{"id":1618,"date":"2018-04-22T23:46:38","date_gmt":"2018-04-22T21:46:38","guid":{"rendered":"https:\/\/vgrblogg.se\/utveckling\/?p=1618"},"modified":"2018-04-23T10:51:54","modified_gmt":"2018-04-23T08:51:54","slug":"ai-projektets-informationsarkitektur","status":"publish","type":"post","link":"https:\/\/vgrblogg.se\/utveckling\/2018\/04\/22\/ai-projektets-informationsarkitektur\/","title":{"rendered":"AI-projektets informationsarkitektur"},"content":{"rendered":"

F\u00f6r det h\u00e4r projektets \u00e4ndam\u00e5l \u00e4r det en h\u00f6gst begr\u00e4nsad m\u00e4ngd data som \u00e4r tillg\u00e4nglig. Annat hade det varit om vi jobbat med unsupervised learning<\/i> – att hitta dolda strukturer i v\u00e5ra data, men nu f\u00f6rs\u00f6ker vi snarare f\u00f6lja ledtr\u00e5dar och bevisa en hypotes. Hur bra st\u00e5r sig en maskin mot en m\u00e4nniska n\u00e4r det g\u00e4ller att st\u00e4lla en diagnos?<\/p>\n

Anv\u00e4nt vokabul\u00e4r \/ kodverk<\/h2>\n

Inom medicinen pratar man ofta om kodverk. F\u00f6r dig som har en bakgrund inom informatik eller IT s\u00e5 \u00e4r det samma sak som ett vokabul\u00e4r. Det finns ett g\u00e4ng kodverk som anv\u00e4nds inom v\u00e5rden. De jag h\u00f6r talas om mest \u00e4r KV\u00c5, ICD (International Statistical Classification of Diseases and Related Health Problems) och SNOMED (Systematized Nomenclature of Medicine).<\/p>\n

I detta fall \u00e4r det dock ICPC-2 som anv\u00e4nds. Po\u00e4ngen med ICPC-2 \u00e4r enligt V\u00e4rldsh\u00e4lsoorganisationen, WHO<\/a>:<\/p>\n

”ICPC-2 classifies patient data and clinical activity in the domains of General\/Family Practice and primary care, taking into account the frequency distribution of problems seen in these domains. It allows classification of the patient\u2019s reason for encounter (RFE), the problems\/diagnosis managed, interventions, and the ordering of these data in an episode of care structure.”<\/p><\/blockquote>\n

Ett kodverk \u00e4r ett standardiserat s\u00e4tt att beskriva n\u00e5got. Som namnet p\u00e5 ICPC antyder \u00e4r det fokuserat p\u00e5 de behov som finns i prim\u00e4rv\u00e5rden snarare \u00e4n den h\u00f6gspecialiserade sjukhusv\u00e5rden.<\/p>\n

D\u00e5 det handlar om prim\u00e4rv\u00e5rd \u00e4r det anv\u00e4ndbart f\u00f6r en f\u00f6rsta grovsortering av vad \u00e4rendet g\u00e4ller och jag misst\u00e4nker att man \u00e4ven i sjukhusmilj\u00f6 ibland har nytta av detta.<\/p>\n

Projektm\u00e5l \u00e4r sj\u00e4lvdiagnos \/ triage p\u00e5 distans<\/h3>\n

Projektet har som m\u00e5l att studera m\u00f6jligheten till \u201dbeslutsst\u00f6d<\/i>\u201d, vilket p\u00e5 vanlig svenska skulle vara att du sj\u00e4lv f\u00e5r hj\u00e4lp att st\u00e4lla diagnos, lika g\u00e4rna som att en v\u00e5rdperson f\u00e5r denna hj\u00e4lp.<\/p>\n

G\u00e5r det att maskinellt automatisera detta? Om du \u00e5ker till akuten kommer v\u00e5rdpersonal att g\u00f6ra en f\u00f6rsta bed\u00f6mning p\u00e5 dig, en s\u00e5 kallad triage<\/b>. Om vi i v\u00e5rden kan erbjuda en triage utan att det ska kr\u00e4vas en resa till v\u00e5rdens lokaler skulle v\u00e5rden bli mer tillg\u00e4nglig. Om det inte heller kr\u00e4ver att m\u00e4nniskor<\/i> alltid g\u00f6r bed\u00f6mningen manuellt<\/i> beh\u00f6ver man inte heller v\u00e4nta p\u00e5 sin tur – \u00e4nnu mer tillg\u00e4ngligt!<\/p>\n

Hur pricks\u00e4kert kan det bli?<\/h3>\n

Det \u00e4r f\u00f6rst\u00e5s viktigt att det blir tillr\u00e4ckligt bra. Vad det inneb\u00e4r \u00e4r en diskussion f\u00f6r ett annat blogginl\u00e4gg, men i korthet \u00e4r det bra om maskinen f\u00f6r det mesta \u00e4r b\u00e4ttre \u00e4n v\u00e4ltr\u00e4nade m\u00e4nniskor.<\/p>\n

