Presentation
KTH Machine Learning

Utvecklar AI för tidigare upptäckt av infektion

Publicerad 12 juni 2024
Foto: Gonzalo Irigoyen
Saikat Chatterjee, docent vid institutionen för elektroteknik och datavetenskap på KTH. Foto: Gonzalo Irigoyen
Saikat Chatterjee, docent vid institutionen för elektroteknik och datavetenskap på KTH. Foto: Gonzalo Irigoyen

Via forskningsprojektet Explainable Machine Learning for Early Warning Systems har forskare från KTH i samarbete med neonatalvården vid Karolinska universitetssjukhuset utvecklat ett avancerat AI-system som kan upptäcka infektioner hos för tidigt födda barn redan 24 timmar innan konventionella symtom uppträder.

Alltför många barn dör av infektionssjukdomar som kunde ha behandlats om de hade upptäckts i tid. AI-systemet som forskarna utvecklat övervakar viktiga fysiologiska parametrar och hälsodata, vilket ger läkare tidiga signaler när en riskfylld infektion är på väg att bryta ut.
– Vi har utvecklat ett AI-system som övervakar viktiga parametrar som blodtryck och syrehalt i blodet. Eftersom infektionssymtom kan vara subtila och fördröjda, tillåter tekniken, som använder sensorer anslutna till sjukhussängar, vårdgivare att inleda behandling på ett betydligt tidigare stadium, vilket kan rädda liv, säger Saikat Chatterjee, docent vid institutionen för elektroteknik och datavetenskap på KTH och huvudhandledare för en forskargrupp från Kungliga Tekniska högskolan som samarbetar med KI och Karolinska universitetssjukhuset i projektet.

Kraftfullt beslutsstöd som kan rädda liv
Syftet med projektet är inte att ersätta läkare med AI-teknologi utan snarare att använda AI som ett kraftfullt beslutsstöd för vårdpersonal genom att förhindra livshotande tillstånd hos infektionskänsliga patienter och kunna förutsäga vilken typ av infektion en patient löper störst risk att drabbas av.
– Tack vare avancerad AI och sensorer kopplade till sängarnas teknologisystem kan vårdpersonal i studierna nu börja behandla infektioner 24 timmar tidigare än vanligt. Ambitionen är att utveckla teknologin för att så småningom kunna varna 72 timmar innan de första tydliga symtomen på infektion, vilket möjliggör effektivare och tidigare ingripanden, säger Saikat Chatterjee, som framöver ser en möjlighet att nyttja AI-teknologin för att förhindra infektioner och rädda liv även på vuxna patienter.

I behov av långsiktig finansiering
Forskningen har genererat mycket uppmärksamhet, även globalt. En utmaning är dock den fortsatta finansieringen av projektet.
– Eftersom forskningsprojektet inte involverar någon samverkan med eller finansiering från näringslivet efterlyser vi i första hand långsiktig finansiering från Region Stockholm. Det här är ett projekt som kan göra verklig nytta för befolkningen, ett i allra högsta grad relevant projekt som vi självklart vill kunna fortsätta bedriva, säger Saikat Chatterjee.

KTH – Machine learning

KTH-forskare utvecklar system för tidig varning förinfektion hos för tidigt födda barn i Digital Futures-projektet Explainable Machine Learning for Early Warning Systems i samarbete med Karolinska universitetssjukhuset och Karolinska Institutet.

digitalfutures.kth.se