Cristin-prosjekt-ID: 2098963
Sist endret: 25. juni 2020 11:07

Cristin-prosjekt-ID: 2098963
Sist endret: 25. juni 2020 11:07
Prosjekt

RE-AIMED: Readjusted responses by use of AI in medical calls

prosjektleder

Ingrid Hjulstad Johansen
ved NORCE Helse - Legevaktmedisin ved NORCE Norwegian Research Centre AS

prosjekteier / koordinerende forskningsansvarlig enhet

  • NORCE Helse - Legevaktmedisin ved NORCE Norwegian Research Centre AS

Klassifisering

Vitenskapsdisipliner

Allmennmedisin • Annen informasjonsteknologi

Emneord

EHelse • Profesjonell kommunikasjon • Informasjons og kommunikasjonsteknologi • Kommunikasjonsstøtte • Triage • Kunstig intelligens • Beslutningsstøtte • Brukergrensesnitt • Kommunikasjonsteknologi • Legevakt • Programvareutvikling

Kategorier

Prosjektkategori

  • Anvendt forskning
  • Faglig utviklingsarbeid
  • Doktorgradsprosjekt

Kontaktinformasjon

Tidsramme

Aktivt
Start: 1. april 2020 Slutt: 31. mars 2024

Beskrivelse Beskrivelse

Tittel

RE-AIMED: Readjusted responses by use of AI in medical calls

Populærvitenskapelig sammendrag

Medical call centres are increasingly used to guide the population to the right level of health care. The operators at the call centres have a huge responsibility when choosing a response on behalf of the caller. The operators need correct and relevant information to make good judgements. Good communication with the caller is a pre-asset for access to such information. Today multitasking disturbs the operators` attentiveness to the callers, their workflow and their ability to communicate. Additionally, decision support tools, which were introduced to ensure the quality of the decisions made, tend to steer the conversation into predefined paths, and thereby reducing the quality of communication.

In RE-AIMED we will explore how the use of artificial intelligence (AI) can improve the communication between the operator and the caller, and the workflow of the operator. AI can use information from the conversation to provide the operator with questions adjusted to the natural flow of the conversation. The operator documents the call by choosing pairs of answers and questions, while simultaneously receiving help to recognize medical patterns. Relatively few calls are regarding medical emergencies, but these few calls must be discerned from less severe cases. A central challenge is therefore how to prevent the AI from misclassifying the few, severe cases. Another challenge is how to design a user interface that provides information and guidance to the operator without disrupting the operators` ability to focus and communicate with the caller.

The project will create large, standardized and detail-coded data sets, which describe medical calls. This allows for further research on telephone triage, medical decision-making, communication and reduction of biases in machine learning.

Tittel

RE-AIMED: Medisinsk telefonvurdering assistert av kunstig intelligens

Populærvitenskapelig sammendrag

Vurdering ved medisinske telefonsentraler brukes i økende grad for å lede befolkningen til riktig helsehjelp på riktig nivå. Telefonoperatørene har et stort ansvar når de velger tiltak på vegne av innringer. For å gjøre gode vurderinger må telefonoperatørene ha riktig og relevant informasjon. Det forutsetter god kommunikasjon med innringer. I dag må operatørene forholde seg til mange forskjellige arbeidsverktøy. Det stjeler oppmerksomhet fra innringer, gir dårlig arbeidsflyt og reduserer kvaliteten på samtalen. I tillegg til andre arbeidsverktøy, brukes beslutningsstøtteverktøy som var ment til å kvalitetssikre vurderingene, men som dessverre ofte påvirker samtalen negativt ved å styre den inn i forhåndsdefinerte spor.

I RE-AIMED skal vi utforske hvordan bruk av kunstig intelligens kan bedre operatørens arbeidsflyt og kommunikasjonen mellom innringer og operatør. Kunstig intelligens kan bruke informasjon om og fra samtalen til å gi operatøren tilpassede spørsmål slik at samtalen får utvikle seg naturlig. Ved å velge spørsmål og svar, kan operatøren dokumentere samtalen, og samtidig få hjelp til å gjenkjenne medisinske mønstre. De færreste vurderingene dreier seg om alvorlig sykdom, men sjeldne og alvorlige tilfeller må oppdages. Sentrale utfordringer i prosjektet er derfor hvordan man kan hindre at den kunstige intelligensen feiltolker eller overser de sjeldne tilfellene, og hvordan man kan sikre et brukerdesign som gir tilstrekkelig informasjon og veiledning, uten å forstyrre operatørens konsentrasjon og samtale med innringer.

Prosjektet vil skape store, standardiserte og detaljkodede datasett som beskriver medisinske vurderingssamtaler. Dette gir mulighet for videre forskning på telefonvurdering, medisinsk beslutningstaking, kommunikasjon og reduksjon av feiltolkninger i maskinlæring.

prosjektdeltakere

prosjektleder

Ingrid Hjulstad Johansen

  • Tilknyttet:
    Prosjektleder
    ved NORCE Helse - Legevaktmedisin ved NORCE Norwegian Research Centre AS
Aktiv cristin-person

Christoph Trattner

  • Tilknyttet:
    Prosjektdeltaker
    ved Inst. for informasjon og medievitenskap ved Universitetet i Bergen
  • Tilknyttet:
    Prosjektdeltaker
    ved NORCE Helse - Legevaktmedisin ved NORCE Norwegian Research Centre AS

Gro Fonnes

  • Tilknyttet:
    Prosjektdeltaker
    ved NORCE Teknologi ved NORCE Norwegian Research Centre AS

Bjørnar Jensen

  • Tilknyttet:
    Prosjektdeltaker
    ved NORCE Teknologi ved NORCE Norwegian Research Centre AS

Siri-Linn Schmidt Fotland

  • Tilknyttet:
    Prosjektdeltaker
    ved NORCE Helse - Legevaktmedisin ved NORCE Norwegian Research Centre AS
1 - 5 av 6 | Neste | Siste »