Utmaningar och hinder vid implementering och användning av AI-baserade kliniska beslutsstöd för sepsis – en scoping review
Year: 2025
Type: dissertation
Study design: Systematic Review
Abstract: Sammanfattning Bakgrund: Sepsis är ett allvarligt och livshotande tillstånd som kräver snabb diagnostisering och behandling. Tillståndet är komplext och svårupptäckt på grund av dess heterogenitet och snabba sjukdomsförlopp. Kliniska beslutsstöd kan användas för att förutsäga, identifiera och behandla sepsis. Artificiell intelligens kan införlivas i sådana system och har visat lovande resultat i studier. Möjligheterna med AI på området är stora och utvecklingen sker snabbt, men det finns även forskning som pekar på att en del av de verktyg som har tagits fram inte har levt upp till förväntningarna. Det finns således ett behov av att ta reda på varför AI-baserade kliniska beslutsstöd för sepsis inte används i den utsträckning som kunde förväntas. Syfte: Att utifrån aktuell forskning kartlägga utmaningar och hinder vid implementering och användning av artificiell intelligens i kliniska beslutsstöd för sepsis, samt vilka typer av studier som undersöker dessa. Metod: Studien genomfördes i form av en scoping review med deskriptiv ansats. Systematiska sökningar genomfördes i fyra vetenskapliga databaser, varpå nio artiklar identifierades för inklusion i resultaten. En tematisk analys med induktiv ansats användes för analys av resultaten. Resultat: Bristande kunskaper och tilltro rörande sepsisverktygen, förekomsten av automation bias och designproblematik identifierades som utmaningar för vårdpersonalens acceptans för den nya tekniken. Bristande förklarbarhet hos algoritmerna, bristande generaliserbarhet till följd av skillnader mellan träningsdata och verkliga data, svårigheten att förstå prediktion, samt larmtrötthet påverkade den kliniska användbarheten. Organisatoriska aspekter i form av frågor om relevans och prioriteringar, påverkan på interprofessionell kommunikation, samt bristande implementeringsstrategier utgjorde också utmaningar. Studien visade även att majoriteten av de studier som rör utmaningar och hinder använde kvalitativ metod. Slutsats: Studien visar att det finns ett antal utmaningar och hinder som behöver överkommas för att den kliniska nyttan med AI-baserade kliniska beslutsstöd för sepsis ska kunna utvärderas och realiseras inom sjukvården.
Source: DiVA (Linnaeus University)
Author: Oad Fält, Thea
Institution: Linnaeus University
Language: Swedish
Subfield: Health Informatics
Field: Medicine
Domain: Health Sciences
Keywords: sepsis, artificial intelligence, clinical decision support, implementation barriers, clinician acceptance, automation bias, generalizability, alarm fatigue, clinical utility, sepsis prediction, sepsis diagnosis, sepsis treatment, training data bias, organizational barriers, clinical workflow integration, human-AI collaboration, patient safety, quality of life
Open Access status: green
OpenAlex ID: W7025307954
