Kunstig intelligens mot postoperative sårinfeksjoner

Postoperative sårinfeksjoner (POSI) er et stort problem i Norge og resten av verden, og fører til store utgifter for samfunnet gjennom flere liggedøgn, økt behov for reoperasjon og mindre deltagelse i arbeidslivet. 

Hvert år rammes mer enn 800 000 personer av postoperative sårinfeksjoner i Europa, og om lag 1 500 dør som følge av POSI hvert år i Sverige. Høy forekomst av POSI fører også til økt antibiotikabehandling, noe som igjen øker risikoen for antibiotikaresistens. Ifølge Verdens helseorganisasjon (WHO) vil 50 prosent av bakterier som forårsaker POSI være antibiotikaresistente i nær fremtid.

Synliggjøre det usynlige

Faktorer som luftstrøm og partikler kan ha betydelig innvirkning på pasientenes tilstand etter kirurgiske inngrep. I dette prosjektet ble verktøy utviklet for å visualisere luftstrøm og partikkeldistribusjon i operasjonssaler.

Effekten av ulike ventilasjonsløsninger (laminær ventilasjon og omrøringsventilasjon) på partikkeldistribusjon ble målt under simulerte operasjoner på NTNU Gløshaugen. Videre ble effekten av helsepersonellets bevegelser på luftstrøm og partikkeldistribusjon i rommet målt og visualisert.

Disse målingene dannet grunnlaget for utviklingen av en «Extended Reality» (XR) applikasjon, som vil bli brukt som et opplæringsverktøy for helsepersonell. XR-applikasjonen illustrerer hvordan helsepersonellets handlinger, inkludert posisjonering av utstyr og deres bevegelsesmønster, påvirker risikoen for POSI.

Fusjon av tverrfaglig domenekunnskap og maskinlæring

Flere teknologier ble kombinert for å gjennomføre prosjektet.

En maskinlæringsmodell ble brukt til å fange opp helsepersonellets bevegelser i operasjonssalen. Under en operasjon er operasjonsrommet fullpakket med utstyr noe som gjør det vanskelig for et kamera å fange opp operasjonspersonellet. I prosjektet benyttes det derfor flere kameraer, hvorav hver anvender maskinlæringsmodellen til å fange opp personer i sitt synsfelt. Dataen fra hvert av kameraene blir så sammenstilt for å danne et helhetlig bilde av helsepersonellets bevegelser i operasjonsrommet.

Dataen blir så brukt inn mot dynamiske numeriske fluiddynamikk-simuleringer (CFD) for nøyaktig å visualisere luftstrøm og partikkeldistribusjon i operasjonssalen. I tillegg ble det utviklet en maskinlæringsmodell for å simulere og visualisere luftstrøm i sanntid. Dette muliggjorde rask og intuitiv visualisering av luftstrøm og partikkeldistribusjon under ulike operasjonsscenarier med forskjellige bevegelsesmønstre og utstyrsposisjoner.

Totalt sett har prosjektet vært preget av sterk samhandling og viktig tverrfaglige ekspertise i Norconsult, som inkluderer ventilasjonsdomene, fluiddynamikk, XR og AI-løsninger i et sammenhengende system.

Fremtidens bidrag til helseøkonomi

Forskningen har potensial til å forbedre pasientsikkerheten dramatisk, samt redusere kostnader knyttet til behandling av POSI.

Ved å bruke avanserte teknologier som maskinlæring og dataanalyse til utvikling av visualiseringsverktøy, kan helsepersonell bedre forstå og håndtere risikofaktorer som luftstrøm og partikkeldistribusjon i operasjonssaler. Dette kan føre til mer effektive tiltak for å forebygge POSI, redusere behovet for reoperasjon og antibiotikabehandling, og dermed forbedre pasientenes utfall og samfunnets helseøkonomi.