Danske forskere har udviklet en sprogmodel, der kan læse patientjournaler og give langt mere pålidelige svar end diagnosekoderne, når det kommer til blod i urinen. Den kan blive en stor hjælp for registerforskerne generelt og potentielt aflaste arbejdet i klinikken, vurderer forskerne bag.

Algoritmen er præsenteret i et nyt studie, udgivet som ’letter’ i tidsskriftet Thrombosis Research. Her viser de danske forskere, at konceptet fungerer: Deres sprogmodel Indsigt.AI finder stort set alle blærekræftpatienter, der ifølge patientjournalen har haft blod i urinen. Hvis man derimod søger på diagnosekoder for blod i urinen, fanger man kun otte procent af tilfældene.

Det er begejstrede forskere, der tager røret, da Medicinske Tidsskrifter ringer.

”Det føles som en milepæl,” siger Pernille Just Vinholt, ledende overlæge og klinisk professor ved forskningsenheden på afdelingen Blodprøver og Biokemi på Odense Universitetshospital og Syddansk Universitet.

Hun er sidsteforfatter på artiklen og initiativtager til udviklingen af Indsigt.AI.

”I nogle tilfælde skal vi læse op mod 200 siders journalmateriale for at finde ud af, om der har været tilfælde af eksempelvis blødninger i patientens historik. Vores sprogmodel finder tilfældene lynhurtigt og highlighter dem, så vi kan dobbelttjekke, om det også er rigtigt. Det har enormt potentiale, og vi håber, at der er mange af vores kollegaer derude, som ønsker at samarbejde om at fortsætte udviklingen. Indsigt.AI kan i princippet anvendes på alle symptomer og sygdomme,” siger Pernille Just Vinholt.

Hjælp til den danske registerforskning

Den danske sprogmodel kan formentlig spare registerforskere for et stort antal arbejdstimer, da den kan hjælpe med at bestemme, hvorvidt diagnosekoderne stemmer overens med indholdet i journalerne.

”Vi ved, at nogle symptomer eller diagnoser ikke bliver registreret særlig godt, såsom hæmaturi (blod i urinen, red.), hvilket efterlader et mørketal i registrene. Det er man nødt til at tage højde for, når vi laver registerforskning,” siger Penille Just Vinholt.

I studiet har forskerne i stedet ladet Insigt.AI lede efter beskrevne tilfælde af hæmaturi i patientjournaler taget fra flere hospitaler i Region Syddanmark. Forskerholdet har gennemgået sprogmodellens fremhævninger for at se, om de er korrekte, og så sammenholdt dem med de registrerede diagnosekoder.

”Vi tog desværre ikke tid på, hvor meget hurtigere det er at lade sprogmodellen finde passager i journalen, der måske svarer til blod i urinen. Men det er meget hurtigere end at skulle læse hele journalen selv. Det kan måske give en tidsbesparing på helt op mod en faktor 100,” siger ph.d. Rasmus Søgaard Hansen, læge på Klinisk Diagnostisk Afdeling, Esbjerg og Grindsted Sygehus, og førsteforfatter til studiet.

I forbindelse med færdiggørelsen af sin ph.d.-afhandling anvendte Rasmus Søgaard Hansen Indsigt.AI på forskellige sproglige betegnelser og vendinger fra patientjournaler, der beskrev blod i urinen.

”Det var her størstedelen af arbejdet lå. Men når arbejdet er gjort, kan man bruge sprogmodellen fremover på dette område. Men man skal tilpasse den for hver diagnosekode eller symptom, som man ønsker at bruge den på,” siger han.

Forskerne har også undersøgt og tilpasset sprogmodellen på bulimi og anoreksi samt frakturer, og her finder de, at sygdommene er velregistrerede, og at de registrerede diagnosekoder for sygdommene stemmer godt overens med patientjournalernes indhold.  

Sprogmodel på sygehus

For at få erfaring med algoritmen i praksis, er det nu målet, at Indsigt.AI i første omgang tages i brug på Pernille Just Vinholts egen afdeling, hvor hun vil assistere implementeringen og registrere, hvordan sprogmodellen påvirker arbejdsgangen.

”Vi vil bruge modellen til at udrede patienter med abnorm tendens til blødning og blodpropper. Personalet skal i den sammenhæng blandt andet gennemgå analyseresultater samt hele patientens journal for at finde antallet af tidligere blødningstilfælde og blodproptilfælde. Her kan personalet til tider forventes at læse ti års journalmateriale for at finde alle tilfælde. Her kan sprogmodellen hjælpe ved at highlighte de passager, hvor der er antydninger af blodpropper og blødninger,” siger hun.

På afdelingen er de så småt ved at gå i gang ved at bede alle læger i afdelingen om at tage tid på, hvor lang tid de bruger på udredningen. Hver gang, de laver en udredning på en bløderpatient, så skal de notere det.

”Når vi så har indført Indsigt.AI, vil vi sammenligne tidsforbruget før og efter på udredninger som disse,” siger Penille Just Vinholt og fortsætter:

”Det handler først og fremmest om at hjælpe afdelingen ved at aflaste personalet og give dem et værktøj til lave udredningen på en hurtigere og nemmere måde. Men vi vil nok også udgive en artikel med resultaterne, hvad det har givet os at bruge Indsigt.AI i den kliniske hverdag.”