trent basert på millioner av tidligere samtaler fra hele verden og begynte å bli flink til å skille symptomer fra hverandre. Men nå begynte oppringningene fra Seattle å få en annen lyd, og det kom en del av dem.

– Det var noen symptombeskrivelser i samtalene som hørtes ut som influensa. Men det var utenfor sesongen, så det krevde ikke rakettvitenskap for å konkludere med at det måtte være covid-19, sier programvareingeniør og Ph.D. innen maskinlæring Lars Maaløe, som for fire år siden grunnla Corti sammen med partneren Andreas Cleve, som hadde studert økonomi ved CBS.

Iskald lagring

Trikset er at modellene verken er partiske, stressede eller følelsesmessig påvirket ettersom folk kan komme i en panikksituasjon. De slår iskaldt opp i sitt lærte minne hva slike ord i denne rekkefølgen har betydd tidligere. Disse tidligere hendelsene har blitt lært mot journalinformasjon.

– Hvis den har hatt 27 samtaler om influensa, tar den ikke for gitt at samtale 28 også kan handle om influensa, understreker Lars Maaløe.

Tanken er at programvaren kan frigjøre kapasiteten for legen eller sykepleieren til å konsentrere seg mer om menneskelig kontakt uten å bruke all hjernekapasiteten til å finne ut av fakta og ta en rask - og kanskje forhastet - beslutning.

Ifølge Lars Maaløe mottar den kunstige hjernen opptil 250.000 samtaler i måneden fra land over hele verden, også fra Prehospital Company i hovedstadsregionen, som har vært involvert fra starten av i utviklingen av modellene.

Telefonene begynte derfor å gløde mellom Corti i København og University of Seattle i løpet av februar. København hadde også kommet på covid-kartet nå, men hvordan kunne Cortis algoritme bidra?

– Vi måtte tross alt sette vår normale virksomhet på vent, for verden hadde ikke annet på netthinnen enn korona. Men heldigvis hadde vi gode muligheter og fikk raskt produktplanleggingen vår overført til korona med forskningstilskudd i ryggen, sier Lars Maaløe om den raske oppstarten av koronalgoritmen.

Etter mange samtaler med forskerne i Seattle fikk de noen ideer på feltet, og i løpet av to uker var en programvare klar med et kart over Seattle, hvor du kunne se utbruddene i sanntid basert på innkommende samtaler. Det var fornuftig å starte i USA, for her ble de hardere rammet enn i Danmark.

Han understreker at den største utfordringen ikke var å handle for raskt. For selv om infeksjonen spredte seg, så skulle det ikke bli kun en rask mulighet for inntjening.

– Vi må også være ansvarlige. Og jo klokere modellene våre blir, jo større blir vårt ansvar også, understreker han.

Algoritmen gjorde også feil fra tid til annen. Noen ganger var det bare 'bare' influensa.

– Men hvis den kan gjøre litt mindre feil enn et menneske, er det en suksess. Vi tester den kontinuerlig mot datasett, slik at vi kan se når den har rett og galt. Den lærer også av det fortløpende, sier Lars Maaløe om modellenes læringskurve.

Hostedetektor på vei

Det siste skuddet på stammen er en hostedetektor, som for tiden blir testet. Den må kunne lytte til pasientenes pust og skille mellom våt og tørr hoste, ettersom et typisk covid-19-symptom bare er tørr hoste.

– Det som er bra er at vi heldigvis var gjennomtenkte med vår første modell, så vi bare måtte trene plattformen mot covid. Men vi er aldri ferdige, for det kommer alltid nye samtaler som vi kan lære noe av, sier Lars Maaløe.

Denne artikkelen ble først publisert på Ingeniøren for deres abonnenter. Den er tilgjengelig på norsk for abonnenter av Ekstra gjennom vår samarbeidsavtale.