[KRÖNIKA] En anledning till att avancerad artificiell intelligens är ett lysande komplement till den framtida vården är att ett system kan lära sig mer av att både använda den data som finns idag och den som kommer inom ett område – vi behöver lärande system i den kliniska vardagen.
Hur ser möjligheterna ut? Magnus Lejelöv reflekterar med avstamp i E-hälsomyndighetens senaste fokusrapport.
För ett tag sedan skrev jag en reflektion kring artificiell intelligens och hur läkemedelsbranschens europeiska organisation ser att man kan maximera potentialen hos AI för att identifiera, behandla och vårda patienter mer effektivt på ett säkert sätt.
Jag fick en hel del intressanta kommentarer, ett par invändningar och ett gäng hejarop. Några kommentarer handlade om den fokusrapport som E-hälsomyndigheten nyligen hade släppt på samma tema vilket väckte mitt intresse. Således har jag läst denna och har några reflektioner jag tänkte dela med den som är intresserad. Vad an Schrödinger och AI då, tänker den nyfikne? Vi kommer till det …
E-hälsomyndigheten släppte i slutet av november en rapport med ansatsen att skapa ett diskussionsunderlag eftersom så många pratar om AI som både det nya svarta men också något som skulle kunna förstöra en hel del om det används fel. Detta är en bra ansats – jag pratar i princip enbart positivt om användning av ny teknik inklusive AI, men då utgår jag alltid från att man tar hänsyn till etiska aspekter likväl som tar sig en funderare på vad som skulle kunna gå fel.
Lärande system kräver laganpassning
En anledning till att jag och många med mig ser avancerad AI som ett lysande komplement till den framtida vården är att ett system kan lära sig mer av att använda all den data som finns idag och som systemet får framöver inom ett område. Vi har sett hur datorer haft svårt att besegra människor i schack och dam när vi matat dem med regler, men när vi släpper lös möjligheten för programmet att använda den intelligensdel som skiljer sig från den mänskliga kan de besegra den tidigare piedestalsatte mästaren av kött och blod. Rapporten lyfter detta, om än med andra ord, men poängterar också det komplexa i att lagutrymmet är lite komplicerat här. Idag tillåter förvaltningslagen automatiserade beslut men det gör inte kommunallagen – om vi ska kunna nyttja den fulla potentialen och ge de som verkligen har hand om patienter/medborgare möjlighet att använda stöd som är intelligenta krävs det en möjlighet kring just detta.
Ett annat juridiskt perspektiv är att Läkemedelsverket idag tolkar det medicintekniska regelverket som att det inte tillåter att systemet har en lärandefunktion. Jag lägger ingen värdering i om det är rätt eller fel men inser att om vi inte kan ha lärande system i den kliniska vardagen kommer systemen att bli statiska på det sätt som tyvärr alltför ofta är fallet idag, där riktlinjer (som ofta är bra när de kommer) ligger kvar alltför länge istället för att vi uppdaterar system med hjälp av befintlig, aktuell kunskap och den framtida som baseras på hur patienterna reagerar. Jag säger inte att vi ska bryta mot lagen eller uppdatera alla lagar så att de ligger farligt nära något osäkert, men tror definitivt att vi behöver stödja en utveckling som, positivt nog, går snabbt med ett lagrum som antingen är lite mer tillåtande eller som iterativt går att utveckla baserat på vad som händer i omvärlden.
Datamängder – nyckeln till en vård med AI i framkant
Rapporten belyser även det finansiella perspektivet där länder och företag runt om i världen investerar stora summor för att realisera de möjligheter som AI ger. Att de stora datadrivna företagen investerar enorma summor kommer inte som en chock, men när jag ser summorna som E-hälsomyndighetens rapport visar att andra länder satsar kontra vad Sverige investerar blir jag lite orolig. Vi vill ju ligga i framkant och det kan man kanske göra genom att låta näringslivet driva utvecklingen, men det gäller också att vara någorlunda på tå i såväl kommunerna och regionerna som från den statliga nivån för att kunna få ut den fulla potentialen av detta.
