Forsker Mari Serine Kannelønning anvendelsen av kunstig intelligens (KI) i det norske helsevesenet, med fokus på Vestre Viken helseforetak. Hun belyser hvordan KI-teknologi brukes til å analysere røntgenbilder for å identifisere benbrudd og diskuterer potensialet for utvidet bruk i andre medisinske undersøkelser. Kannelønning tar for seg de praktiske og teoretiske aspektene ved KI i helsevesenet, inkludert utfordringer knyttet til forståelsen av KI-beslutninger, behovet for ytterligere forskning for å sikre en bærekraftig helsesektor, og hvordan KI kan påvirke arbeidshverdagen til helsepersonell. Hun understreker også viktigheten av sikkerhet og personvern ved bruk av skytjenester for å behandle helsedata.
Mari Serine Kannelønning har forsket på innføringen av kunstig intelligens (KI) i norsk helsetjeneste.
Man håper jo på at vi kan få unna en del oppgaver med hjelp av KI. Og på sikt kunne stole på at oppgavene blir løst på en god måte, sier Kannelønning.
For mer informasjon om: Heartstart HS1
De med høyest forventninger sitter ofte langt fra feltet
Hun hører stadig om optimistiske visjoner for hva KI kan gjøre med norsk helsevesen.
De med høyest forventninger sitter ofte langt fra feltet selv. Det er mange teoretiske diskusjoner om mulighetene med KI. Vi trenger mer praktisk erfaring med teknologien i vanlig sykehusdrift for å få svar hun.
På dette området er Vestre Viken helseforetak og deres sykehus i forkant av de fleste. Hvordan de har fått til dette, er noe av det Kannelønning har forsket på de siste tre årene.
Laster røntgenbilder inn i KI-app
Sykehusene i Vestre Viken bruker blant annet KI-teknologi til å analysere røntgenbilder når det er mistanke om benbrudd.
De har kjøpt en skybasert plattform som gjør det mulig å installere ulike kunstig intelligens-applikasjoner. Plattformen kan sammenlignes med app-butikkene der vi henter apper til mobilen.
Der man kan kjøpe tilgang til ulike apper til å analysere forskjellige typer medisinske bilder, forteller hun.
Boneview heter appen som brukes for å undersøke mulige benbrudd.
For mer informasjon om: Lille Anne 6 pakning
Du kan få raskere behandling – i noen tilfeller
Se for deg at du er sendt til røntgen for et mulig benbrudd en lørdag ettermiddag. Ettersom radiografen har et KI-verktøy for hånden kan du sendes hjem igjen uten å vente på at en lege får sett på røntgenbildet. Men bare hvis det ikke er et synlig brudd.
Røntgenbildene sendes til Boneview-applikasjonen som raskt kommer med et svar på om det er tegn på brudd eller ei, i følge Kannelønning.
På denne måten kan radiografene sende hjem pasienter uten å involvere legene.
Men kun dersom det ikke er synlige brudd på bildet, eller pasienten ikke har andre symptomer.
Et par minutter etter at det anonymiserte bildet er lastet opp i skyen, får radiografene svar i datasystemet deres i form av en liten markering og fargekode, forklarer Kannelønning.
For mer informasjon om: HLR brett, hjertebrett
Resultatene kan være usikre
Men radiografen kan ikke sende hjem pasienten dersom KI-appen er usikker på om det er et brudd.
Om bildet kommer tilbake med gult flagg, er resultatet usikkert. Da må pasienten sendes tilbake til venterommet til legen får sett på bildet. Er det rødt, sendes pasienten videre til behandling, sier Kannelønning.
Det er ikke ofte Boneview-appen finner noe på bildene som erfarne radiologer, altså teknikere med legeutdanning, ikke vil oppdage.
Det kan også hende at appen overser et brudd, men det er sjeldent.
Skulle noe oversees, er det heller ingen krise fordi radiologen vil dobbeltsjekke bildet når hun eller han er på jobb på mandagen, sier hun.
Slik disse applikasjonene fungerer nå, er det altså ikke mulig å la dem diagnostisere eller ta beslutninger alene.
Ingen app kan dekke hele pasienten
Å stille en diagnose kan ofte sammenlignes med en detektivprosess. Det Boneview-appen nå gjør, er en isolert oppgave, sier Kannelønning.
Dersom appen ikke finner noe brudd, men pasienten ikke klarer å stå på bena, holder det selvsagt ikke med konklusjonen til appen.
Det kan være en sene som har røket eller en hevelse som tyder på noe annet. Du er i alle fall nødt til å ha et menneske inn for å vurdere pasienten mer helhetlig uansett.
