Bättre vårdbeslut när patienters egna data används

Sjukvården är bra i länder som Sverige – men trots det finns utrymme för förbättring och effektivisering. Nu kan vi ta ett stort kliv framåt och höja kvaliteten, anser Mahbub Ul Alam.

– Den tekniska utvecklingen möjliggör en mer patientcentrerad sjukvård, där patienterna också uppmuntras att vara mer aktiva i den egna vården.

– Jag har studerat hur kliniska beslutsstödsystem kan förbättras. I min avhandling fokuserar jag på hur man kan upptäcka sepsis och covid-19 i tidiga stadier, berättar Mahbub Ul Alam som har disputerat på Institutionen för data- och systemvetenskap.

En viktig förutsättning för bättre sjukvård är att vi i dag har en mängd uppkopplade prylar, det som kallas sakernas internet – i det här fallet kopplat till det medicinska området. På engelska kallas det IoMT (Internet of Medical Things).

Våra mobiltelefoner, smarta klockor och aktivitetsarmband samlar kontinuerligt in information om hur vi mår. Det materialet är guld värt, till exempel vid pandemier då sjukvård måste bedrivas på distans.

"Vi kan inte förlita oss på bara en sorts data

Tillsammans med digitala hälsoregister, läkares journalanteckningar, röntgenbilder, mätningar från värmekameror och annat material – och med hjälp av maskininlärning – går det att få en samlad bild av patienters tillstånd.

– Jag har studerat hur vi kan koppla samman de olika systemen så att till exempel sensorer kan skicka data till smarta telefoner. Min målsättning med forskningen är att öka vårdkvaliteten, stärka patientsäkerheten och hitta metoder som är tillgängliga och användbara. Samhällsansvaret är viktigt för mig, säger Mahbub Ul Alam. Kruxet är att dataseten är ofullständiga, kommer från olika håll och innehåller olika slags data, förklarar han.

– Traditionella maskininlärningsmetoder inom det här området hanterar bara en typ av data, till exempel röntgenbilder för att diagnosticera covid-19. Men så ser inte verkligheten ut, vi har inte röntgenbilder för alla patienter. Maskininlärningsmetoderna måste också kunna hantera sjukvårdspersonalens journalanteckningar, och de hälsodata som patienterna har genererat själva.

– Vi kan helt enkelt inte förlita oss på bara en sorts data, säger Mahbub Ul Alam.

Människor måste fatta besluten

I avhandlingsarbetet har han använt multimodala data från verkliga patienter i USA, Mexiko, Japan och många andra delar av världen. Han har undersökt hur datamaterialet kan ligga till grund för så kallade kliniska beslutsstöd. Stödsystemen används av läkare och sjuksköterskor redan i dag, men genom att koppla på maskininlärning och sakernas internet skulle systemens tillförlitlighet kunna öka avsevärt.

– Det är viktigt att betona att de här systemen ska vara just ett stöd för sjukvårdspersonalen. Systemen ska inte fatta besluten. Det måste alltid vara en utbildad människa som ställer diagnoser och tar beslut om medicinering och andra åtgärder.

– Redan för tio år sedan pratades det om att radiologer kommer att bli ersatta av artificiell intelligens. Det har, som tur är, inte hänt ännu. Utvecklingen har gått framåt och AI-verktyg är ett bra hjälpmedel. Men inom sjukvården handlar det om människors liv – inte om att generera sånger eller gulliga bilder på katter. Därför kan vi inte överlåta vårdbeslut till en AI, säger Mahbub Ul Alam.

I sina studier har han bland annat laborerat med Raspberry Pi och Jetson Nano – små, kraftfulla men förhållandevis billiga datorer. De kan hantera medicinska data lokalt och snabbt, på ett patientsäkert sätt, och vara användbara i ett skifte mot mer patientcentrerad vård. Vid pandemier och hastiga sjukdomsförlopp kan det vara livsavgörande.

– När sepsis slår till är det farligt, även om du har ett starkt immunsystem. Om du inte får snabb behandling kan du hamna i septisk chock. Vanliga symptom är feber, frossa, förvirring, ansträngd andning och låg urinproduktion. Om sjukhuset får tillgång till bra information i ett tidigt skede kan det göra stor skillnad för sjukdomsförloppet.

Om du inte får snabb behandling kan du hamna i septisk chock

Att Mahbub Ul Alam skulle disputera var inte givet, men det ena gav det andra. Påhejad av sina föräldrar i hemlandet Bangladesh läste han en masterutbildning i Tyskland. Därefter hoppade han på forskarutbildningen vid Stockholms universitet.

– Det är stor skillnad på den akademiska världen i Tyskland och här. Där finns en starkare hierarki, och alla förväntas uppfylla sin roll i det större maskineriet. Här i Sverige jobbar vi också mot gemensamma mål, men med respekt för individen och mer utrymme för flexibilitet och innovation.

Optimistisk ingenjör

Mahbub Ul Alam hoppas kunna fortsätta forska vidare inom samma ämne, men är också öppen för att söka sig utanför akademin.

– Mina föräldrar har alltid uppmuntrat mig att söka kunskap. De sa: ”Om allt annat försvinner har du ändå kvar din kunskap”.

– Jag är en optimistisk person. Det bor en ingenjör inom mig och jag får aldrig slut på idéer. Vanligtvis är det svårt att sätta fingret på vad man inte vet, men nu är jag fullt medveten om vad jag har för kunskapsluckor, skrattar Mahbub Ul Alam.

Mahbub Ul Alam la fram sin avhandling på Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet 28 mars 2024.

Doktorsavhandlingen har titeln ”Advancing Clinical Decision Support Using Machine Learning & the Internet of Medical Things: Enhancing COVID-19 & Early Sepsis Detection”.

Källa: Stockholms universitet.