I och med att vi i detta projekt redan har patientber\u00e4ttelser och satta diagnoser har vi tillg\u00e5ng till b\u00e5de fr\u00e5gan och svaret. Med detta som utg\u00e5ngspunkt kan vi j\u00e4mf\u00f6ra m\u00e4nniska mot maskin. Vad m\u00e4nniskan anser vet vi och med det som bas kan vi instruera maskinen hur den ska l\u00e4ra sig.<\/p>\n

Beslutstr\u00e4d<\/h3>\n

Ett beslutstr\u00e4d \u00e4r ett s\u00e4tt att ta beslut. I sin enklaste form; s\u00e4g att du fr\u00e5gar om en patient haft oskyddat samlag med en HIV-smittad, om svaret \u00e4r ja har du god anledning att g\u00f6ra vissa antaganden. Om svaret \u00e4r nej b\u00f6r fr\u00e5gan om orsak till besv\u00e4ren ta en annan v\u00e4g i tr\u00e4det.<\/p>\n

Beslut kan ritas upp i en tr\u00e4dstruktur. F\u00e5r vi svar p\u00e5 en fr\u00e5ga kommer en eller flera alternativ vara mer sannolika \u00e4n andra. Vad som \u00e4r mer sannolikt? Det \u00e4r avh\u00e4ngigt p\u00e5 intelligens och\/eller statistik. \u00c5tminstone det senare \u00e4r n\u00e5got som en artificiell intelligens kan bli bra p\u00e5, m\u00f6jligen ocks\u00e5 det f\u00f6rsta, \u00f6ver tid.<\/p>\n

Datak\u00e4llan handlar om br\u00f6stkorgen (thorax)<\/h2>\n

Datak\u00e4llan f\u00f6r just detta projekt \u00e4r extremt sparsmakad och specialiserad. Vi har drygt hundra patientber\u00e4ttelser (anamnes), men inget mer. Vi vet inte deras k\u00f6n, \u00e5lder eller n\u00e5got annat \u00e4n den ostrukturerade text de ber\u00e4ttat f\u00f6r sin l\u00e4kare.<\/p>\n

F\u00f6r var och en av patientber\u00e4ttelserna har vi tre l\u00e4kare som markerat vad de anser \u00e4r viktiga ord i ber\u00e4ttelsen och s\u00e5 har de var och en st\u00e4llt diagnos enligt ICPC som kodverk. De har allts\u00e5 inte tr\u00e4ffat patienten – precis som v\u00e5r AI.<\/p>\n

Viktiga ord \u00e4r h\u00f6gt och l\u00e5gt, bland annat: KOL<\/i>, hosta och tr\u00f6tthet<\/i>, pip i br\u00f6stet<\/i> och r\u00f6kare<\/i>.<\/p>\n

Som gr\u00e4dde p\u00e5 moset har de tre l\u00e4karna suttit ned och gemensamt kommit fram till vad de tycker verkar vara korrekt diagnos. P\u00e5 s\u00e5 s\u00e4tt kan vi se om maskinen \u00e4r j\u00e4mf\u00f6rbar med den s\u00e4mre l\u00e4karen, eller rent utav f\u00f6resl\u00e5r det som \u00e4r konsensus.<\/p>\n

En utmaning \u00e4r att det finns gott om felstavningar, knepiga f\u00f6rkortningar och fikonspr\u00e5k. Mycket av det g\u00e5r s\u00e4kert att ta hand om ifall v\u00e5rt projekt fortskrider och en st\u00f6rre datam\u00e4ngd blir tillg\u00e4nglig – vissa m\u00f6nster b\u00f6r b\u00f6rja upptr\u00e4da. Som vad nu en \u201ctacksam r\u00f6ntgen\u201d inneb\u00e4r.<\/p>\n

Relationer mellan kodverk<\/h3>\n

N\u00e5gra kodverk h\u00e4nvisar till varandra. ICPC har exempelvis h\u00e4nvisningar till ICD. Om vi kommer fram till en ICPC-kod kan vi d\u00e5 st\u00e4lla mer eller mindre intelligenta f\u00f6ljdfr\u00e5gor och p\u00e5 s\u00e5 s\u00e4tt avgr\u00e4nsa de automatiska slutsatserna. H\u00e4r kan vi dra nytta av ICPC:s egna inclusion- och exclusionfr\u00e5gor, men ocks\u00e5 genom de mer detaljerade diagnoserna som finns l\u00e4nkat till i ICD-kodverket.<\/p>\n

Vad kan den tekniska l\u00f6sningen hj\u00e4lpa till med?<\/h2>\n

Det vi studerar i projektet med en bas i artificiell intelligens \u00e4r hur bra dessa slutsatser kan g\u00f6ras av en maskin. Po\u00e4ngen \u00e4r att:<\/p>\n