Interview med Indsigt.ai - et arbejde med små, højt specialiserede modeller
13. juni 2024Indsigt.ai er et projekt på Odense Universitetshospital Afdeling for Blodprøver og Biokemi, som arbejder med brugen af algoritmer til at understøtte sundhedsfaglige beslutninger og forskning. Indsigt.ai udgør en interessant sprogteknologisk case, da det primære fokus for arbejdet ikke ligger i de helt store sprogmodeller, som kan det hele på én gang, men derimod omhyggeligt at arbejde med mindre fagspecifikke modeller til stor gavn. Vi har talt med Martin Sundahl Laursen, som er PhD og ansat på projektet.
![logo for indsigt.ai, som historien omhandler](https://sprogtek-ressources.digst.govcloud.dk/Grafik/Annotation%202024-06-12%20114818.jpg)
I det danske sundhedsvæsen samles der massive mængder informationer om patienter i patientjournalerne. Oplysningerne i patientjournalerne kan være mere eller mindre strukturerede, men i mange tilfælde er oplysningerne udfyldt af den enkelte læge i fritekst. Heri kan der også forekomme oplysninger, som er kritiske i et behandlingsforløb. Sundhedspersonalet skal selv gennemgå patientjournalen, identificere risikofaktorer og vægte dem, hvilket er en tidskrævende og kompleks opgave med risiko for fejl.
"Den gængse læge har omtrent 7 minutters forberedelsestid, når de skal tilse en patient, mens det kan tage 60 minutter at gennemlæse en patientjournal til fulde. Lige nu estimeres det, at ca. 30 % af relevante sætninger i et givent behandlingsforløb overses ved manuel gennemgang. Her kan sprogteknologi bidrage til systematiske gennemlæsninger af patientjournaler og derved bidrage til at vigtige oplysninger ikke overses" fortæller Martin Sundahl Laursen.
Indsigt.ai har specialiseret sig i at udvikle små skræddersyede modeller, som hurtigt kan gennemgå patientjournaler og identificere de oplysninger, som der er behov for. Indsigt.ai forsøger ikke at forudsige eller prædiktere, men udnytter derimod sprogteknologiske værktøjer til at udstille eksisterende information, så sundhedspersonalet kan udnytte den til fulde, og det har vist sig at være til stor gavn.
"Vi har udviklet et værktøj, hvor vi på baggrund af den elektronise patientjournal, fx kan hjælpe med at identificere patienter med bløder-problemer, så vi kan håndtere dem bedst muligt i forbindelse med længere indlæggelser. Opmærksomhed på sådanne forhold kan være afgørende for at sikre den korrekte håndtering af den enkelte patient og give dem det bedst mulige forløb"
Et omhyggeligt arbejde
I virkeligheden er der tale om et simpelt sprogteknologisk værktøj, som løser en simpel opgave. Der ligger dog et omhyggeligt arbejde bag, da de sprogteknologiske værktøjer hele tiden skal tilpasses nye opgaver og ikke kun skal levere rigtige svar hele tiden, men også levere et forståeligt og meningsgivende output
"Første skridt er at designe det output vi gerne vil have ud. Det næste skridt er at tænke, hvordan modellen kan give præcise og nøjagtige resultater, hver gang værktøjet bruges" fortæller Martin Sundahl Laursen.
Herefter går teamet i gang med at annotere datasæt, hvor de forskellige begreber inden for et givent emne skal kortlægges og annoteres. Her er det vigtigt, at de der trækkes på kompetencer for fagspecialister, så datasættet får den fornødne kvalitet. Derfor er der i arbejdet ofte involveret mange forskellige specialister, som bringer hver sit til opgaven. Når dataene er blevet annoteret, så skal modellen trænes, således at det leverer det korrekte output i rigtigt format. Til sidst skal modellen løbende tilpasses og justeres, så den kan levere bedre resultater
Det kræver en iterativ proces, hvor dem, der anvender værktøjet, skal forstå, at værktøjet bliver bedre i takt med, at de bruger det. De skal også forstå, hvordan de skal komme med kommentarer og input til, hvordan modellen kan blive bedre.
"Vi har efterhånden været igennem processen med udtræk af mange forskellige typer af information i patientjournalen og har udviklet en effektiv arbejdsgang, som gør, at vi hurtigt kan lave en højt performende model", fortæller Martin Sundahl Laursen.
Det fremadrettede arbejde
Indsigt.ai er i stigende grad blevet involveret til den sundhedsfaglige forskning ved at etablere modeller, som forskere kan bruge til at foretage undersøgelser. Her bruger de sprogteknologi til at gennemgå de mange patientjournaler for oplysninger, som understøtter forskerne i at identificere relevante sammenhænge mellem forskellige faktorer.
"Det er helt klart nogle spændende projekter, vi bliver involveret i. Vores største drøm er dog helt klart også at blive en integreret del af patientjournalsystemet, således at lægerne kan bruges vores værktøj ude på gangene”.
Hvis du kunne tænke dig at læse mere om indsigt.ai’s projekter, så kan du finde information på deres hjemmeside. https://www.indsigt.ai/