8 oktober, 2020
Så gjordes prognoserna under pandemin
100 eller 1000 intensivvårdsplatser för covid-19-patienter? Sahlgrenska Universitetssjukhusets pandemiprognoser har hittills haft hög träffsäkerhet. Viktiga faktorer för det har varit kompetensgränser, artificiell intelligens och en otrolig massa data i excel.
Under våren och sommaren presenterades nya prognoser i den gemensamma sjukvårdsledningen varje vecka. Den här grafen fick uppmärksamhet i nationell media - efter flera veckors nedgång i maj kom en ny uppgång.
För att skapa en bild av antal vårdplatser som kunde komma att behövas för vård av patienter med covid-19 samarbetade chefläkare, logistikgruppen och forskare på Chalmers. Tillsammans tog man snabbt och kontinuerligt ta fram prognoser för vårdplatser inom slutenvården samt IVA.
– Arbetet byggde i stor uträckning på omvärldsspaning, ett omfattande manuellt beräkningsarbete och samarbete med olika kompetenser inom vård, epidemiologi och matematik. Arbetet var mycket tidskrävande. Grundprincipen har varit att utgå från en enkel modell och att justera denna successivt efter våra egna utfallsdata allteftersom dessa ökade, säger Thomas Brezicka, chefläkare på Sahlgrenska Universitetssjukhuset.
Omvärldsbevakningen tog mest tid
Då ingen tidigare data och inga verktyg fanns följde ett mödosamt arbete att ta fram prognoskurvor. Det som tog mest tid var att hela tiden följa utvecklingen för att samla in det data som krävdes för att skapa kurvorna, berättar Thomas Brezicka. Platsplaneringen gällde i huvudsak slutenvårdens dimensionering men också IVA. I detta arbete gjordes trendanalyser såväl i Excel som med andra verktyg och där forskare vid Chalmers var behjälpliga.
– I efterhand kan man se ett mönster som går igenom, till exempel att vår utveckling liknade den i Stockholm men att vi låg två veckor efter hela tiden. Vi visste inte på förhand om vårt arbete skulle bidra till goda effekter i det operativa arbetet med att säkerställa att vi hela tiden hade de vårdplatser vi behövde, men som utvecklingen blev så var den hanterbar vid sjukhuset.
AI-baserade tekniker användes
För att säkra upp att kurvorna skulle vara så säkra som möjligt och därmed användbara i sjukhusets vårdplats- och resursplanering pågick arbetet parallellt i flera grupperingar som kunde validera varandras prognoser. Dessa grupperingar bestod av sjukhusets chefläkare och logistiker samt forskare vid Chalmers.
– Vi hade också dialoger med regionens andra sjukhus. Olika hjälpmedel användes i detta arbete inte minst vid Chalmers, där bland annat AI-baserade tekniker prövades, säger Thomas Brezicka.
Hur funkade då samarbetet mellan Chalmers och sjukhuset? Chalmers bidrog bland annat med underlag för operativa rekommendationer inför beslut. Sjukvården kunde i sin sida bidra till utvecklingen av nya verktyg för att göra snabbare och säkrare prognoser i framtiden.
– Genom tillgången till stora delar av data som matas in överallt på sjukhuset kunde vi använda oss av statistiken för covid-patienter, bland annat hur många som skrevs in per dag. Även vårdtiden för patienter inom sluten och intensivvården, samt hur stor andel av patienterna som behövde IVA-vård användes. På så vis kunde vi beräkna behovet av vårdplatser, säger Julia Karlsson, logistiker.
AI kan ersätta tidskrävande databearbetning
Varje pandemi är förstås unik, men i framtiden hoppas Brezicka på att sjukvård och dataingenjörer tillsammans har arbetat fram ett gemensamt verktyg genom de nya möjligheter som finns, bland annat genom AI.
– Det som tog mest tid var att hela tiden följa utvecklingen för att samla in och bearbeta de data som krävdes för att skapa kurvorna. Därför är det viktigt att vi kan samarbeta med forskare och frikostigt tillhandahålla data till exempelvis Chalmers och därmed bidra till genombrott med nya verktyg. Inte minst baserade på AI-teknik och som kan vara användbara i framtiden, säger Thomas Brezicka.