AIWO – AI ska förutse hur sår läker
Projektet AIWO samlade både universitetssjukhus, privata vårdföretag, läkare, sjuksköterskor, professorer och AI-forskare. Tillsammans utforskade de om AI kan tillämpas inom sårvård, till exempel för att bedöma hur lång tid det kommer att ta för ett komplext sår att läka och om läkningsprocessen går bra.
AIWO, ett pilotprojekt inom AI.ALL kopplat till den strategiska inriktningen Hälsa och sjukvård.
Projekttid: mars 2022 till december 2022
Tekniska ledare: Dimitri Beeckman och Amy Loutfi
Status: Avslutat
Det är välkänt att artificiell intelligens är väldigt duktig på att hantera bildmaterial. Det har även visat sig att AI är bra på att förutspå resultat, baserat på tidigare data. AIWO (AI technology for Wound Assessment and Monitoring) ska nu undersöka om de båda styrkorna kan användas i ett gemensamt AI-system och appliceras inom sårvård.
Två AI-styrkor kombineras i gemensamt system
Tanken är att en läkare eller sjuksköterska ska kunna fotografera patientens sår, låta AI analysera bilden och sedan få en uppskattning av hur lång läkningstiden kommer att vara och hur läkningsprocessen går.
– Det främsta målet med projektet är att få förståelse för vad AI kan betyda för vården av patienter med komplexa sår. Det vi behöver i praktiken är verktyg och metoder för att noggrant observera och tolka sår. Det kan vara ett stort steg mot att kunna klassificera sårtyper, uppskatta behandlingslängd och till och med ge kliniska behandlingsrekommendationer. I det långa loppet kan dessa resultat optimera praktiken, säger Dimitri Beeckman, professor i omvårdnadsvetenskap vid Institutionen för hälsovetenskaper och forskningsledare för Svenskt centrum för hud- och sårforskning (SCENTR).
Utmanande att utveckla AI för sårvård
Sårvård är ett mångsidigt kliniskt område, vilket kommer innebära utmaningar i arbetet med att utveckla AI:n, tror Dimitri Beeckman.
– Olika typer av sår har olika läkningsfaser, och samsjuklighet hos patienterna förvärrar dessa skillnader. Det blir därför en utmaning för oss att hitta den riktning som vi bäst kan utveckla AI:n i, inom detta mycket mångsidiga kliniska område. För det andra är vården som ges i olika miljöer, som till exempel hemvård eller specialiserad vård, mycket olika. Varje mottagning har sin egen rutin för datainsamling, och utmaningen för detta projekt är att ha högkvalitativ data tillgänglig för att utveckla meningsfulla AI-algoritmer. Vi behöver ”big data”, men den är nästan obefintlig i dag, säger Dimitri Beeckman.
