I et nytt initiativ kalt ClinCode utvikles det nå en datamaskinstøttet løsning for klinisk ICD-10-koding, med mål om å forbedre både effektiviteten og kvaliteten i helsetjenesten. ICD-10, som står for Den internasjonale statistiske klassifikasjonen av sykdommer og beslektede helseproblemer, er et omfattende kodeverk med over 30 000 koder. Disse kodene er essensielle for korrekt registrering av diagnoser og prosedyrer etter hver pasientkontakt.
Tradisjonelt har denne kodingen vært både tidkrevende og utsatt for feil, noe som kan føre til utfordringer med fakturering og ressursplanlegging i helsetjenesten. For å adressere disse problemene, benytter ClinCode-prosjektet avanserte teknologier som naturlig språkprosessering (NLP) og dyp læring. Disse metodene gjør det mulig for systemet å analysere både fritekstnotater og strukturerte data i pasientjournaler, og deretter foreslå passende ICD-10-koder til behandlende leger.
En sentral del av prosjektet er integrasjonen av denne teknologien i DIPS Arena, et elektronisk pasientjournalsystem som brukes i mange norske sykehus. Ved å implementere løsningen direkte i eksisterende systemer, sikter man på å gjøre overgangen smidig for helsepersonell og minimere ekstra arbeidsbelastning.
Prosjektet fokuserer i første omgang på gastrokirurgi, en medisinsk spesialitet hvor nøyaktig koding er spesielt viktig. Ved å teste og utvikle løsningen innenfor dette feltet, håper forskerne å skape en modell som senere kan tilpasses og implementeres i andre medisinske spesialiteter.
Dette initiativet representerer et betydelig skritt fremover i bruken av kunstig intelligens i helsesektoren, med potensial til å forbedre både nøyaktigheten og effektiviteten i klinisk koding, samtidig som det reduserer arbeidsbelastningen for helsepersonell.