Den Intelligente Patientjournal
Kunstig intelligens hjælper sundhedspersonale
IPJ udvikler algoritmer, der hurtigt og præcist finder information i patientjournalen
Algoritmerne dækker et stort behov, da det er tidskrævende at finde informationer i patientjournalens store data mængde, selvom journalen er et centralt arbejdsværktøj i sundhedsvæsenet, Desuden er der risiko for at overse relevant information, idet op til 30 % af relevante sætninger overses ved journalgennemgang.
Én algoritme – mange anvendelsesmuligheder
IPJ anvender state-of-the art Large Language Models (LLMs) til at finde information i journaler
En algoritme har mange anvendelsesmuligheder, herunder hurtig korrekt identifikation af kritiske informationer fx omkring blødningsepisoder, hvilket kan sikre korrekt rettidig patientbehandling og en bedre prognose. Samme algoritme kan anvendes til at overvåge kritiske situationer som fx blødningskomplikationer ved operative indgreb, hvilket kan identificere risikosituationer, der kan forebygges. Desuden kan algoritmen bruges til forskning, planlægning og statistik.
Mere værdi
– Fra Data til Sundhed
IPJ udvikler algoritmer til bedre medicinske beslutninger ved at skabe hurtige, præcise, og patientsikre algoritmer bygget på klinisk indsigt og behov.
IPJ håndterer journaltekst, så der skabes indsigt og overblik over journalen. Algoritmer er baseret på høj kvalitet data med fokus på patientsikkerhed. Udviklingen til klinisk indsigt muliggør analyse af journaltekst og de fundne informationer kan derefter bruges til mange medicinske formål.
Læs mere om projekterne her:
Seneste nyheder
-
Bevilling til IPJ fra Novo Nordisk Fonden
Vi har modtaget en bevilling på 990.000 kr fra Novo Nordisk fonden Bevillingen skal anvendes til projektet : Improving cardiovascular disease prevention with artificialintellingence for finding relevant information in electronic health records I den forbindelse skal vi udvikle algoritmer til at ekstrahere information fra journaler om hjertekarsygdom og risikofaktorer herfor. Disse informationer kan anvendes til… Læs…
-
Artikel udgivet om brug af tekstalgoritmer til journallæsning
Læger overser mindst 30% af relevant information, når de læser journalen ved almindelig manuel gennemlæsning. Resultatet var enslydende i eksperimenter, hvor lægerne blev bedt om at udpege det relevante i form af blødningsepisoder hos patienten og ved brug af Eye tracking, hvor man kan analysere hvilke ord, blikket har hvilet på. Lægerne fandt de relevante… Læs…
-
Paper udgivet om automatisk de-identifikation af journaltekst
Vores forskningsgruppe har trænet en transformermodel der kan anonymisere ustruktureret tekst i danske patientjournaler – og helt uden at annotere data som normalt tager mange måneder at indsamle. Vi har i stedet brugt “svage labels” taget fra statistik om navne, adresser, osv. og fået modellen til at generalisere ud fra det og kende forskel på… Læs…
Samarbejdspartnere
Lad os samarbejde
Kontakt os hvis du ønsker at samarbejde om sprogmodeller eller har brug for at håndtere tekst i medicinsk forskning.