Spring til indhold

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

  • EACL 2023 konference

    Vores arbejde omkring bias i kliniske sprogmodeller er blevet accepteret til Findings of the European Chapter of the Association for Computational Lingustics 2023. Abstract:Clinical machine learning algorithms have shown promising results and could potentially be implemented in clinical practice to provide diagnosis support and improve patient treatment. Barriers for realisation of the algorithms’ full potential… Læs mere »EACL 2023 konference

  • To papers til NoDaLiDa 2023 konferencen

    Vi har fået accepteret to papers på NoDaLiDa 2023 konferencen på Færøerne. Vi præsenterer en sprogmodel, MeDa-BERT, som vi har pre-trained på et nyt korpus af dansk medicinsk tekst fra medicinske bøger og tekst fra internettet. Korpusset består af 133 millioner ord.Læs mere på https://aclanthology.org/2023.nodalida-1.31/ Vi præsenterer også vores arbejde med at udtrække kliniske events,… Læs mere »To papers til NoDaLiDa 2023 konferencen

  • Vi har udgivet et benchmark til word embeddings

    Vi har nu udgivet en artikel, hvor vi præsenterer et benchmark til danske kliniske word embeddings. Word embeddings er vektorer som repræsenterer et ords betydning vha. numeriske værdier og gør det muligt at udføre machine learning på tekst. Benchmarket muliggør også sammenligning af word embeddings til machine learning på danske kliniske problemer, og forskere der… Læs mere »Vi har udgivet et benchmark til word embeddings

Samarbejdspartnere

Lad os samarbejde


Kontakt os hvis du ønsker at samarbejde om sprogmodeller eller har brug for at håndtere tekst i medicinsk forskning.