Ugeskrift for læger har skrevet om vores arbejde i 2024. Her er et kort resume. Hele teksten findes her
Et tværfagligt team af læger og ingeniører fra OUH og SDU har udviklet en specialiseret dansk AI-algoritme, der identificerer blødningsepisoder i patientjournaler – og sparer op til en times arbejde per patient.
👉 Tidligere tog det op mod 60 minutter at gennemlæse 10 års journalnotater for at finde oplysninger om blødninger. Med den nye sprogmodel tager det kun 85 sekunder. Desuden overser man nærmest intet, når det relevante er markeret. Dette skal sammenlignes med at man overser op til 30 % af de relevante fund ved almindelig gennemlæsning af medicinsk tekst.
🔍 Modellen bygger på Natural Language Processing (NLP) og er trænet på danske patientjournaler. Den kan bruges til både individuel udredning, populationsanalyse og forskning.
I modsætning til ChatGPT er der tale om små, specialiserede modeller uden chatbot-funktion, men med høj præcision og lokal datakvalitet. Modellen fungerer ved at highlighte relevante sætninger og præsentere fund på anatomiske kort – og giver dermed klinikeren et visuelt overblik og hurtigere beslutningsstøtte.
Teamet bag, ledet af professor og overlæge Pernille Just Vinholt, arbejder siden 2019 med at udvikle danske kliniske sprogmodeller. Projektet viser, at AI i sundhedsvæsenet ikke behøver være generisk eller uoverskueligt – men målrettet, effektivt og lokalt forankret.
Perspektivet rækker langt: Modellen er allerede i brug i forskningsprojekter og ved udredning for arvelige blødningssygdomme – og teknologien kan udvides til andre symptomer og sygdomme.