Hvordan AI ændrer vores verden: Sundhedsvæsenet

Serien “Hvordan AI ænder vores verden” er skrevet i samarbejde med ChatGPT og Bing AI. Dette er første del af serien.

Vi står overfor store ændringer i vores samfund på grund af kunstig intelligens (AI). I serien ”Hvordan AI ændrer vores verden” dykker AI-Portalen ned på en række områder og ser på hvilke muligheder og risici, som teknologien giver på forskellige vigtige områder i vores samfund. I dette første afsnit af serien ser vi nærmere på hvordan ny teknologi kan ændre sundhedsvæsenet og løse nogle af de udfordringer vi står overfor.

TLDR: Fire hovedpointer

• Det danske sundhedsvæsen står overfor en række udfordringer.
• Kunstig intelligens (AI) rummer en række muligheder for at løse de udfordringer
• Hurtigere diagnosticering, personlig medicin og chatbots vil revolutionere sundhedsvæsenet
• Investering i nye systemer vil betyde både forbedringer og besparelser på sigt

Sundhedsvæsenet er en af de mest afgørende sektorer i alle lande. Den skal hjælpe med at holde os sunde, reparere os, når vi går i stykker, diagnosticere os, når vi bliver syge og behandle os, så vi forhåbentligt kan blive raske igen. Selvom vi i Danmark mener, at vi har et af verdens bedste sundhedsvæsener, så står vi alligevel overfor en række udfordringer. 

1. Aldrende befolkning

Når det gælder befolkningerne særligt i Europa bliver vi ældre og det betyder et øget behov vor sundhedsydelser især når det gælder geriatri og kroniske sygdomme.

• Teknologisk udvikling

Som vi skal se i denne artikel, så kan teknologiske fremskridt drastisk forbedre patientplejen, men den kan også betyde øgede omkostninger og behov for mere uddannelse af personalet.

• Mangel på sundhedspersonale

Vi oplever allerede i dag en stor mangel på sygeplejersker og læger.

• Økonomiske begrænsninger

Det danske sundhedsvæsen opererer under strenge økonomiske rammer og det begrænser mulighederne for at udvikle og forbedre tjenester.

• Stigende forventninger fra befolkningen

De sidste hundrede år har betydet en stor udvikling i kompetencer og kapacitet indenfor sundhedsvæsenet og det betyder, at befolkningen har høje forventninger til hurtig og effektiv behandling. Med de øvrige begrænsninger på sundhedsvæsenet skaber det et stigende pres.

• Kroniske sygdomme

Vi ser en stigning i livstilssygdomme som diabetes, hjerte-kar-sygdomme og fedme stiller sundhedsvæsenet overfor udfordringer med at forebygge og behandle disse tilstande.

• Mental sundhed

Her er det en stigning i opmærksomheden på hvor vigtigt den mentale sundhed egentlig er og det betyder at krav om ressourcer og tjenester på området vokser.

• Integration af sundhedstjenester

Mange oplever, at systemet ikke snakker sammen og der er stærkt behov for at primærplejen, hospitaler og socialtjenester snakker sammen.

• Pandemiberedskab

Covid-19-pandemien bliver formodentligt ikke den sidste pandemi, vi ser i den nærmeste fremtid og derfor er der et øget behov for robuste systemer til at håndtere store sundhedskriser.

• Ulighed i sundhed

Hvor du bor, dit uddannelsesniveau og din økonomi er store faktorer i hvor god en behandling du får i det danske sundhedsvæsen og hvor god en adgang du har til ydelserne.

Hurtigere diagnose give mindre ventetid

Listen overfor udfordringerne for det danske sundhedsvæsen er lang, men det listen over hvad AI kan tilbyde på området også. Udgivelser på PubMed (en søgemaskine dedikeret til at bringe forskningsrapporter indenfor biovidenskab og biomedicin) er steget fra 100-200 området i 2005-2012 til 3.500 i august 2020.

I Region Nordjylland har man på skadestuen på Aalborg Universitetshospital og skadeklinikken i Farsø implementeret en AI-model, der gennemser røntgenbilleder for brud. AI-modellen betyder, at der kommer svar indenfor et minut efter at billedet er taget. Det betyder, at der ikke længere opstår flaskehalse, når billederne skal aflæses og fortolkes. 

I hele regionen udføres omkring 50.000 røntgenundersøgelse af skadespatienter om året og man har derfor store forventninger til at systemet kan være med til at begrænse ventetider og effektivisere patientflowet.

På Rigshospitalet reducerer en AI-model støj i billeddata af kræftpatienter og det betyder kortere scanningstid og lavere stråledosis for patienterne.

Personlig medicin

Tanken om en behandling tilpasset den enkelte patients fysiologi, genetik og adfærdsmønstre er i princippet ikke ny, men med ”digital twins”-teknologien er det nu indenfor rækkevidde. Det betyder, at man skaber en digital udgave af patienten, som man derefter kan teste forskellige behandlinger på meget kortere tid end at skulle teste på patienten selv. 

Teknologien kan også bruges indenfor test af nye medicinske produkter. Med en række digitale profiler af patienter, kan et præparat testes på forhånd inden man indleder fysiske forsøg.

I Cambridge har et team af forskere udviklet en AI-drevet platform, der kan analysere patienters blodprøver og give personlige anbefalinger til behandling, forebyggelse og livsstilsændringer. Platformen har vist sig at være i stand til at diagnosticere og behandle sygdomme som hjertesvigt, diabetes og kræft med høj nøjagtighed og effektivitet. Systemet blev bla. brugt under Covid-19 Pandemien i det britiske sundhedsvæsen til at forudsige behovet for respiratorer og akutsengepladser.

