I april ble den til nå største datautleveringen fra HAREG gjennomført, og vi håper dette kan bidra til ny kunnskap og bedre folkehelse – i tråd med Norsk helsearkivs strategiske mål.  

Datasettet som består av 16 000 pasientjournaler er utlevert til et pionerprosjekt som skal utforske hvordan historiske pasientjournaler fra tverrfaglig spesialisert rusbehandling og psykisk helsevern kan gi ny innsikt i forebygging av selvmord. 

Kan oppdage mønstre mennesker overser

Selvmord er en av våre største folkehelseutfordringer. Mellom 600 og 700 dør årlig i selvmord, og mange flere berøres som etterlatte og pårørende. Nær halvparten av dem som dør i selvmord har vært i kontakt med psykisk helsevern eller tverrfaglig spesialisert rusbehandling det siste året før dødsfallet. Nettopp derfor er det avgjørende å styrke kunnskapsgrunnlaget for hvordan risiko kan oppdages tidligere og forebygges bedre.

– Selvmord er et komplekst fenomen, og dagens metoder for å vurdere risiko er fortsatt for dårlige, sier prosjektleder Jens Hetland. – Pasientjournaler inneholder samtidig et rikt klinisk materiale om pasienters forløp, livssituasjon, risikofaktorer og mulige varseltegn som hittil ikke har blitt utnyttet fullt ut. Ved å bruke kunstig intelligens på journaldata håper vi å utvikle metoder som på sikt kan bidra til at selvmordsrisiko oppdages tidligere, og at forebyggingen blir mer treffsikker.

I dette prosjektet kombineres klinisk kompetanse fra KORFOR – Regionalt kompetansesenter for rusmiddelforskning i Helse Vest med kunstig intelligens hos Stavanger AI Laboratory (SAIL) for å utvikle bedre modeller for å identifisere og forstå selvmordsrisiko. Målet er å undersøke om slike data kan benyttes for å identifisere og forstå selvmordsrisiko. Analysen av historiske data er første del av prosjektet. 

– Dette er først og fremst et metodeutviklingsprosjekt, sier Hetland. – Vi skal undersøke om historiske journaldata kan brukes på forskningsmessig nyttig og forsvarlig måte. Dersom vi lykkes, kan prosjektet gi viktig kunnskap både om identifisering av selvmordstruede pasienter og om hvordan historiske helsedata kan brukes til å utvikle beslutningsstøtteverktøy som kan hjelpe helsepersonell i arbeidet med å forebygge selvmord blant pasientene.

– Mye av tidligere forskning har vært basert på det vi kaller strukturerte data – diagnoser, alder, kjønn, økonomi eller tidligere hendelser, supplerer forsker og fastlege Eirik Haarr. – Men i pasientjournaler finnes det også store mengder tekstlig informasjon som i liten grad har vært mulig å analysere systematisk tidligere. Kunstig intelligens er i bunn og grunn svært avansert mønstergjenkjenning. Den kan analysere enorme mengder tekst og lete etter sammenhenger som kan være vanskelige for mennesker å oppdage. Ingen mennesker kan lese titusenvis av journaler og samtidig se alle små mønstre og sammenhenger. Det er nettopp her kunstig intelligens kan være nyttig.

– Målet på sikt er ikke at kunstig intelligens skal erstatte klinikere, men å undersøke om slike modeller kan fungere som beslutningsstøtte og hjelpe helsepersonell med å fange opp risiko tidligere. Dersom slike systemer en gang i fremtiden kan gjøre klinikere oppmerksomme på økt risiko basert på mønstre i journaldata, kan det potensielt bidra til bedre forebygging. Men det vil fortsatt være mennesker som tar alle kliniske beslutninger, forteller Haarr.

Historiske journaldata gir unike forskningsmuligheter

– Det unike med materialet fra HAREG er at vi både har tilgang til historiske pasientjournaler og i tillegg vet hvordan det senere gikk med pasientene, legger prosjektleder Hetland til. – Det gir oss en sjelden mulighet til å undersøke om det finnes mønstre som kan bidra til bedre forebygging i fremtiden.

Prosjektet har alle nødvendige forskningsetiske godkjenninger på plass, og så vidt Nasjonalarkivet kjenner til, er det første gang data fra pasientjournaler skal analyseres på denne måten. 

Å jobbe med denne typen historiske data krever både nytenkning og tett samarbeid, og HAREG skal være tilknyttet prosjektet videre.