Artikel från Örebro universitet

Kan en bilförares lämplighet i trafiken bedömas med hjälp av AI? Det tror doktorand Ravi Chadalavada, som nu testar sin uppfinning på patienter.

Det finns många orsaker till att förmågan att köra bil minskar, till exempel sjukdom, ålder eller en kognitiv nedsättning. Om en läkare misstänker att en patient inte längre är lämplig i trafiken, är läkaren skyldig att anmäla det till Transportstyrelsen.

Det är dock en svår bedömning att göra. I höstas lanserade Örebro universitet pilotprojektet Dash (Driving Assessment in Healthcare), vars mål är att underlätta läkarnas beslut genom att ta fram data på patienternas bilkörning med hjälp av artificiell intelligens och ögonspårning.

Testas på bilförare

Projektet bygger på innovationen QT-PIE, som forskarna nu får testa i praktiken, med riktiga användare.

– Vi har intervjuat experter på Trafikverket och instruktörer på trafikskolor. Utifrån de intervjuerna har vi tagit fram ett antal regler som vi sedan tränat vårt AI-system på. Tanken är att se om patienterna som genomför testet klarar av att följa dessa regler när de kör, säger Ravi Chadalavada, doktorand i datavetenskap vid Institutionen för naturvetenskap och teknik, och fortsätter:

– Föraren får sätta på sig ögonspårningsglasögon och köra en sträcka i en bil. Bredvid sig har föraren en instruktör från trafikskolan, så samtidigt som vi samlar in data gör instruktören också en utvärdering av föraren.

Utvärdera AI:ns bedömningar

Han var nöjd med kvaliteten på den data som samlades in under testkörningarna. Nästa steg är att analysera datan för att sedan utvärdera systemet för att se om läkarens, trafikskoleinstruktörens och AI:ns utvärderingar skiljer sig åt.

– Vi ska sätta oss ned med experterna från Trafikverket, VTI, USÖ och trafikskolorna. Tillsammans ska vi jämföra AI-systemets utvärdering med den utvärdering som instruktören från trafikskolan gjorde, och även se hur de resultaten korrelerar med bedömningen som läkaren har gjort. Det ska bli intressant att titta på frågan ur ett holistiskt perspektiv och se hur olika utvärderingsmetoder skiljer sig åt. Beroende på hur det går, kan vi också lära oss var eventuella brister i vårt system finns så vi kan fokusera på att lösa dem, säger Ravi Chadalavada.

Hur kan den här lösningen användas i framtiden?

– Ett exempel är om en läkare är osäker på om ett visst hälsotillstånd påverkar patientens körförmåga eller inte. Då kan läkaren be patienten använda QT-PIE och genomföra en testkörning, för att sedan få en rapport från systemet om hur väl patienten körde. Vårt fokus är inte att fatta beslut, utan att vara ett stöd till läkarna som ska fatta beslut. Jag tror att det kan bli väldigt användbart inom hälso- och sjukvården i framtiden.

Kontakt:

Ravi Chadalavada, doktorand, ravi.chadalavada@oru.se

Nyhetsbrev med aktuell forskning

Visste du att robotar som ser en i ögonen är lättare att snacka med? Missa ingen ny forskning, prenumerera på vårt nyhetsbrev!

Jag vill prenumerera