Pengar och att vara förberedd är viktigt men det som känns som att nyckeln är tillgången till data i stora mängder. Så fort man nämner data rör man om lite och nog är det viktigt att fundera på hur man använder data – men när det handlar om artificiell intelligens är just intelligensen beroende av hur mycket kunskap vi tillåter att den artificiella delen av systemet kan få. Kan man nyttja den data som finns på aggregerad nivå och ännu hellre de data som finns i olika sjöar av data runt om i hälso- och Sjukvårdssverige, skulle vi kunna skapa de stöd som faktiskt stödjer besluten vi tar varje dag.
Digital triagering ger patienten rätt vårdnivå
Rapporten tar upp digital triagering, var vi är idag, vilka möjligheter och hot som finns med detta. Den nämner även hur man kan använda AI för att läsa röntgenbilder och patologisvar – två väldigt tydliga möjligheter och, kanske främst i det första fallet, även ett par risker. Här blir den positiva delen av mig lite nervös – oavsett ansats skrivs väldigt mycket mer om riskerna, omöjligheterna och problemen än om möjligheterna. Lite som när vi inom hälso- och sjukvården ger upp efter att ha försökt betala för kvaliteten på vården för annat än ögonsjukdomar och enklare ortopediska tillstånd, är känslan att det är svårare och omöjligare än vad det ger tillbaka. Jag är den förste att tillstå att det finns problem och att ingen vill landa i en felaktig digital triagering, men möjligheterna att hjälpa vården att guida patienter till rätt nivå (oavsett om det är sjukhuset, vårdcentralen, apoteket eller Friskis och Svettis) och att kunna använda resurserna på rätt sätt istället gör att vi måste testa, och det snabbare än idag. Resurserna ska ju kunna frigöras hos de som bistår med triageringen (idag 1177), där man skulle kunna ta hand om de som är svåra snarare än alla och där man dessutom verkligen skulle kunna lära systemet saker om man går från dagens användande av statiska pdf:er till interaktivitet.
Men detta är ju idag och i början – vi skulle kunna skapa intelligenta system för att fånga upp signaler från olika system och således hitta patienter tidigare, hitta de som INTE är patienter tidigare och dessutom kunna guida dem till rätt nivå på ett effektivt sätt.
Att möta en dator som inte får använda sin kapacitet i schack är svårt nog för mig men inte för en mästare – precis som jag helst ser att vårdens anställda får fokusera på bemötande och behandling snarare än på att kunna allt och vara överallt när det finns system som skulle kunna bistå, om lagrummet och modet finns. Naturligtvis vill jag testa, testa och testa men jag vill inte vänta tills allt är klart utan testa nu, utvärdera och således vara redo i svensk sjukvård när vi tycker att systemet är bra nog.
Rapporten fokuserar lite mycket på vad som inte går men det tycker jag är positivt – det är ju detta vi behöver reda ut för att kunna gå vidare! En bra rapport skulle jag säga – läsvärd och tänkvärd, även om det som ni märker också brinner till lite när man läser vissa saker …
Schrödinger då?
Precis innan jul berättade ett tyskt team att de utvecklat en AI-metod som kan räkna ut kemiska och fysiska egenskaper hos molekyler, som faktiskt klarar av det mål som kvantkemin har och där Schrödingers ekvation har spelat en viktig roll. Detta är en komplicerad ekvation med för många variabler för att man ska kunna göra det i en enkel modell, men nu finns det alltså en smart AI-lösning som inte bara förstår och svarar på frågan utan dessutom anpassar sig själv baserat på alla molekyler den testar sig mot. Schrödinger hade en komplicerad relation till den där katten, men vad gäller just den kvantkemiska ekvationen har det framförallt varit en ekvation som väldigt få kunnat klara av att uttolka. Nu har alltså en forskargrupp från Freiburg både uttolkat och lyckats lära en så fyrkantig aktör som en dator hur man anpassar sig till en föränderlig molekylär omvärld.
Att ta steget mot avancerad AI i sjukvården
Om man lyckats med detta borde aktörerna inom svensk hälso- och sjukvård klara av att ta sig ett steg längre vad gäller implementering av AI i vården. I en svensk hälso- och sjukvård där avancerad artificiell intelligens är fullt integrerad skulle möjligheten att hitta patienter tillräckligt tidigt ge en möjlighet för både branschen och patienterna, genom att nya som gamla läkemedel har en ännu större möjlighet att användas till rätt person vid rätt tidpunkt i ett sjukdomsförlopp.
Magnus Lejelöv är bland annat ansvarig för digitaliseringsfrågor på Lif.