Mere end hver fjerde psykiatriske patient genindlægges akut. Det vil sige, de genindlægges akut inden for 30 dage efter udskrivning. Den seneste opgørelse viser, at 29 procent af de psykiatriske patienter genindlægges akut, og det tal arbejder Region Hovedstaden Psykiatri på at nedbringe – blandt andet gennem et forskningsprojekt, som professor Michael Eriksen Benros, Psykiatrisk Center København står bag.
Sundhedsplatformens data som spåkone
- Vi vil gerne reducere det høje antal akutte genindlæggelser i psykiatrien som et mål for forbedret kvalitet i den behandling, vi leverer. Og en af måderne, vi vil gøre det på, er at se, om vi kan bruge alt det data om patienterne, der i forvejen er i Sundhedsplatformen, fortæller Michael Eriksen Benros og fortsætter:
- Det, vi rent praktisk har gjort, er at gennemgå alle data i Sundhedsplatformen med modeller baseret på kunstig intelligens. Dette er gjort i et tæt samarbejde mellem vores forskningsenhed, her særligt bioinformatiker og phd-studerende Enric Coppulo, men også regionH og RHP's data teams. Ud fra det har vi lavet en prædiktionsmodel, der med god nøjagtighed kan forudsige, hvem der bliver akut genindlagt. Tanken er, at modellen kan assistere klinikerne i at identificere, hvem der er i høj risiko for en akut genindlæggelse, så man kan intervenere og nedbringe risikoen.
Test af modellen på fire afsnit
Prædiktionsmodellen er nu klar til at blive testet i klinikken. Fra uge 35 pilotafprøves modellen, der er integreret direkte i Sundhedsplatformen, på fire afsnit, to døgnafsnit og to F-ACT-ambulatorier, på Psykiatrisk Center Amager og Psykiatrisk Center København.
- Vi tester modellen i tre faser for at kunne tilpasse og forbedre den undervejs. I første testfase, som går i gang i efteråret, undersøger vi sammen med klinikerne, om det fungerer, som de synes, det skal. Når vi er i mål med fase 1, opdaterer vi med alle de input, vi har fået, og så går vi videre med en større test i fase 2. Fase 3 er en endelig effektmåling. Ved at teste grundigt og tilpasse undervejs baseret på de tilbagemeldinger, vi får fra klinikerne, frem for bare at kaste os ud i det, optimerer vi sandsynligheden for, at modellen virker bedst muligt under klinisk anvendelse og på sigt kan implementeres, forklarer Michael Eriksen Benros.
Vicedirektør Ida Hagemann glæder sig til at følge efterårets første test.
- En akut genindlæggelse er tegn på, at patienten har fået det dårligt kort tid efter udskrivelse. Nogle gange har ingen kunnet forudsige, at det ville ske. Andre gange er det muligt, allerede mens patienten er indlagt, at forudsige, at vedkommende har en høj risiko for at blive genindlagt, hvis nogle bestemte forhold er til stede. Hvis der for eksempel ikke er styr på patientens sociale situation, eller der ikke er etableret kontakt med de ambulante behandlere, er der stor risiko for genindlæggelse efter udskrivelsen. Det er endnu et skridt i retning af det digitale og datadrevne sundhedsvæsen, at vi nu har en model, der forhåbentlig kan nedbringe antallet af akutte genindlæggelser ved at analysere de data, vi allerede har. Jeg er spændt på at se de første tilbagemeldinger fra klinikken, siger vicedirektør Ida Hagemann og tilføjer, at akutte genindlæggelser medfører betydelige omkostninger for hospitalerne. Færre genindlæggelser mindsker overbelægning og overbelastning af personalet, ligesom det frigiver midler, der kan bruges til bedre patientbehandling.
Vicedirektør Ida Hageman er spændt på at følge de første tilbagemeldinger fra klinikken i projektet.
Smarte patientjournaler
På sigt er håbet, at forskningsprojektet og forsøget med prædiktionsmodellen kan bane vejen for at bruge målrettede og individualiserede data langt mere og bedre end i dag.
- Det primære formål med projektet er at give en bedre kvalitet i behandlingen for patienten ved at nedbringe antallet af akutte genindlæggelser. Men vi håber, at projektet på sigt kan bredes ud til mange andre områder – fx selvmordsrisiko, risiko for tvang, detektion af underbehandlede fysiske sygdomme, fortæller Michael Eriksen Benros der også håber, at patientjournalerne på sigt bliver smarte:
- Vores patientjournaler indeholder mere og mere information, og vi har et af de mest digitaliserede sundhedsvæsener i verdenen. Særligt i psykiatrien er der mange og lange notater i journalerne, og der er tanken, at vi kan bruge dataanalyser og kunstig intelligens til at gennemgå journalen og hjælpe klinikerne ved at highlighte det relevante i journalen. På den måde får klinikerne beslutningsstøtte og kan træffe den kliniske beslutning på grundlag af al den tilgængelige viden og data om patienten. Det ville være underligt, hvis ikke det gjorde behandlingen bedre, og mit bud er, at om 5-10 år er det en integreret del af vores hverdag som klinikere.
Men understreger Michael Eriksen Benros:
- Man kan lave verdens bedste algoritme, men hvis folk ikke bruger den, så forbedrer algoritmen alene ikke behandlingen. Derfor er det rigtig vigtigt med grundig testning og tilpasning, at klinikerne bruger de her modeller og hjælper os med at videreudvikle dem, så vi sammen kan lave de bedste tekniske løsninger, der understøtter, at den tilgængelige viden om patienten bruges bedst muligt til at forbedre behandlingen.