Att prioritera och avgöra hur akut en patients behov av medicinsk vård är, är av stor vikt för alla vårdinrättningar. Det är inte bara en fråga om aktuella symtom utan också ett beslut som inte ska tas utan tillgång till sjukdomshistoria. Detta är ett område där felmarginalerna måste minimeras samtidigt som vård av hög kvalitet och effektiv resursanvändning bibehålls. Studier har visat att människor känner sig mer bekväma att chatta med en bot än att ringa officiell hjälp.

 

Syfte
För svensk vård är det av yttersta vikt att avgöra hur akut patientens behov av vård är.
Visiba Care som tillhandahåller digitala vårdmöten för att ställa första diagnosen hos en patient hade ambitionen att identifiera huruvida det var möjligt för deras sjukvårdspersonal att använda AI-teknik som beslutsstöd. AI är ändamålsenlig på områden med få överraskningar, där den kan hitta formler för hur saker och ting beter sig. I detta fall var det därför viktigt att ställa sig frågan hur människa och maskin kan arbeta tillsammans. Tenfifty utvecklade en avancerad backend-bot, baserad på Bayesiansk statistik och andra AI-tekniker.

Datakällor
Initialt genomfördes automatisk konvertering från officiell källtext. Därefter utvecklade vi ett sofistikerat Bayesiskt nätverk i nära samarbete med läkare.

Teknik
Bayesiannätverk, textvektorisering, olika NLP-lösningar.

Resultat
Med hjälp av data som kodats tillsammans med läkare kan boten besluta vilken fråga som ska ställas nästa gång och utföra en diagnos, tillsammans med sannolikhet, baserat på brusig och ofullständiga data. Sedan januari 2020 används denna lösning av patienter.

 

 

 

Author

David Fendrich
CTO
David Fendrich är vår CTO och en av grundarna av Tenfifty. Han har jobbat med AI- och data science-tillämpningar i praktiken i närmare två decennier.