Stavanger kommun

Jourmottagningen vill använda AI för att förutsäga inflödet av patienter

Artificiell intelligens ska hjälpa jourmottagningen i Stavanger kommun att planera sina resurser mer effektivt och ge patienterna bättre förutsägbarhet. Genom att analysera historiska data kan de förutsäga hur många vårdsökande som kommer och när.

Klicka på taggarna för att läsa mer innehåll i samma ämne

AI och maskininlärning

Hälso- och sjukvård

Microsoft Copilot

Kort sammanfattat:

Bakgrund: AI ska hjälpa jourmottagningen i Stavanger kommun att planera sina resurser mer effektivt och ge patienterna bättre förutsägbarhet. Genom att analysera historiska data kan de förutsäga hur många vårdsökande som kommer och när.

Lösning: Maskininlärningsmodell som förutsäger patientinflöde de kommande timmarna och dagarna, i produktion på Microsoft Fabric.

Arbetssätt: Analys av historiska ankomstdataset, AutoML med FLAML för modelltestning, val av Prophet för effektiv träning och bra säsongsstöd, pilot och gradvis produktionssättning.

Viktiga principer: Datadrivet beslutsstöd, snabb iteration med PoC ansats, fokus på modellens träningstid och tolkningsbarhet samt drift i en skalbar Fabric miljö.

Framgångsfaktorer: Tillförlitligt historiskt dataunderlag, rätt modellval som balanserar precision och träningstid, produktionssättning i Fabric och tydlig operativ nytta för bemanningsplanering.

Värde: Bättre planering och bemanning, reducerad väntetid och ökad förutsägbarhet för både medarbetare och patienter samt en teknisk grund för fortsatt AI satsning i kommunen.

Referensen är skriven av människor, sammanfattningen är skapad av Bouvets AI assistent.

Detta är ett viktigt steg mot en mer datadriven och patientvänlig hälso- och sjukvård.

Jens Otto Skåra Hansen, projektledare för Datasjøen i Stavanger kommun

Registrerade patientdata under flera år

Jourmottagningen har under flera år samlat in data om antalet patienter som kommer in via huvudingången, bakvägen och via telefonsamtal. I detta projekt har Bouvet tillsammans med Stavanger kommun använt dessa data för att identifiera mönster som ger insikt i när patienter anländer. Denna insikt används för att träna en maskininlärningsmodell som kan förutsäga patientinflöde de kommande timmarna och dagarna.

Så utvecklades lösningen

Med hjälp av FLAML, ett så kallat AutoML bibliotek från Microsoft, testade vi olika maskininlärningsmodeller för att hitta den som bäst kunde förutsäga patientinflödet.
Xgb_limitdepth och Prophet som utvecklats av Facebook utmärkte sig och valet föll på Prophet eftersom den hade betydligt kortare träningstid.

FLAMLs version av Prophet användes för att finjustera modellens inställningar. Denna version har flera fördelar jämfört med den vanliga Prophet modellen, bland annat bättre stöd för att fånga säsongsvariationer och mer precisa startvärden som ger snabbare och mer träffsäkra resultat.

Lösningen utvecklades först som ett Proof of Concept, och är nu delvis satt i produktion med fortsatta planer på att förbättra modellens noggrannhet.
Projektet fungerade också som en pilot för användning av Microsoft Fabric och lösningen körs nu i produktion i denna miljö. Slutsatsen från projektet var att Fabric är ett utmärkt alternativ för att förena databehandling och kan stödja ett ökat fokus på AI för Stavanger kommun.

Målet med lösningen är att ge både medarbetare och användare av jourmottagningen bättre information, så att jourmottagningen kan optimera bemanningen, minska väntetiden och ge användarna möjlighet att se aktiviteten på jourmottagningen hemifrån så att de kan planera sitt besök smartare, om det är medicinskt försvarbart.

Magnus Haugland Gudmestad, chef för jourmottagningen, Stavanger kommun