Kunstig intelligens i helsetjenesten – muligheter og utfordringer

Utfordringene vi står ovenfor er velkjente og godt dokumenterte, og det er lett å håpe at teknologien kan hjelpe oss med personell-krisen. Det avhenger av at vi gjør det riktig fra begynnelsen. Historien er full av eksempler på teknologi som har store ambisjoner om å gjøre arbeidsoppgaver mer effektive, men som ender opp med å gjøre nøyaktig det motsatte.

Fallgruvene er mange – og komplekse. Vi trenger KI, og vi trenger forskning. Når vi lager, innfører og bruker ny teknologi gir det muligheter, men det må gjøres riktig og med basis i erfaring og kunnskap. Det er begrunnet optimisme for at KI kan ha betydning for pasienter, helsepersonell og det norske samfunnet i sin alminnelighet. Men KI-løsninger som ikke er profesjonelt utformet og innført, kan være lite produktive for helsepersonell, og til og med utgjøre en risiko for sikkerhet, personvern og diskriminering.

Som de første i landet, har Vestre Viken HF innført kunstig intelligens som arbeidsverktøy i avdeling for bilde­- diagnostikk. Forskere fra senteret vårt har fulgt innføringen helt siden anbuds­- prosessen. I Vestre Viken er teknologien satt til å analysere røntgenbilder for å finne benbrudd. Foreløpige resultater viser at verktøyet har bidratt til redusert ventetid og bedret ressursbruk og økonomi. Spørsmålet videre er om dette er overførbart til andre deler av tjenesten?

Helsedata er drivstoffet for KI i ­helse. Og vi har mye helsedata i Norge, men svært mye av det er vanskelig tilgjengelig. For å lage gode beslutningsstøtteverktøy må vi ha gode ­modeller og da må vi ha tilgang til store mengder data som representerer pasientgruppen. Skjevhet i dataene eller dårlig kvalitet vil gi dårlige verktøy. Frykt for at sensitiv informasjon skal havne på avveie, styrer beslutninger om å gjøre data så vanskelig tilgjengelig som mulig. Vi kan ikke ha det sånn at verktøy som kan komme pasienter til gode aldri kan utforskes, utvikles eller innføres fordi data er for godt innelåst. Det er en grunn til at stjerneeksempelet på innføring av KI i Norge, i Vestre Viken, aldri fikk sett et norsk datapunkt før det ble innført, og norske data brukes fortsatt ikke i trening av modellen. Verktøyet er kjøpt «ferdig trent» fra et stort internasjonalt selskap og plugget inn i norsk tjeneste. Det er ikke vanskelig å se at denne framgangsmåten ikke er mulig innen alle felter.

Det finnes også gode løsninger for å analysere og trene på data distribuert – altså uten å flytte dem fra der de opp­- rinnelig ble lagret. Fødererte maskinlæringsmodeller kommer for fullt, og ivaretar personvernet nøyaktig like godt som sikkerheten ved den enkelte institusjon. Dette blir særlig viktig på internasjonalt nivå, der flytting av helsedata er nærmest umulig. Det europeiske helsedataområdet (EHDS) som nå er på vei inn i EU legger i stor grad opp til fødererte modeller. For eksempel når det gjelder sjeldne sykdommer vil det være umulig å utvikle meningsfulle modeller uten inter­nasjonal deling av data, så dette er en velkommen utvikling.

I 2023 utarbeidet Nasjonalt senter for e-helseforskning en grundig beskrivelse av implementering av KI i helsetjen­esten – fra planleggingsfasen frem til KI er blitt en del av en klinisk prosess. Her beskrives flere hindre, inkludert den krevende tilgangen til data og lav datakvalitet. En nasjonal plan for ­datakvalitet er nødvendig. Det bør imidlertid ikke være en frittstående plan, men et samarbeidstiltak som er godt koordinert med eksisterende standardiseringsinitiativer.

I dette arbeidet ble det gjort dybdeintervjuer med representanter fra offentlige og private organisasjoner – både helsepersonell, leverandører og andre. Når det gjelder status for implementering av KI-løsninger, er alle intervjuobjektene enige om at det er langt igjen før KI vil være en del av daglig rutine for helsepersonell.

Innen medisin går utviklingen av KI mye langsommere enn på andre felter. Det er samtidig en enorm ­interesse for dette temaet. En rekke forskningsprosjekter utforsker KI for helsetjenesten, men bare noen få løsninger er tatt i bruk i klinisk praksis.

Et viktig tema som heldigvis får mer oppmerksomhet i dag, er digital inkludering. Utviklingen går i en rasende fart, og det er mange som faller utenfor. Det kan være på grunn av alder, kognitiv svikt eller språkbarrierer. De som allerede synes mobilbanken eller innlogging til Helsenorge er ­komplisert, må også få dra nytte av kunstig intelligens. Hvordan skal vi få de med? Regjeringen har lyst ut en milliard kroner til forskning på kunstig intelligens. Å se på hvordan KI kan brukes til det beste for samfunnet på en måte som er demokratisk er avgjør­ende viktig.

For å kunne innføre KI på en sånn måte at vi faktisk tar ut effektene og letter situasjonen heller enn å forverre den, må vi gjøre det kunnskapsbasert. Det vil si å støtte oss på den best tilgjengelige kunnskapen, men også å følgeforske underveis slik at vi har muligheten til å justere og korrigere mens vi går i ukjent terreng.

Sammen med Helse Nord RHF skal våre forskere studere innføring av KI i bildediagnostikk i de nordligste fylkene. I denne regionen skal innføringen foregå på en noe annen måte. Det er bra, fordi det betyr at erfaringsgrunnlaget og KI-kompetansen til hele ­helsetjenesten blir bedre. •