Optimering af patientpleje

Særligt manglen på personale i det danske sundhedsvæsen er en stor udfordring, men det kan AI hjælpe med på flere niveauer. AI-modeller kan være med til at effektivisere arbejdsgangene på hospitalsafdelinger og reducere mængden af det administrative arbejde og dermed frigøre personalets tid til at bruge tid på patienter og behandling.

I Holland har Philips brugt AI og prædiktiv modellering til at forbedre patientflowet og ressourceallokeringen på hospitaler. Ved at analysere store mængder af realtids- og historiske hospitalsdata har Philips kunnet forudsige patienternes behov, ventetider, indlæggelser og udskrivelser med høj nøjagtighed og effektivitet^..

Chatbots og personlige assistenter

Modeller som ChatGPT og andre store sprogmodeller kan overtage en lang række administrative funktioner. Sprogmodellerne kan tage noter, svare på kliniske spørgsmål, skrive indlæggelsesjournaler og meget mere. 

I USA har et firma ved navn Babylon Health udviklet en AI-chatbot, der kan diagnosticere medicinske tilstande hjemmefra. Chatbotten stiller patienterne en række spørgsmål og bruger en algoritme baseret på lægevidenskabelig litteratur til at give en sandsynlig diagnose og anbefale den bedste handlingsplan.

I Rwanda, hvor der kun er en læge og seks sundhedsprofessionelle pr. 10.000 indbyggere, bruger man sundhedsbotter til at lette presset på sundhedscentrene. Sundhedsbotterne giver mulighed for, at patienterne kan få adgang til læger og sunhedspersonale hjemmefra. 

Udfordringer og etiske overvejelser

Mulighederne er store på området, men det samme er udfordringerne og de etiske overvejelser, der skal gøres i forbindelse med implementering og AI i sundhedsvæsenet. Det er mange af de samme udfordringer, som vi altid taler om i forbindelse med sprogmodellerne og AI i det hele taget. 

Det vi ofte diskuterer, er datasikkerhed og hvordan vi sikrer patienternes personlige data. Patientorganisationer og sundhedsvæsenet diskuterer allerede i dag sammen om at sikre patienterne. 

Bias, diskrimination, mangel på forståelse af modellerne og spørgsmål om ansvar, når modellen giver forkerte svar. De økonomiske udfordringer i sundhedsvæsenet kan give bekymringer om, alle hospitaler og klinikker og andre har adgang til teknologien. 

Og så kræver den nye teknologi uddannelse og det tager personalets tid og koster ressourcer. Endeligt er der spørgsmålet om regulering og hvilke standarder systemerne skal opfylde for at sikre patientsikkerhed.

Udfordringer i det danske sundhedsvæsen.

I forhold til vores udfordringer indenfor det danske sundhedsvæsen, så kan AI ikke råde bod på, at vi i Danmark har en aldrende befolkning, men modellerne kan på forskellige måder være med til at lette presset på sundhedsvæsenet. 

De kan ikke finde flere medarbejdere (selvom de kan tilrettelægge rekrutteringsprocessen), men de kan frigøre ressourcer for de medarbejdere, der er i sundhedsvæsenet, så der bliver mere tid til patientpleje. Systemerne kan også lette patientflowet, så flere patienter kan blive behandlet og der ikke opstår flaskehalse fx ved diagnosticering af patienter. 

Under Covid-19-pandemien beviste AI-modeller deres værd i det britiske sundhedsvæsen og de vil kunne gøre det samme i det danske sundhedsvæsen, så brug af medicinsk udstyr og sengepladser effektiviseres og der er plads og behandling til de patienter, der har brug for det.

Derved øges ressourcerne og effektiviteten i systemet og det kan være med til også at frigøre økonomiske ressourcer til indkøb af AI-modeller og til uddannelse af medarbejderne. Ny behandlinger vil kunne imødegå presset fra flere patienter med kroniske sygdomme og livstilssygdomme. 

AI-modeller er stærke i tekstgenerering og mønstergendkendelse og derfor vil disse modeller også kunne være med til at løse udfordringerne omkring kommunikation mellem de forskellige grene af sundhedsvæsenet. Modellerne kan være med til at identificere hvor i systemet, der er brug for hvilke oplysninger om patienterne og dermed sørge for, at dataene er tilgængelige for de rigtige mennesker. Og med indbyggede sikkerhedsforanstaltninger, vil det også sikre, at dataene ikke bare ligger frit tilgængeligt. 

Endelig vil særligt diagnosticering og opfølgning blive tilgængeligt for alle uanset, hvor i landet de bor. Der behøver ikke længere være en læge eller sygeplejerske tæt på, hvor vi bor, for vi kan få en online aftale. Mere effektiv brug af patienternes og sundhedspersonalets tid. Og chatbotterne vil kunne kommunikere med patienterne i et sprog de vil forstå, så der vil heller ikke længere være problemer med at forstå, hvad lægen egentligt siger. Vi kan håbe på, at den lettere tilgang til både præcis og forståelig undersøgelse og behandling også vil få flere til at få den rigtige behandling og måske fange kritiske tilstande hurtigere, så vi både kan redde menneskeliv og måske ovenikøbet minimere behovet for tidskrævende, fysisk belastende og dyre behandlinger.

Overordnet set indeholder teknologien store muligheder for bedre sundhed, flere menneskelige ressourcer og et billigere og mere effektivt sundhedsvæsen. Men det kræver naturligvis, at vi tager de lange briller på og foretager de nødvendige investeringer.