Vi bruker maskinlæring for å utvikle persontilpassede og bærekraftige helsetiltak for personer med rygg- og nakkeplager.
For å gjøre helsevesenet mer effektiv og bærekraftig er det nødvendig med klokere behandlingsvalg for pasienter med rygg- og nakkeplager.
Vi mangler nyttige og presise kliniske verktøy som kan hjelpe pasienter og klinikere til å ta bedre beslutninger og sikre en mer skreddersydd behandling.
I dette prosjektet vil prediksjonsmodeller bli utviklet og validert ved hjelp av maskinlæring. De beste modellene vil bli innlemmet i kliniske beslutningsverktøy og ytterligere testet med tanke på gjennomførbarhet.
Prosjektet omfatter en bred tverrfaglig gruppe, inkludert nevrokirurger, fysioterapeuter, dataingeniører, epidemiologer, statistikere, et brukerpanel og klinikere som arbeider med rygg- og nakkeplager.
Deltakere
Mer om prosjektet
Hovedmålet med prosjektet er å møte helse- og samfunnsutfordringene relatert til rygg- og nakkeplager ved å sikte mot et fremtidig persontilpasset og bærekraftig helsevesen.
Vi vil gjøre bruk av maskinlæringsmetoder på store datasett for å identifisere personer med ulike behandlingsforløp og helseutfall etter kirurgisk og/eller konservativ behandling for rygg- og nakkeplager.
Dernest vil vi gjennomføre ekstern validering av prediksjonsmodeller i datasett fra Danmark og Sverige, og utforske hvordan prediksjonsmodeller kan innlemmes i AI-baserte kliniske beslutningsverktøy og intervensjoner.
Organisering
Dette prosjektet er organisert i tre arbeidspakker. Det primære forskningsspørsmål vil bli undersøkt i arbeidspakke 1, mens de sekundære forskningsspørsmål vil bli undersøkt henholdsvis i arbeidspakke 2 og 3.
I arbeidspakke 1 vil vi bruke data fra befolkningsundersøkelser (HUNT, Tromsø og Ullensaker-undersøkelsene) samt registerdata (Norsk pasientregister og Kommunalt pasient- og brukerregister).
I arbeidspakke 2 vil prognostiske modeller bli validert i danske og svenske datasett (SpineData, Dansk rygdatabase (DaRD), DaneSpine og SweSpine).
I arbeidspakke 3 vil de validerte prognostiske modellene bli innlemmet i kliniske beslutningsverktøy og testet i ulike kliniske settinger.
Gjennomførbarheten av å innlemme de kliniske beslutningsverktøyene vil bli utforsket gjennom kvalitative intervjuer og observasjon.
