Ny algoritme kan redde liv: Forudsiger hvor mange, der får brug for intensiv pleje mod corona

Da coronapandemien var på sit højeste i december 2020, var presset på landets hospitaler maksimalt. Personalet blev strukket til det yderste, og Sundhedsstyrelsen måtte lave en hård prioritering i forhold til, hvilke andre behandlingsforløb, der var nødvendige, hvilket blandt andet resulterede i 35.500 udskudte operationer.

Men en ny opfindelse skal nu afhjælpe, at presset på landets hospitaler igen bliver for højt, når en ny bølge af coronavirus blusser op. Forskere fra blandt andre Københavns Universitet har nemlig udviklet en algoritme, der kan forudsige sygdomsforløbet for coronapatienter i forhold til, hvor mange, der med stor eller lille sandsynlighed får brug for intensiv behandling eller respiratorer.

Og det er vigtigt for, at man kan fordele personalet på landets hospitaler, lyder det fra en af forfatterne bag studiet.

”Hvis vi kan se, at om fem dage, får vi kapacitetsproblemer, fordi for mange senge er optaget på for eksempel Rigshospitalet, så kan vi bedre planlægge og flytte patienter til andre hospitaler med mere plads og personale. På den måde kan vi potentielt redde liv med vores algoritme,” forklarer Stephan Lorenzen, der er postdoc på Datalogisk Institut på Københavns Universitet.

Algoritmen bruger data om de enkelte patienter fra Sundhedsplatformen, hvilken eksempelvis indeholder information om køn, alder, medicinforbrug, BMI, om personen ryger eller ej, blodtryk og lignende.

Herudfra kan algoritmen forudsige, hvor mange patienter, der indenfor tidsrammen 1 til 15 dage, vil få brug for intensiv behandling i form af eksempelvis respiratorer og konstant monitorering fra sygeplejesker og læger.

Sammen med kolleger fra Københavns Universitet samt forskere fra Rigshospitalet og Bispebjerg Hospital, har han udviklet den nye algoritme, der er baseret på sundhedsdata om 42.526 danske patienter, der var testet positive for coronavirus fra marts 2020 til maj 2021.

Kan forudsige antallet af intensivpatienter med 90 procent sikkerhed

Forskere har tidligere brugt regressionsmodeller til at forudsige, hvor mange patienter, der vil blive indlagt med COVID-19, men modellerne har ikke taget højde for den enkelte persons sygdomshistorik, alder, køn osv.

Faktisk er algoritmen meget præcis i dens forudsigelse af antallet af intensive-patienter i op til ti dage.

”Vi laver bedre forudsigelser end andre sammenlignelige modeller, fordi vi mere præcist kan kortlægge det eventuelle behov for respirator og døgnbemanding af en patienterne op til de ti dage. Herefter falder præcisionen lidt, svarende til de eksisterende algoritmemodeller, der hidtil har været brugt til at forudsige COVID-forløb,” uddyber han.

Algoritmen er i princippet klar til at blive taget i brug på landets hospitaler, og forskerne er ved at indlede en dialog med relevant fagpersonale.

”Vi har vist, at data kan bruges til utroligt meget, og vi er heldige, at vi i Danmark har så meget viden om vores sundhed at trække på. Forhåbentlig kan vores nye algoritme bidrage til, at vi kan undgå overbelastning på hospitalerne, når en ny bølge af COVID rammer os,” slutter Stephan Lorenzen.