Predikering av risiko for postoperative sårinfeksjoner med bruk av kunstig intelligens

Postoperative sårinfeksjoner oppstår hos ca hver tiende pasient og gir lenger rehabiliteringstid for pasienten samt økte sykehuskostnader. Slike infeksjoner øker også risikoen for flere liggedøgn, reinnleggelse, reoperasjon og postoperativ død, og er derfor belastende for pasienten. Forekomsten av postoperative sårinfeksjoner bør derfor reduseres.

Bruk av kunstig intelligens (KI) gir mulighet for avanserte verktøy i helsetjenesten, da KI-baserte verktøy kan prosessere og trekke ut informasjon fra store datamengder som kan brukes til å utvikle beslutningsstøtteverktøy. I dette prosjektet er hovedmålet å utvikle et KI-basert prediksjonsverktøy som kan predikere risiko for postoperative sårinfeksjoner hos den enkelte pasient. Det hentes pasientdata fra kirurgiske pasienter i Helse Nord i tidsrommet 2011-2023, slik at databasen baserer seg mange millioner dokumenter og data -hvilket er unikt i forskningssammenheng.

Prosjektet er et regionalt samarbeid mellom NLSH, UiT og UNN.  Det ledes av Kjersti Mevik som jobber som kirurg og postdoktor ved NLSH og har fått finansiering gjennom forskningsmidler fra Helse Nord RHF.  Prosjektet inngår også i en større satsning hvor SPKI har som overordnet mål å forbedre pasientsikkerheten ved bruk av KI. Personell fra SPKI vil med sin kompetanse innenfor maskinlæring bidra til utvikling av det KI-baserte risikoverktøyet.