Dansk Magisterforening

Det startede med World of Warcraft. Nu kan Christopher forudsige misbrugeres tilbagefald

© Büro Jantzen

Farhiya Khalid
Del artikel:

“Jeg ville gøre en positiv forskel”, lyder det fra en ung programmør, som har skabt en model, der med omkring 89 procents nøjagtighed kan forudsige tilbagefald hos misbrugere.

Der kan være utallige grunde til, at stof- og alkoholafhængige falder tilbage i gamle mønstre. Alt fra dødsfald i familien til gamle venner fra miljøet kan udløse negative reaktioner.

Men der er også informationer, der i forvejen er tilgængelige i journalsystemer, der kan hjælpe med at forebygge tilbagefald hos alkohol- og stofafhængige, der er i behandling. Men de skal først igennem maskinen. Den nyligt færdiguddannede cand.it. Christopher Bjerre har som en del af sit speciale på IT-Universitetet skabt en model baseret på kunstig intelligens, der kan være med til at afværge netop det – tilbagefald.

Da vi træder ind i lejligheden i den rødlige murstensboligblok, er Christopher Bjerres kæreste og 10 måneder gamle søn netop på vej ud ad hoveddøren. Der er en smule trangt i den lille toværelseslejlighed i Københavns fuglekvarter, så de er sendt ud på tur den næste times tid.

Christopher Bjerre er softwareudvikler og lever måske op til, hvad nogle tænker er stereotypen på en mandlig programmør. Han har dyrket computerspil som rollespillet World of Warcraft, Battlefield og skydespillet Counter-Strike. Og som ung havde han muligheden for at blande forretning og fornøjelse med et job på en netcafé.

Inspireret af sin storebror og to fætre rodede han også lidt med programmering og vidste tidligt, at han nok skulle ende med at studere noget inden for IT. Under et lyst skrivebord, der fylder lidt i den lille stue, står også en stationær computer, han selv har bygget. “Det er faktisk ikke så svært. Det er lidt som at samle et Ikea-møbel”, siger han og trækker ydmygt på skuldrene.

Altruistisk vision
Christopher Bjerre fortæller, at meget softwareudvikling traditionelt er kommerciel, og hans specialevejleder, lektor Rune Møller Jensen, blev derfor også overrasket over sin studerendes valg af emne. Christopher Bjerre vidste dog tidligt, at han ville gøre en positiv forskel med sit arbejde. I sine tidlige tyvere havde han nemlig haft misbrug tæt inde på livet, hvilket fik ham til at kontakte døgninstitutionen for alkohol- og stofmisbrugere “Alfa-Fredensborg” som specialeskrivende om et fagligt samarbejde. Institutionens leder havde nemlig skabt et webbaseret journalsystem, Validi, som Christopher Bjerre fik fuld adgang til i forbindelse med sit speciale.

“Jeg var ret motiveret af mine egne erfaringer med misbrug til at gøre en forskel for misbrugere. Og så fik jeg lov til at blande programmering med et ret humanistisk felt. Det var meget spændende”, siger han.

På “Alfa-Fredensborg” fik Christopher Bjerre adgang til institutionens data om alkohol- og stofmisbrugere, der er i døgnbehandling. Data, der indeholdt talrige oplysninger, der ikke alle var lige relevante.

“Dataene skulle renses og strømlines, og jeg skulle så finde ud af, hvad der var det vigtige i forhold til misbrugernes tilbagefald, og valgte cirka 20 forskellige komponenter”, fortæller han.

Christopher Bjerre fik altså fuld adgang til materialet, som han så senere har anonymiseret, så man ikke kan genkende patienterne. Nogle af de betydningsfulde komponenter var blandt andet den enkelte misbrugers fremmøde til aktiviteter på institutionen, hyppigheden i kontakten med personalet og regelmæssigheden af medicinforbruget.

“Her har jeg en masse data, som jeg så har fodret mit program med og udviklet en model ud fra. Modellen bruger data til at forudsige noget, den ikke kender i forvejen”, fortæller han.

Det er en art kunstig intelligens, men Christopher Bjerre kan bedre lide de mere specifikke begreber datamining eller machine learning, der dog begge hører under den samme paraply.

“Kunstig intelligens er et vagt begreb, der dækker over mange ting, og når folk hører begrebet, tænker de på robotter og maskiner, der kan tænke som et menneske. Det er ikke tilfældet her”, siger han.

89 procents nøjagtighed
Christopher Bjerres program skal nemlig først lære, hvilke forbindelser det skal være på udkig efter, men så kan det til gengæld også finde langt flere forbindelser, end et menneske ville kunne – på kortere tid. Der, hvor et menneske ville bruge sin egen erfaring til at se på indikatorer på tilbagefald, kan modellen se på langt flere indikatorer med meget større historisk erfaring.

“Programmet lærer at genkende, hvornår en misbruger i behandling har en dårlig periode eller en god periode, fordi jeg har fodret det med den information. På den måde kan modellen så give en risikovurdering for et tilbagefald i den kommende uge, og det gør den med cirka 89 procents nøjagtighed”, siger Christopher Bjerre.

Christopher Bjerre bliver dog ved med at understrege, at programmet, der endnu ikke er blevet implementeret i noget journalsystem, skal opfattes som en guide til personalet. Det er ikke noget, der kan eller skal stå alene.

“Mennesker er komplekse, så programmet er ikke en facitliste. For eksempel skriver patienterne ikke dagbog, så man kan ikke vide, om de er vrede eller kede af det. Det er sådan noget, det gode personale skal opfange”, siger han.

Potentialerne inden for machine lear­ning og misbrug har fået vind i sejlene inden for sundhedsområdet, og Christopher Bjerre har blandt andet præsenteret sit speciale for Enheden for Klinisk Alkoholforskning på Syddansk Universitet.

Der virker til at være travlere tider på vej for Christopher Bjerre, der lige har fået sit første job som nyudklækket softwareudvikler på netmediet Altinget, hvor han skal generere indhold fra forskellige åbne databaser ved hjælp af machine learning og kunstig intelligens. Drømmen er dog stadig at få tid til at arbejde videre med modellen, så den kan implementeres i et fungerende journalsystem og komme alkohol- og stofmisbrugere til gavn. 

}