SAS Institutes globala tävling i dataanalys, SAS Hackathon 2022, bjuder på många intressanta tävlingsbidrag.
Bland de som rör hälso- och sjukvård märks ett samarbete mellan konsultföretaget Knowit och Stockholmsföretaget Health Integrator.
Det har potential att förbättra livet för dem som riskerar att få typ 2-diabetes.
Grundtanken med lösningen är att minska risken för kronisk sjukdom, genom att hjälpa människor att fatta bättre beslut. Förutom längre livslängd och bättre livskvalitet för individer kan även kostnaden för sjukvård minskas. Diabetes uppskattas kosta det svenska samhället 300 miljoner kronor årligen.
– Någonstans i världen dör det någon var sjunde sekund på grund av diabetes, säger Fredrik Söder, vd och grundare av Health Integrator.
Forskning visar att personer som löper risk för att utveckla typ 2-diabetes kan minska den risken med 30 – 60 procent genom stora förändringar av livsstil. I dag riskerar fler än 30 procent av alla vuxna att utveckla diabetes, på grund av avsaknad av preventiva insatser, så en effektiv förbyggande lösning kan göra stor skillnad. För att dra nytta av den potentialen behöver personer som befinner sig i riskzonen först identifieras, vilket är syftet med tävlingsbidraget från Knowit och Health Integrator.
Teamets medlemmar har använt SAS Viya, SAS Institutes plattform för dataanalys. Den bygger på en riskmarkörsmodell som heter FindRisc som är standardmodellen för att bedöma vilka risker individer löper att utveckla diabetes. Syftet med tävlingsbidraget, som kallas KnowRisc, är att väsentligt förbättra förmågan att kunna göra mer precisa bedömningar. I ett första skede ska data från 30 000 diabetespatienter, som deltar frivilligt, användas för att identifiera personer som löper risk för att utveckla diabetes och hjälpa dem att undvika det.
Med hjälp av självutvärderingar prioriterar Knowits och Health Integrators lösning vilka individer som bör ta blodprov för att utvärdera risken för diabetes. Sedan analyseras provvärdena tillsammans med en stor mängd andra data, som socioekonomiska, antal sjukdagar, med levnadsvillkor och andra markörer. Skillnaden mot traditionella analysmetoder är att flera typer av datakällor och markörer analyseras. Resultatet blir att fler personer i riskzonen kan identifieras effektivare och erbjudas behandling som gör att typ-2 diabetes kan undvikas eller att sjukdomsdebut kan senareläggas med tiotals år.
Tävlingsbidraget är ett bra exempel på hur forskning om sjukdomar och sjukvårdssystemets processer kan kombineras med dataanalys och digitala lösningar för att nå bättre resultat, både för den enskilde och för samhället.
Ulf Hertin
– Med hjälp av AI och marskinlärande modeller är det idag möjligt att ta fram eller förbättra dagens risk bedömningsmodeller och ge en mycket bättre träffsäkerhet så att rätt individer får rätt förebyggande behandling. Detta initiativ är verkligen ett bra exempel på precisionshälsa och förebyggande vård när det är som bäst, säger Ulf Hertin senior rådgivare på SAS Institute.
