Skip til primært indhold

HjerteRo – minimering af genindlæggelser for hjertepatienter med fokus på angst og depression

Projekt HjerteRo skal udnytte mulighederne i teknologien til at minimere gen indlæggelsesprocenten bl.a ved tidligt at kunne opspore tegn på angst og depression hos hjertepatienter.

Hjertepatienter påvirkes mentalt

Patienter med hjertesygdom har dobbelt så høj risiko for at udvikle angst og depression sammenlignet med patienter uden hjertesygdom. Der er derfor stort potentiale i at udnytte mulighederne i teknologien til tidligt at kunne opspore tegn på angst og depression hos hjertepatienter.

Kunstig intelligens skal hjælpe os med at forebygge genindlæggelse med en AI-model hvor der er fokus på angst og depression hos hjertepatienter.

I 2020 estimers det at op mod 500.000 danskere er hjertepatienter. Desuden kan halvdelen af os forvente at få en hjertesygdom, når vi har rundet 55 år.

At få en hjertesygdom kan ofte give psykiske problemer, idet risikoen for at udvikle en depression er dobbelt så stor hos hjertepatienter i forhold til personer, der ikke har en hjertesygdom.

Når hjertepatienter med symptomer på angst og depression ikke modtager hjælp, rammes de både fysisk og psykisk. Samspillet mellem det fysiske og psykiske helbred har stor betydning for den videre behandling. Den psykiske tilstand påvirker patientens evne til at gennemføre hjerterehabilitering, herunder foretage livsstilsændringer.

Omkostningerne afledt af depressioner anslås i Danmark til at være på ca. 14 mia. kr./år, mens angst koster samfundet ca. 6 mia. kr./år.

Mål

Med projekt HjerteRo ønsker vi at udnytte Danmarks unikke landsdækkende patientregistre til at udvikle en datadreven prædiktionsmodel, der kan understøtte opsporingen af patienter med hjertesygdom, der har en forhøjet risiko for at blive genindlagt med særlig fokus på angst eller depression.

Vi vil udvikle en løsning, der både tilgodeser patienternes præferencer, muligheder og barrierer og samtidig giver de sundhedsfaglige noget de kan bruge i den kliniske hverdag.

Vi skal hjælpe de mange patienter med risiko for at udvikle psykiske følger og løsningen skal sikre samme diagnostik og tilbud uanset bopæl.

Formål og løsninger

Formålet er at anvende AI til at forudsige, hvilke indlagte hjertepatienter, der har forhøjet risiko for akut gen-indlæggelse med særlig fokus på mental sårbarhed, herunder angst og depression.

Formålet er ligeledes at designe og afprøve AI i klinisk praksis samt give anbefalinger til implementering og skalering.

Succeskriterier

  • AI-modellen skal forudsige risiko for akut genindlæggelse med særligt fokus på mental sårbarhed, herunder angst og depression
  • Der er gennemført modelperformance og studie på AI-modellen(rne)
  • Der foreligger en evalueringsrapport, hvor følgende er evalueret:
    • Den prædikative model med anvendte datakilde
    • AI-modellens kliniske anvendelsesmuligheder
    • Forudsætninger og muligheder ved implementering
    • Skaleringsmuligheder.

Forventede kvantitative og kvalitative gevinster

Gevinsterne ved HjerteRo er flere:

  • At udvikle en AI-model, som kan anvendes i en klinisk hverdag, som et beslutningsstøtteredskab
  • At udvikle en generisk model/metode, som kan skaleres til andre sygdomsområder, hvor der også er en høj forekomst af angst og depression efter somatisk sygdom (kræft, KOL)
  • At få nye erkendelser om risikofaktorer, som vi ikke kender i dag. Eller at få bekræftet, at dem vi kender, er de rigtige
  • At finde de patienter, som blandt andet i forbindelse med angst og depression er i risiko for genindlæggelse og at tilbyde disse patienter forebyggelse.

Vi opnår en bedre udnyttelse af sundhedsydelserne

Når borgere med forhøjet risiko for genindlæggelse, angst og depression findes tidligere, kan der planlægges individualiserede patientforløb.

Denne tidligere opsporing er billigere og chancerne for helbredelse øges, hvilket medfører et nedsat forbrug af sundhedsydelser. Der er således god økonomi i tidligt at finde patienter med bl.a. forhøjet risiko for angst og depression.

Derudover er der en lang række gevinster at hente på patienters og pårørendes livskvalitet:

  • Bedre livskvalitet for patienter og deres pårørende (Quality adjusted life years)
  • Færre besøg hos praktiserende læge og færre indlæggelser
  • Færre sygedage (hvis patienten er erhvervsaktiv)
  • Bedre udnyttelse af sundhedsvæsenets ressourcer.

Partnerskab og leverandør

  • Syddansk Sundhedsinnovation, Region Syddanmark: Lone Dalager Kristensen, projektleder
  • Odense Universitetshospital: Ann-Dorthe Zwisler, professor, og Mette Warsøe, cheflæge, Hjertemedicinsk Afd. B.
  • SAS instituttet: Morten Krog Danielsen, konsulent, Lisa Kobæk, projektleder
  • Dokumentation og Ledelse, Region Syddanmark: Anders W. Maarberg, chefkonsulent.

Fakta

  • Projektperiode: januar 2021 – medio 2025
  • Finansiering: Projektet er ét blandt 13 signaturprojekter om kunstig intelligens i kommuner og regioner udvalgt ved økonomiaftalerne 2021.

Læs mere om de 13 signaturprojekter på Digitaliseringsstyrelsens hjemmesiden.

Kontakt

Lone Dalager Kristensen

Projektleder

Digital Innovation


29 65 55 48 Lone Dalager Kristensen på LinkedIn
APPFWU01V