Inga produkter i varukorgen.
Vill förbättra hjärt- och kärlhälsan med hjälp av AI
Artificiell Intelligens Den vanliga metoden för att bedöma en persons arbetsförmåga är att genomföra ett arbetsprov på cykel. Med hjälp av AI kan arbetsprovet snart vara ett minne blott.
Karun Korkmaz är specialist i hjärtkirurgi och klinisk fysiologi på Aleris.
Karun Korkmaz är specialist i hjärtkirurgi och klinisk fysiologi samt överläkare i klinisk fysiologi på Aleris. Han har utvecklat en prototyp som med hjälp av AI kan förutsäga arbetsförmågan utifrån personens vilo-EKG.
Någonting är fel
Du är inloggad som prenumerant hos förlaget Pauser Media, men nånting är fel. På din profilsida ser du vilka av våra produkter som du har tillgång till. Skulle uppgifterna inte stämma på din profilsida – vänligen kontakta vår kundtjänst.
Kvalitetsvård.se premium
Läs vidare – starta din prenumeration
Redan prenumerant? Logga in och läs vidare.
Det innebär med andra ord att man kan ta reda på arbetsförmågan utan att personen behöver göra ett helt cykelarbetsprov.
Verktyg för att kolla konditionen
Detta kan bli ett värdefullt verktyg för alla som vill ha inblick i sin arbetsförmåga – allt från patienter till idrottare, brandmän och dykare.
– Arbetsförmågan är en oberoende markör för ”all cause mortality” i allmänhet och för hjärt- och kärlhälsan i synnerhet, samt en robust parameter för allmän kondition. Genom att använda maskininlärningstekniker hoppas jag kunna erbjuda ett icke-invasivt och effektivt sätt att bedöma denna viktiga parameter, förklarar Karun Korkmaz.
Enkelt och tillgängligt
Karun Korkmaz berättar att verktyget gör det möjligt att effektivisera bedömningsprocessen och göra den mer tillgänglig och kostnadseffektiv. Förhoppningen är också att man tidigt kan identifiera personer med risk för hjärt- och kärlproblem.
– Målet är att bidra till preventiv hälsovård genom att möjliggöra mer personliga och tidiga insatser för att förbättra den övergripande hjärt- och kärlhälsan, säger Karun Korkmaz.
När tror du att metoden kan vara verklighet?
– Det kan jag inte svara på än, det beror bland annat på komplexiteten i maskininlärningsalgoritmerna och tillgängligheten och kvaliteten på data för upplärningen av algoritmen. Det krävs också rigorös testning. Jag strävar efter att slutföra utvecklings- och valideringsfaserna så snabbt som möjligt, men det tar tid att leverera en högkvalitativ och pålitlig maskininlärningsmodell.
