Ny sepsis-AI på frammarsch – men prestanda räcker inte för framgång

För fem år sedan stod sjukvården inför ett stort bakslag när sepsis-prediktionsverktyg visade sig vara verkningslösa. Hundratals sjukhus hade infört en algoritm från elektroniska patientjournalsystemet Epic, som lovade att varna läkare för förutsedda fall av sepsis – en livshotande reaktion på infektion som årligen dödar över 350 000 människor i USA.

Trots lovande resultat på papper visade sig AI:n vara en teknisk flopp. Den genererade så många falska larm att läkare slutade reagera på dem eller sjukhusen stängde av systemet helt.

Nu, fem år senare, introduceras nya sepsis-modeller på marknaden. Epic har släppt en uppdaterad version av sin algoritm. Nystartade företag testar sina modeller i sjukvårdssystem, och ett forskarlag använder stora språkmodeller för att analysera kliniska anteckningar efter sepsisindikationer. I veckan meddelade dessutom Bayesian Health – med rötter i Johns Hopkins – att deras sepsis-flaggningsenhet har fått godkännande från FDA.

Ny AI-teknik lovar bättre resultat

Utvecklingen av sepsis-AI har tagit flera riktningar sedan det tidigare misslyckandet. Epic har förbättrat sin algoritm för att minska antalet falska larm och öka precisionen. Nya startups, som Dascena och Current Health, testar sina modeller i samarbete med sjukvårdssystem för att säkerställa att de fungerar i verklig miljö.

En särskilt innovativ lösning kommer från ett forskarteam som använder stora språkmodeller för att granska kliniska journaler. Genom att analysera ostrukturerad text i patientjournaler kan modellen identifiera subtila tecken på sepsis som tidigare algoritmer missat.

FDA-godkännande banar väg för ny teknik

Den senaste nyheten kommer från Bayesian Health, vars sepsis-flaggningsenhet nyligen godkändes av FDA. Enheten använder avancerad maskininlärning för att analysera patientdata i realtid och identifiera högriskfall av sepsis tidigare än traditionella metoder.

– Vårt mål är att minska antalet sepsisrelaterade dödsfall genom tidig upptäckt och snabbare intervention, säger en talesperson för Bayesian Health. – Genom att kombinera klinisk expertis med AI kan vi förbättra patientsäkerheten avsevärt.

Utmaningar kvarstår

Trots framstegen kvarstår utmaningar. En av de största är att säkerställa att nya AI-modeller inte bara är tekniskt överlägsna, utan också praktiskt användbara i sjukvårdsmiljön. Tidigare misslyckanden har visat att prestanda på papper inte alltid översätts till framgång i verkligheten.

– Det handlar inte bara om att ha den bästa algoritmen, utan också om att integrera den på ett sätt som stödjer läkarnas arbete, säger en expert inom medicinsk AI. – Om systemet genererar för många falska larm kommer läkare att ignorera det, oavsett hur bra det är.

Forskare och företag fortsätter att arbeta med att förbättra sepsis-AI, men frågan kvarstår: kommer de nya modellerna att leva upp till förväntningarna denna gång?