Sepsis och machine learning

Sepsis är ett av de vanligaste akuta medicinska tillstånden och drabbar ca 70 000 personer i Sverige årligen. Risken att dö är hög, och kan uppgå till 20-30%. Tidig behandling är avgörande för hur det går för patienten. Det är därför viktigt att kunna känna igen den septiska patienten tidigt i vårdkedjan, redan vid larmsamtalet och i ambulansen.

Ca en av tre patienter med en svår infektion har normala vitalparametrar. Det medför att de triage-verktyg vi använder idag i vårdkedjan inte är tillräckliga för att identifiera septiska patienter. Därför har vi under längre tid varit intresserade av vad man utöver vitalparametrar kan koppla till sepsis, så som de symptom som patienterna söker med.

Vi har stöd för att det går att skapa screeningverktyg med vilka vi skulle kunna tidigt identifiera den septiska patienten i den akuta vårdkedjan; dvs inom larmfunktionen, ambulansen och på akutmottagningen. Tidig identifiering är en förutsättning för tidig behandling, och tidig behandling kan i sin tur leda till såväl minskad sjuklighet som dödlighet.

I samarbete med AI forskare ställer vi frågan om det är så att genom att behandla informationen som vi har tillgänglig i våra sepsisstudier om vi kan få andra resultat än de med traditionella analysmetoder.