Rapporten «Kunstig intelligens i klinikken» er skrevet i samarbeid med en bredt sammensatt ekspertgruppe, og viser mulighetene for den nye teknologien i norsk helsetjeneste.

– Vi kan møte kunstig intelligens allerede fra første kontakt med helsetjenesten, og videre i diagnose, behandling, oppfølging og forebygging. Blant annet kan vi få raskere og mer persontilpasset kreftbehandling og bedre oppfølging av kronikere, sier Tore Tennøe, direktør i Teknologirådet.

– Men vi møter også kinkige spørsmål om personvern og sensitive helsedata, hvem som har ansvar for medisinske beslutninger, og risikoen for diskriminering, fortsetter han.

Rapporten gjennomgår seks trender for kunstig intelligens i helse, og hva de kan bety for norsk helsetjeneste.

– Beslutningene som nå tas på Stortinget og i klinikkene vil få avgjørende betydning for hvordan tilbudet til pasientene ser ut om ti år. Vi ønsker å bidra til debatt om hvordan helsetjenesten vil se ut i fremtiden, sier prosjektleder Anne Siri K. Bekkelund.

Rapport:

Kunstig intelligens i klinikken – Seks trender for fremtidens helsetjeneste

Last ned

Seks trender for kunstig intelligens i helse:

1: Førstelinjen blir digital

Kunstig intelligente datasystemer kan snakke pasientens språk, og svare raskt og treffsikkert når folk tar kontakt. Digitale førstelinjer kan gi bedre helsehjelp over hele landet, og bidra til at helsepersonell kan bruke mindre tid på telefon og mer på behandling.

Eksempel:
I begynnelsen av koronapandemien ble nødnummeret blokkert av bekymrede innringere. HelseNorges Koronasjekk er en enkel chatbot som har gjort informasjon lettere tilgjengelig for folk, og avlastet helsepersonell.

2: Helsepersonell får digitale assistenter

Digitale helseassistenter kan hjelpe helsepersonell med å stille diagnose, velge behandling, overvåke pasienten og varsle om komplikasjoner. Ved hjelp av maskinlæring kan de analysere medisinsk litteratur, tolke bilder og andre data, og pløye gjennom tusenvis av pasientjournaler. Det kan bli nøkkelen til behandling som er bedre tilpasset hver enkelt, og mindre avhengig av legens erfaring.

Eksempel:
Ved sykehuset i Ålesund har de tatt i bruk et system som automatisk kan tegne opp hjerte, lunger og andre organer på et digitalt CT-bilde. Før brukte spesialister med lang erfaring mange timer på det. Nå kan de heller konsentrere seg om å bruke bildene for å hjelpe pasienten.

3: Diagnose og behandling smelter sammen

Kunstig intelligens bidrar til at pasienten kan bli utredet, få diagnose og behandling – ved ett og samme legebesøk.

Eksempel:
En ny teknikk gir bilder av vevsprøver av hjernen nesten umiddelbart, og ved hjelp av maskinlæring kan analysetiden reduseres fra minst en halvtime til to–tre minutter. Kirurgene kan dermed umiddelbart operere ut en ondartet svulst i hjernen, og ha kraniet åpent i vesentlig kortere tid, noe som reduserer risikoen ved operasjonen.

4: Alle kan overvåke sin egen helse

Klokker og armbånd med sensorer kan registrere alt fra hjerterytme til stemmeleie. Kunstig intelligens tolker dataene, og gir løpende informasjon om brukernes fysiske og psykiske helse. Det gjør det lettere å følge opp pasientene hjemme, man kan oppdage sykdom tidligere, og komme raskere i gang med behandling.

Eksempel:
Ti prosent av norske kommuner brukte digital hjemmeoppfølging under koronapandemien. I Larvik fulgte de opp pasienter i risikogrupper med digitalt termometer og pulsoksymeter. Målingene ble automatisk overvåket, og hvis systemet oppdaget noe alvorlig, ble helsepersonell koblet inn.

5: Utstyr forbedrer seg selv kontinuerlig

Med kunstig intelligens kan programvaren i medisinsk utstyr lære kontinuerlig fra alle nye data, og forbedre og oppdatere seg løpende. Utviklingen kan føre til en raskere forbedring av helsehjelp, ettersom man ikke trenger å bytte ut det fysiske utstyret for å få tilgang til forbedringer. Dette kan være spesielt nyttig i helsesituasjoner som endrer seg raskt, som under koronapandemien, eller for å avdekke mønstre som endres gjennom sesonger eller fra år til år.

Eksempel:
En algoritme som baserer seg på hjerterytmedata for å finne avvik kan forbedres ved å gjøre den kontinuerlig lærende. Da kan den i større grad ta høyde for sesongvariasjoner, variasjoner mellom pasienter eller variasjoner mellom klinikker.

6: Forebygging blir skreddersøm

Ved hjelp av maskinlæring kan helsetjenesten bli bedre til å finne personer med økt risiko for sykdom, og kunstig intelligens kan revolusjonere screening-programmene. Maskinlæring øker også mulighetene for å finne ut hvilke forebyggende tiltak som faktisk har effekt, og kan brukes for å tilpasse anbefalinger til hver enkelt.

Eksempel:
Algoritmer kan velge ut hvilke personer som skal prioriteres til brystkreft-screening, slik at sannsynligheten for å finne dem som har kreft, øker.

Ekspertgruppen for prosjektet:

  • Helga M. Brøgger, lege, leder av Norsk radiologisk forening
  • Erik Fosse, avdelingsoverlege ved Intervensjonssenteret, Oslo Universitetssykehus
  • Steinar Madsen, medisinsk fagdirektør ved Statens Legemiddelverk
  • Damoun Nassehi, fastlege, forsker ved Universitetet i Stavanger og medlem av Teknologirådet
  • Michael Riegler, Chief Resarch Scientist i SimulaMet og førsteamanuensis ved UiT

 

 

Nyhetsbrev

Med nyhetsbrevet vårt får du med deg det siste innen teknologiutvikling

AktueltDETTE JOBBER VI MED NÅ