Många som behöver söka sjukhusvård för Covid får behandling med syrgas. Ett internationellt forskarlag har nu använt AI för att avgöra hur mycket syrgas som är optimalt för varje patient.

Forskarna samlade in data från 10 000 patienter från sjukhus runt om i världen. Det handlade om röntgenbilder och andra patientdata som anonymiserats.

Alla dessa data matades in i en AI, som kallas Exam, som sedan förutsåg hur mycket syre patienterna hade behövt under det första dygnet av deras sjukhusvistelse. Resultatet blev att AI:n hade rätt i upp till 95 procent av fallen.

Metoden som forskarna använde kallas federated learning. I korthet går det ut på att decentralisera djupinlärning. I stället för att samla alla data centralt så finns data på en mängd olika platser, i det här fallet på sjukhus runt om i världen. Varje sjukhus behåller därmed kontrollen över sina egna data och hur de lagras. Det blir därmed enklare att samarbeta för sjukhus som kan behöva följa olika regelverk.

– Federated learning låter forskare samarbeta och sätter en ny standard för vad vi kan göra globalt med utvecklingen av AI. Det här kommer att underlätta utvecklingen av AI inte bara inom sjukvården utan inom alla branscher som behöver utveckla robusta modeller utan att ge avkall på den personliga integriteten, säger Mona G Flores, chef för Medical AI at Nvidia och en av forskarna bakom Exam, i ett pressmeddelande.

Att ta data från många olika sjukhus gör också att AI:n blir mer robust.

– Normalt när vi utvecklar en AI så använder vi data från ett sjukhus för att skapa en algoritm. Men den algoritmen brukar inte fungera särskilt bra på något annat sjukhus. Genom att använda federated learning och ta data från sjukhus på fem olika kontinenter får vi en generell modell som kan användas av läkare över hela världen, säger Ittai Dayan, forskare på Mass General Bingham-sjukhuset i USA där Exam utvecklades.