Till innehåll på sidan

AI kan upptäcka infektion innan den bryter ut

Spädbarn i kuvös med blått ljus
AI registrerar spädbarns hälsodata och ger läkare tidiga signaler när en riskabel infektion är på väg att bryta ut. – Små, för tidigt födda barn är extra utsatta för skaderisk om infektionsbehandlingen inte kan påbörjas i tid, säger Saikat Chatterjee huvudhandledare för en forskargrupp från KTH som samarbetar med Karolinska Institutet och Karolinska Universitetssjukhuset i projektet ”Explainable Machine Learning for Early Warning Systems”.
Publicerad 2024-01-22

Hela 24 timmar innan vårdpersonal sett tecken på infektion kan artificiell intelligens upptäcka infektion som är på väg att bryta ut hos patienter.
– Eftersom det ofta saknas tidiga tydliga infektionssymtom kan sensortekniken rädda livet på infektionskänsliga patienter, som för tidigt födda barn, säger KTH-forskaren Saikat Chatterjee.

När människan drabbas av infektion förändras kroppens parametrar och värden relativt långsamt. Först när infektion har brutit ut börjar kroppens immunsystem bekämpa bakterier och virus, genom tydliga förändringar av bland annat hjärtfrekvens, blodtryck, andningsmönster och temperatur.

– Om infektion hinner bryta ut, och resulterar i feber och utslag, är skadan som regel redan skedd hos känsliga patienter och spädbarn. Det är helt enkelt för sent att stoppa sjukdomsförloppet. Alltför många för tidigt födda barn dör av infektionssjukdomar som kunnat behandlas om de stoppats i tid, berättar Saikat Chatterjee .

Porträtt på Saikat Chatterjee, KTH.i blå tröja utomhus i grönska
Forskargruppens huvudhandledare Saikat Chatterjee, KTH.

Han är huvudhandledare för en forskargrupp som i fyra år har samarbetat med neonatal-vården på Karolinska Universitetssjukhuset, och analyserat information från spädbarn på en intensivvårdsavdelning för behandling av totalt 50 för tidigt födda barn.

– Tack vare avancerad AI och sensorer som kopplats upp till sjuksängarnas tekniksystem har vårdpersonal nu i studierna  kunnat påbörja behandling mot infektioner 24 timmar tidigare än vanligt. Läkarnas önskemål för optimal behandling är att få varningssignal om infektion redan tre dygn innan symtom bryter ut, så vi fortsätter arbetet med att vässa tekniken, säger Saikat Chatterjee.

Livshotande tillstånd som sepsis under sjukhusvistelsen kommer enligt honom att kunna undvikas och behandlas mer effektivt framöver tack vare AI-system.

Tekniken har dessutom visat sig kunna förutsäga vilken typ av infektion som är på väg att bryta ut.

– När patienternas fysiska tillstånd övervakas i detalj genom avancerad AI får det medicinska vårdteamet dyrbar tid till att fatta viktiga beslut kring livräddande insatser, säger Saikat Chatterjee.

– Målet är inte att ersätta läkare med automatiserade tekniska lösningar. Men de nya AI-verktygen spelar en viktig roll i framtidens sjukvård och blir ett värdefullt verktyg för läkare och vårdpersonal. 

Katarina Ahlfort
Foto: Praisaeng/Mostphotos

Forskningsprojektet ”Explainable Machine Learning for Early Warning Systems”

Om Digital Futures

  • Digital Futures  etablerades 2020 av KTH, Stockholms universitet och RISE med visionen att forma ett hållbart samhälle genom digital transformation.
  • Inom Digital Futures fysiska och virtuella forskningsmiljö bedrivs tvärvetenskaplig, tvärsektoriell och internationell forskning med inriktning mot samhällsutmaningar.
  • Forskningen inom Digital Futures fokuserar på smart samhällsbyggnad, digitaliserad industri, hälsa och välbefinnande samt utbildning.
  • Forskningsteman inbegriper cybersäkerhet och tillförlitlighet, uppkopplade och cyberfysiska system, maskininlärning och artificiell intelligens. Digital Futures omfattar över 200 forskargrupper och ett forskningsprogram.
Innehållsansvarig:redaktion@kth.se
Tillhör: Om KTH
Senast ändrad: 2024-01-22