Photo by Steve A Johnson on Unsplash
Forskere har utviklet en KI-modell som kan varsle om risiko for multiresistente bakterier hos intensivpasienter før legene påviser bakterien.
På en intensivavdeling kan en pasients tilstand endre seg raskt. Puls, blodtrykk, oksygennivå og andre verdier blir kontinuerlig registrert.
Samtidig får mange pasienter gjerne bredspektret antibiotika før legene vet sikkert hvilken bakterie som er årsaken til en infeksjon. Bredspektret antibiotika vil si medisiner som virker mot mange ulike typer bakterier samtidig.
Noen ganger har bakterien utviklet motstand mot medisinen. Da virker ikke behandlingen slik den skal.
Antibiotikaresistens blir omtalt av Verdens helseorganisasjon (WHO) som en av de største globale helsetruslene.
Stadig flere bakterier over hele verden utvikler motstand mot vanlig antibiotika.
For mer informasjon om: Mini Anne Plus 10 pakning
Også i Norge øker antall resistente bakterier
Ifølge Folkehelseinstituttet er nivåene i Norge fortsatt lavere enn i mange andre land. Men også her øker forekomsten av resistente bakterier.
Helsemyndighetene følger utviklingen nøye.
Forsker Yuan Lin ved Høyskolen Kristiania og noen internasjonale kolleger undersøkte om den digitale informasjonen som allerede finnes i pasientenes journaler, kan gi et tidlig varsel.
På intensivavdelingen har vi enorme mengder data. Vi ville bruke kunstig intelligens til å undersøke om mønstre i disse dataene kan si noe om risiko før bakterien påvises klinisk, sier Lin.
For mer informasjon om: Heartstart FRx
Algoritmen skulle finne de sjeldne tilfellene
Forskerne analyserte 25.864 intensivopphold fra to store helsedatabaser.
Av disse fikk 326 pasienter en resistent infeksjon mens de lå på intensivavdeling. Det er rundt 1,3 prosent av dem.
Når tilfellene er så sjeldne, blir de også vanskeligere å fange opp.
Utfordringen er å trene algoritmen til å oppdage de sjeldne tilfellene og finne mønstre i dem, selv om de bare gjelder én til tre av hundre pasienter, sier Lin.
Forskerne brukte både løpende målinger og mer stabile opplysninger som alder og diagnosebakgrunn.
For mer informasjon om: Lommemaske
KI-modellen ga høy treffsikkerhet
Løpende målinger kan være vitale tegn som puls og kroppstemperatur, laboratorieverdier, bruk av antibiotika og behandling med respirator.
De ba KI-modellen analysere utviklingen hos pasientene i en periode på enten 7 eller 14 dager.
Så skulle den beregne sannsynligheten for at en resistent bakterie vil bli påvist kort tid etter.
Treffsikkerheten var høy i analysene. Også da de testet med data fra andre sykehus, holdt resultatene seg.
Dette tyder på at modellen vi har utviklet, kjenner igjen hvordan pasienters tilstand typisk endrer seg over tid – og kan bruke det til å gi gode vurderinger også for andre pasienter, sier Lin.
For mer informasjon om: Mann over bord dukke
KI kan gi legene bedre grunnlag for beslutninger
Studien er basert på data fra tidligere pasienter. Den viser hvor godt systemet kan forutsi risiko.
Den sier ikke noe om hvordan et slikt verktøy vil påvirke behandlingen eller pasientenes helse i praksis.
Før systemet eventuelt kan tas i bruk i norske sykehus, må det testes i reelle behandlingssituasjoner.
Det må også vurderes grundig med tanke på nytte, risiko og pasientsikkerhet.
Kunstig intelligens kan gi leger et bedre grunnlag for beslutning når situasjonen er kompleks og tiden knapp. Samtidig må vi teste og vurdere bruken grundig før slike systemer tas i bruk, understreker Lin.
Referanse:
World Health Organization: WHO warns of widespread resistance to common antibiotics worldwide. 2025.
Yuan Lin mfl.: IAHED: An imbalance-adaptive hybrid encoder–decoder framework for early detection of ICU-acquired multidrug-resistant bacteria (sammendrag). IEEE Sensors Journal, 2026. Doi.org/10.1109/JSEN.2025.3628949
