Radiologi:

Ikke hvem, men hva

For en del år tilbake, ble fenomenet jobbglidning et aktuelt og engasjerende tema. Emnet ble diskutert i mange ulike miljøer, og ulike utredninger og strategier utarbeidet. Innen radiologi har samtalen rundt jobbglidning vært ­todelt: Både horisontal jobbglidning – der oppgavene overføres til andre spesialiteter og vertikal jobbglidning – der oppgaver overføres til radiografer, har vært diskutert.

Når det gjelder horisontal jobb­glidning, er bredden på grensesnittet mellom diagnostiske spesiali­teter og behandlende spesialiteter økende. Dette gjelder særlig for radiologi og de kirurgiske spesialitetene. Diskusjonen om jobbglidning har til tider vært høylytt og dette er et tema som engasjerer og vekker sterke følelser. Behovet for læringsaktiviteter og ­læringsarenaer, særlig innen endo­vaskulære prosedyrer, er stort. For å imøtekomme dette behovet har Norsk forening for intervensjonsradiologi og Norsk forening for karkirurgi, i samarbeid med medisinsk fagavdeling i Den norske legeforening, innledet et arbeide med å utforme et rammeverk for opplæring i endovaskulær prose­dyrer for interesserte LIS og overleger, med utgangspunkt i en avtale som er i bruk ved St. Olavs hospital.

Det økte behovet for radiologisk kompetanse reflekteres også gjennom nye læringsmål for LIS i flere ulike spesialiteter. I forbindelse med om­legging av ut­danningsløp for LIS, tilføyde en rekke spesialiteter til dels ambisiøse læringsmål innen radiologi.

Når det gjelder fenomenet vertikal jobbglidning, dreier det seg hovedsakelig om overføring av definerte diagnostiske oppgaver til såkalte beskrivende radiografer innen radiologien. Eksempler på dette er tolkning av røntgenbilder av skjelettet eller thorax.

Den mest sentrale debatten om jobb­glidning innen radiologi dreier seg ikke lenger om hvem som utfører oppgavene, men om hva. Ny teknologi, særlig innen software, i form av kunstig intelligens (AI), selges inn og omtales som det som skal overta radiologenes oppgaver og roller.

Sterkest kom dette til utrykk hos en av informatikkens «grand old men», Geoffrey Hinton, som vant Turing­prisen i 2018. I 2016 uttalte han på et seminar at: «…People should just stop training radiologists now. It´s just completely obvious that in five years time deep learning is going to do better than radiologists» (referanse- video fra seminaret der dette berømte utsagnet ble ytret: https://www.youtube.com/watch?v=2HMPRXstSvQ).

I ettertid har man sett at denne troen på at dyp læring vil erstatte radiologer er svært overdrevet. Det vil fortsatt være radiologiske avdelinger ved norske sykehus i 2021 og i all overskuelig fremtid. Behovet for radiologisk diagnostikk er økende. Et økende tilbud av nye og ofte dyre behandlingsmetoder er en av driverne for dette (referanse: Brustugun OT, Sørhaug S, Grønberg BH, et al. Lungekreft: Forbedret prognose gir kapasitetsutfordringer. Tidsskr Nor Laegeforen. 2020;140(5):10.4045/tidsskr.20.0014. Published 2020 Mar 26.)

For å møte dette behovet og for å kunne tilby bedre og mer presis diagnostikk og behandling av pasienter er vi nødt til å ta i bruk ny teknologi, som ulike AI produkter. Denne teknologien vil bli brukt i alle deler av arbeidsflyten i en radiologisk avdeling. Eksempler på dette er: Til å ta bedre bilder med mindre stråling og lavere doser med intravenøs kontrast, til triagering av ferdige undersøkelser ved å screene undersøkelsene for funn som krever raskt handling fra radiolog og klinikere. Denne nye teknologien vil kunne bidra med ytterligere informasjon av betydning for risikostratifisering og behandlingsvalg for pasienter, særlig innen kreftomsorg (såkalt «radiomics»).

Denne utviklingen vil kreve sitt ­ytterste av både radiologer og radiografer. Vi må trekke på våre styrker og sammen anvende denne teknologien til det beste for pasienter og for klinikerne. Horisontal jobbglidning slik vi kjenner det fra tidligere diskusjoner står ikke lenger så høyt på agendaen. Det som nå har hovedfokus for radiologene, er å ta i bruk sin domenekunnskap- innsikten i alle aspekter ved bilde­diagnostikk, på en ny måte. At vi ­anvender vår kunnskap om radiologi til å forbedre og utvikle nye bilde­diagnostiske metoder. Å finne nye måter å jobbe på, i tett samspill med andre diagnostiske spesialiteter, som gir ­pasienter både bedre helse og bedre opplevelser av helsevesenet.