Vi skal gjennom prospektive studier validere og videreutvikle våre maskinlæringsmodeller. Det skal samles data for å vurdere point-of-care-blodprøver opp i mot laberatorieprøver (D-dimer) og mobile enheter for ultralydundersøkelser opp i mot laberatorieundersøkelser, og bildedata av ben for å kunne lage modeller for visuell prediksjon.
Tidligere resultater
Vi bygger videre på publiserte resultater som viser at maskinlæring gir tilsynelatende en vesentlig forbedring over dagens systemer ved prediksjon av dyp venetrombose. Vi har også utarbeidet skisser for design av løsning for beslutningsstøtte basert på maskinlæringsmodellene.
Formål med prosjektet
Målet for prosjektet er å få et praktisk nyttig verktøy for beslutningstøtte til prediksjon av DVT som kan benyttes både hospitalt og pre-hospitalt. Dette kan gi tidligere diagnostisering og forbedrede prognoser for hver enkelt pasient, samt gi en mer kostnadseffektiv behandling.
Samarbeidpartnere
Sykehuset i Østfold, Sahlgrenska og Høgskolen i Østfold
Prosjektledere
Lars Magnusson lars.v.magnusson@hiof.no (Høgskolen i Østfold)
Waleed Ghanima waleed.ghanima@so-hf.no (Sykehuset i Østfold)
Mazdak Tavoly mazdak.tavoly@gmail.com (Sahlgrenska)