Resursoptimering på akutmottagningen med hjälp av maskininlärning

Doktorandprojektets syfte är att utveckla beslutsstöd baserade på avancerade statistiska metoder, maskininlärning/artificiell intelligens (AI) och data från stora hälso- och sjukvårdsregister för att optimera omhändertagandet inom akutsjukvården. I ett delprojekt modelleras ett AI-baserat beslutsstöd för diagnostisering av vuxna patienter med andningssvårigheter på en akutmottagning.

Temat ingår i forskningsmiljön AIR Lund (Användning av artificiell intelligens inom registerforskning), ett samarbete mellan Lunds universitet, Högskolan i Halmstad, Region Skåne och Region Halland kring registerforskning med hjälp av artificiell intelligens (AI). Finansieras av bl a Region Hallands Vetenskapliga Råd samt Sparbanksstiftelsen.

I Sverige finns en unik möjlighet att forska på olika register inom hälso- och sjukvård. Med hjälp av dessa vill vi utveckla beslutsstöd baserade på statistiska modeller och maskininlärning, en aspekt av artificiell intelligens (AI).

Dessa beslutsstöd skulle kunna förbättra diagnostik och behandling av patienter som söker vård på akutmottagningar. Med förfinad och mer individanpassad prediktion skulle vården bättre kunna skräddarsys för varje patient. Detta har i sin tur potential att öka patientsäkerheten och optimera resursutnyttjandet.