Mange borgere med nedsat fysisk eller psykisk funktionsevne får hjælp af kommunen til eksempelvis personlig pleje og rengøring. Men kan de danske kommuner udnytte tilgængelig data til at forbedre tunge manuelle processer i administrationen af eksempelvis hjemmeplejen?
Det har Hjørring Kommune, der er langt fremme med digitalisering, netop forsøgt. Den nordjyske kommune har afprøvet en software prototype, der ved hjælp af kunstig intelligens og maskinlæring forklarer afvigelser mellem bevilligede og leverede ydelser i kommunens hjemmepleje.
Systemet er udviklet i et offentlig-privat innovationssamarbejde mellem Hjørring Kommune, virksomhederne Hugin Expert, Dataproces og Treat Systems samt Aalborg Universitet. Lektor ved Institut for Datalogi, Kristian G. Olesen har været med i projektet og forklarer:
- Når hjemmehjælperne er ude ved borgeren, skal de blandt andet registrere varighed og funktion af besøgene. Ved at kombinere disse registreringer med andre datakilder og den viden og erfaring, der er i forvaltningen, er der udviklet modeller for området. Disse modeller kan forklare afvigelserne ved at identificere de faktorer, der har størst indflydelse på afvigelsen.
Kristian G. Olesen tilføjer, at det blandt andet kan understøtte kommunen, der har pligt til at sikre, at der er overensstemmelse mellem, hvad en borger har fået bevilget, og hvad en leverandør i sidste ende har leveret.
- I dag foregår tilsynet manuelt i kommunens administration, og det er en tung og tidskrævende proces. De modeller, vi har udviklet, sørger for en mere smidig og effektiv proces.
DEN FORUDSEENDE OFFENTLIGE SEKTOR
Projektet bygger på anvendelse af eksisterende maskinlæringsteknologi (kendt som Bayesianske netværk), og den helt store fordel ved systemet er, at det er i stand til at komme med en forklaring på, hvorfor hjemmehjælperen eksempelvis har været oftere på besøg hos en borger:
- Er personen lige blevet enkemand? Eller har personen været indlagt? Det kan være en medvirkende årsag til, at der er afvigelser, og det er selvfølgelig afgørende for, hvordan en myndighed skal følge op, siger Kristian G. Olesen og forklarer, at man i projektet har arbejdet med idéen om ”den forudseende offentlige sektor”:
- Når det bliver mere tydeligt, at en borger har et stigende antal nødkald, er det måske et tegn på, at der er optræk til problemer. Så kan man nå at sætte ind med forebyggende foranstaltninger. Der arbejdes videre med denne idé i et opfølgende, mindre projekt.
FORUDSIGE ANTALLET AF PATIENTER PÅ AKUTMODTAGELSEN
Til trods for at systemet er en prototype, har Hjørring Kommune tilkendegivet, at de er glade for at få muligheden for at udnytte den nye teknologi, og ifølge Kristian G. Olesen er det spændende at afprøve metoder indenfor kunstig intelligens og maskinindlæring på nye områder.
Forskere fra Institut for Datalogi deltager for eksempel i et projekt, hvor der skal udvikles et værktøj til forudsigelse af, hvor mange patienter der kommer til akutmodtagelsen ved Aalborg Universitetshospital. Målet er at understøtte vagtplanlægningen med henblik på at udnytte eksisterende ressourcer bedre og reducere ventetiden.
- Set fra universitetets side er det interessant at se, hvordan de metoder, vi har arbejdet med, kan anvendes i praksis. Målet med vores arbejde er jo blandt andet at påvirke samfundsudviklingen i en positiv retning, siger Kristian G. Olesen.
___________________________________________________________________________
OM PROJEKTET
Det afprøvede værktøj er en prototype, der fortsat skal produktmodnes, og samarbejdet mellem projektets parter videreføres i andre sammenhænge. Projektet har modtaget støtte fra EU's regionalfondsmidler via Life Science Innovation North Denmark under Sundhedsteknologisk Service Program.
Projektdeltagere: Hjørring Kommune, Hugin Expert (spin-out fra Institut for Datalogi), Dataproces, Treat Systems og Institut for Datalogi, Aalborg Universitet.
KONTAKT
Lektor Kristian G. Olesen
Institut for Datalogi, AAU
Mail: kgo@cs.aau.dk
Telefon: 2567 5494
Foto: Colourbox