Nyt studie: Kunstig intelligens kan forudsige tvangsindlæggelser og bane vej for forebyggelse

Kunstig intelligens kan være værktøjet til at forudsige tvangsindlæggelser og føre til mere målrettet behandling og forebyggelse.

Det viser et nyt studie fra Aarhus Universitet og Psykiatrien i Region Midtjylland.

Forskningsgruppen bag studiet har udviklet en maskinlæringsalgoritme, der gennem analyse af data fra den elektroniske patientjournal har lært at identificere patienter i psykiatrien, som er i særlig høj risiko for tvangsindlæggelse. Det skriver Aarhus Universitet i en pressemeddelelse.

Ifølge professor Søren Dinesen Østergaard fra Institut for Klinisk Medicin ved Aarhus Universitet og forsker bag studiet, er det et vigtigt skridt imod bedre behandling:

»Det er et stort skridt mod mere målrettet behandling i psykiatrien. Vi tror, at denne teknologi kan gøre os bedre til at hjælpe patienter, inden de bliver så syge, at en tvangsindlæggelse bliver nødvendig,« siger Søren Dinesen Østergaard i pressemeddelelsen.

Tidligere patientforløb skal komme fremtidens patienter til gode

Studiet er baseret på journaldata fra 50.634 frivillige indlæggelser i Region Midtjylland i perioden fra 2013 til 2021.

Maskinlæringsalgoritmen analyserede sammenhængen mellem ca. 1.800 faktorer fra journalen, herunder diagnoser, medicin, tidligere tvangsforanstaltninger, notater fra patientjournalen og senere tvangsindlæggelse.

Maskinlæringsalgoritmen kan, på tidspunktet for udskrivelse fra en frivillig indlæggelse, identificere patienter, som er i høj risiko for tvangsindlæggelse inden for de efterfølgende seks måneder. Dog er algoritmen ikke helt perfekt, men kan dog stadig benyttes som et beslutningsværktøj i psykiatrien.

»Maskinlæringsalgoritmen er ikke perfekt, men præcis nok til, at vi bør overveje, hvorvidt den kan bruges som beslutningsstøtte i psykiatrien. Her er det vigtigt at understrege, at algoritmen ikke vil kunne erstatte kliniske vurderinger, men fungere som et supplement, der gør det muligt at træffe beslutninger på et mere informeret grundlag,« fortæller Søren Dinesen Østergaard.

Samtidig kan den kliniske vurdering fra maskinalgoritmen føre til tidligere behandling.

»Hvis algoritmen ved udskrivelse vurderer, at en patient er i høj risiko for at blive tvangsindlagt, kunne man f.eks. sikre ekstra tæt ambulant opfølgning, så eventuel forværring af sygdommen bliver opdaget og behandlet tidligt,« forklarer Søren Dinesen Østergaard.

Tidlig opsporing af fysiske sygdomme

Forudsigelse af tvangsindlæggelser er et eksempel på, hvordan kunstig intelligens kan bruges lægefagligt, og resultater fra studiet peger på, at teknologien også kan anvendes til at forudsige udviklingen af andre sygdomme blandt patienter i psykiatrien.

»Den gennemsnitlige levealder for folk med svær psykisk sygdom er markant kortere end for den øvrige befolkning, og netop hjertekarsygdom og type 2-diabetes bidrager væsentligt til denne overdødelighed,« siger Søren Dinesen Østergaard og fortsætter:

»Ifølge resultaterne fra vores forskning kan maskinlæring formentlig give os mulighed for at opdage og behandle disse sygdomme tidligere. Måske kan vi tilmed nå at forhindre, at de opstår.«

Studiet har fået eksterns finansiering fra Digitaliseringsstyrelsens Investeringsfond til afprøvning af nye teknologier og Lundbeckfonden