Kunstig intelligens skal hjælpe gravide – også når sproget spænder ben

Hvert år kontakter tusindvis af gravide og nybagte mødre sundhedsvæsenet med alt fra harmløse symptomer til livstruende tilstande. Det er en kompleks opgave at sikre, at disse kvinder henvises til den rette kompetente behandling i sundhedsvæsenet, særligt når sproget halter, eller kvindens symptomer i virkeligheden handler om andet end graviditet eller fødsel, f.eks. blindtarmsbetændelse eller vejrtrækningsproblemer. 

Nu skal et nyt projekt – PregAI – udvikle en AI-løsning, der skal sikre, at kvinderne får en mere præcis og effektiv hjælp, når de kontakter sundhedsvæsnet, også når de har svært ved at forklare deres symptomer på dansk. Innovationsfonden støtter projektet med 9 mio. kroner. 

Denne bevilling bidrager direkte til at forbedre sundheden for mange kvinder. Ved at kombinere sundhedspersonalets erfaringer med de nye teknologiske muligheder kan vi hjælpe flere kvinder hurtigere til den rette behandling. Det er udfordrende at vurdere de kvinder, som måske slet ikke fejler noget, der har at gøre med deres​ graviditet – og især hvis der også er en sprogbarriere. Vi forventer, at denne løsning kan gøre os endnu bedre til at håndtere netop disse tilfælde,” siger professor og overlæge på Gynækologisk-Obstetrisk Afdeling på Hvidovre Hospital, Lone Krebs, som står i spidsen for projektet. 

En intelligent makker til sundhedspersonalet 

Når gravide kvinder eller nybagte mødre ringer akut til hospitalerne eller Akuttelefonen 1813, er samtalen afgørende for at opdage alvorlige komplikationer i tide. I dag er erfaringen hos den enkelte sundhedsperson, kvinderne taler med, afgørende for, om kvinden får hurtig og korrekt hjælp. Men når kommunikationen er svær, eller symptomerne ikke nødvendigvis stammer fra graviditeten eller fødslen, kan der være risiko for, at vigtige tegn bliver overset eller fejlfortolket. 

Forskergruppen arbejder allerede nu med at optimere telefonvisitation baseret på AI-løsninger i fødemodtagelsen, og PregAI-projektet bygger videre på dette arbejde.  

PregAI skal udvikle en AI-baseret assistent, der i realtid kan støtte sundhedspersonalet i at vurdere symptomer og stille de rigtige spørgsmål - f.eks. ved mavesmerter, hvor årsagen kan være alt fra en operationskrævende blindtarmsbetændelse til plukkeveer eller truende for tidlig fødsel. Løsningen bliver understøttet af en voicebot, der kan hjælpe med at overkomme sprogbarrierer og dermed sikre, at den sundhedsprofessionelle vurdering sker på et korrekt grundlag, så gravide får rettidig og korrekt hjælp. Projektet har hermed også til formål at sikre mere lige adgang til kvalificeret vurdering og behandling og derved forsøge at mindske ulighed i sundhed.   

AI, der gør en forskel 

For at kunne udvikle AI-løsningen vil projektet analysere tusindvis af opkald fra gravide og nybagte mødre til Akuttelefonen 1813 og akutmodtagelserne for gravide på hospitalerne i Hvidovre og Herlev. Dette for at kortlægge, hvordan telefonvisitationen fungerer, når der er sprogbarrierer eller symptomer, der kan høre til i flere sundhedsfaglige specialer – og hvor der er plads til forbedring i visitationen. 

Bag udviklingen af PregAI står et partnerskab mellem Akutberedskabet i Region Hovedstaden, Amager og Hvidovre Hospital, Herlev og Gentofte Hospital, forskningsgruppen AI in Professional Services (APS) ved Roskilde Universitet og CBS og AI-virksomheden Corti.   

Fakta: 

• Innovationsfondens investering: 9 mio. kr.
• Samlet budget: 12 mio. kr.
• Varighed: 3 år
• Officiel titel: PregAI – AI-assisteret telefonvisitation i graviditet og barsel 

Om partnerne: 

Amager og Hvidovre Hospital / Herlev og Gentofte Hospital: Erfarne læger og jordemødre indenfor Obstetrik og Gynækologi.  

Akutberedskabet, Region Hovedstaden: Ansvarlig for Akuttelefonen 1813 og telefonvisitation i hovedstadsområdet 

AI in Professional Services (APS): Forskere fra erhvervsøkonomi på Roskilde Universitet og CBS i samarbejde indenfor temaet AI-implementering og organisatorisk forankring.  

Corti: Dansk AI-virksomhed specialiseret i realtidsanalyse af sundhedsdata