Sessions

Separate registration required: https://www.mie2023.org/tutorials, Transitioning from data to a clinical decision support system able tobenefit patients involves a plethora of perspectives within the following domains:clinical, legal, technical, managerial, and system development. This requires multiplepartners such as healthcare providers, universities, authorities and technologyproviders to join forces. In this tutorial the partners Region Halland, SahlgrenskaUniversity Hospital, Swedish Authority for Privacy Protection, Halmstad University,AI Sweden, HallandiaV, and the Netherlands eScience Center will give theirperspectives and deep-dive into several of the challenges and possibilities of the realizationof Clinical Decisions Support Systems (CDSS), for the specific use-caseof heart failure readmission prediction.

Sveriges befolkning är otillräckligt involverade i sin egen vård. När vi samarbetar mellan vårdnivåer använder vi oss idag av två extremer: Antingen skriver vi remiss där patienten tvingas vara helt passiv i förloppet, eller så hänvisar vi individen som då tvingas ta hela ansvaret själv både för kontakt i nästa steg och för informationsöverföring. Framtiden är digital samverkan, där patienter och vårdgivare möts på nya sätt för att ersätta extremerna remiss och hänvisning. Patienten bjuds med på resan för ökad trygghet, delaktighet och individualiserat stöd.

Artificial intelligence (AI) has been used to support decision making in the mental health domain for both healthcare professionals and patients on different levels in the healthcare systems and self-care services. AI has been included in several health applications such as predicting mental health problems, diagnostics, treatment plans, workflows, and other duties that require decision support. Understanding the use of AI tools and how it is applied for support decision making in the mental health would contribute in improving the design, development and implementation in practice. Further knowledge will also help benefit shaping person-centered care approaches when using AI tools by understanding the dynamics used nowadays in support decision making and how to include patients in the development of future processes and tools,It is unclear what types of decisions that AI tools most commonly participate in supporting in mental health, how these tools are applied, and whether its implementation is engaging patients in the process of decision making or not, this uncertainty may contribute in shifting the decision- making process towards more technology polarization and far from patient centeredness. Therefore, a scoping review is conducted to map the characteristics of research done on AI tools for supporting decision making in the mental health field to contribute to the body of knowledge regarding how decisions are supported. In the proposed lecture we will present our findings regarding the use of AI in mental health and reflections on support decision making.

How can we improve care and make it more equal through a better and more efficient use of health data? This session, organized by Novartis and EU project EDAH will cover perspectives from patients, caregivers, and regions.Future opportunities and challenges with an increased use of health data will be addressed as well as what message to bring to the ongoing policy work within EHDS from the different user’s perspective.

Healthcare longitudinal data offers endless opportunities such as diagnostics, and prognostics, to care personalization and improving healthcare quality and efficiency. These can be achieved through Artificial Intelligence (AI), data science, and in specific machine learning (ML). However, lack of inscrutability of the AI/ML-based techniques has hampered pervasive AI in healthcare systems. In this talk, we will introduce graph-based approaches for collecting, storing, visualizing, analyzing, and modeling healthcare data, and discuss how they outperform the other available approaches. We will also discuss challenges around health data and how synthetic data can mitigate them.

En storskalig digifysisk näravårdomställning har börjat: Vi skiftar till proaktiv, digital ingång för uppföljning av kronisk sjukdom. Vi kan nu lämna reaktiva och manuella arbetssätt bakom oss, och på ett bättre sätt hjälpa halva befolkningen som har kronisk sjukdom. I föreläsningen  beskrivs hur det kan ske i ordinarie primärvård med hjälp av 4 primärvårdsanpassade verktyg: en digital kommunikationsplattform + automatiserad dataöverföring + ett kvalitetssystem + ett integrerat beslutstöd. Vi har nu bättre möjligheter än tidigare att faktiskt ägna vår tid åt det vi är utbildade för: bedömning, prioritering och behandling - oavsett kontakttyp - och praktiskt använda oss av kunskapsstyrningens arbete för en jämlik vård.

För att främja unga vuxnas psykiska hälsa och förebygga ohälsa driver Högskolan i Halmstad och Capio Ramsay Santé det gemensamma forskning- och samverkansprojektet PadAI inom ramen för forskningsprofilen CAISR Health vid Högskolan i Halmstad. Det finns stora förhoppningar om att artificiell intelligens (AI) ska kunna bidra till att utveckla och förbättra vården för unga vuxna med psykisk ohälsa, men det kräver att arbetssätt och vårdprocesser i den praktiska vårdkontexten förändras. Dessvärre saknas det idag forskning om hur AI kan implementeras och användas i vården för unga vuxna med psykisk ohälsa och det behövs därför mer kunskap inom detta område. Vid denna workshop kommer vi att presentera resultat från den första delen av projektet och sedan kommer deltagarna i mindre grupper diskutera hur AI kan förbättra vården av unga vuxna med psykisk ohälsa. 

Vitalis invigning  sker genom att Acko Ankarberg Johansson, Sjukvårdsminister inleder dagen följt av Gunilla Nordlöf , Generaldirektör Ehälsomyndigheten och Patrik Sundström Chief Digital Officer, Sveriges Kommuner och Regioner .
Det delas också ut tre utmärkelser. Vitalis Stipendium, Pris til Sveriges eHälsokommun samt att Health Tech Award.
Varmt välkomna!