For mer informasjon om: Mini Anne
De ansatte er positive
Radiologer, som er leger med spesialisering på røntgen, CT, MR og ultralyd, er vant med digitalisering.
Kannelønning tror dette er noe av grunnen til at de radiologene hun og hennes forskerkollegaer har snakket med, er positive til bruken av KI-verktøy.
De er positive, og de tror ikke teknologien kommer til å ta jobben deres. Men det kan endre arbeidshverdagen litt. Det blir et nytt verktøy i verktøykassen.
Hva med helsedataene?
Røntgenbildene lastes opp i en sky hvor de analyseres av KI-appen. Skyen har servere i Belgia.
Sykehuspartner har vært inne og vurdert at denne prosessen med å sende dataene opp i den belgiske skyen er sikker nok. Men det er alltid en del av risikoen med slike løsninger, i følge Kannelønning.
Kannelønning mener sykehusene er veldig forsiktige her.
Ingen vil bli det sykehuset som fikk helsedata på avveie.
For mer informasjon om: Resusci Anne QCPR AED AW
Dagens KI er ikke nødvendigvis så fantastisk som mange tror
Kannelønning tror det blir veldig spennende å følge med på utviklingen og hvilken effekt bruken av KI-teknologi i helseforetakene får fremover.
Det er nå det begynner å bli skikkelig interessant. Men i dag er nok ikke kunstig intelligens så fantastisk som mange tror.
Det er begrenset hva som er mulig å gjøre med dagens KI-teknologi på grunn av teknologiens begrensninger og strenge regler for teknologibruk i helse.
Vi er nødt til å prøve ut teknologien
– Men det er verdt å satse og prøve dem ut i faktisk drift, vel og merke under kontrollerte forhold og innenfor regelverket. Og ikke minst etter grundig testing på forhånd. Det er den eneste måten vi vil få svar på om KI-teknologiene som finnes på markedet, har en nytteverdi for norske sykehus og om bruken vil bidra til å løse krisen med mangel på helsepersonell, sier hun.
Hun mener innføringen av denne type teknologi vil påvirke både måten det jobbes på i sektoren og pasientbehandlingen. Det vil også kreve endringer i det overordnede systemet, som for eksempel spørsmål om finansiering.
For hvilken organisasjon eller avdeling vil få de økonomiske gevinstene av en KI-innføring når rutinene for arbeidet med pasientene blir endret?
Her må det mer forskning til som kan bidra til at utviklingen også fører til en bærekraftig helsesektor i fremtiden, sier Kannelønning.
For mer informasjon om: Mann over bord dukke
Ikke alltid vi skjønner hvorfor KI-teknologien konkluderer som den gjør
Kunstig intelligens har også en utfordring ved at det ikke alltid er like lett å forstå hvorfor den kommer frem til en bestemt konklusjon.
Det er ikke alltid dette er så transparent. Med bildeanalyse er dette ofte mindre problematisk. Med andre typer analyser vil det være behov for å tydeliggjøre hvordan teknologien har kommet frem til svaret før vi kan stole på den. Det er viktig at vi bevarer kontrollen.
Hva annet kan vi bruke KI-teknologien til?
I Vestre Viken brukes KI-teknologi til å analysere røntgenbilder av skjelett for mulige brudd, men de har ambisjoner om å ta i bruk KI til andre typer undersøkelser også.
Det neste de planlegger å innføre er en KI-applikasjon som kan brukes til MS-kontroller. Da er det MR-bilder som skal analyseres, sier Kannelønning.
Et annet eksempel på KI-bruk kan være til å diagnostisere brystkreft.
I Danmark har de tatt i bruk en teknologi som viser kjempegode resultater innen mammografi. Det reduserer opp til 40 prosent av radiologenes arbeidsbelastning.
Kannelønning tror denne type teknologi kommer til å påvirke mammografi-screeningen også i Norge. Kannelønning mener også det er et godt spørsmål om KI kan løse fastlegekrisen.
Jeg tror ikke KI-teknologi kan løse fastlegekrisen, men teknologien kan kanskje bidra til å løse noen av problemene. Og det kunne det vært interessant å forske på i årene som kommer.
Referanser:
OsloMet
Mari Serine Kannelønning. How will it hit us?’Introducing artificial intelligence (AI) in the Norwegian healthcare services: Three modes of actor mobilisation. Doktorgradsavhandling ved OsloMet, 2024.
Robin Williams mfl.: Domesticating AI in medical diagnosis. Technology in society, 2024. Doi.org/10.1016/j.techsoc.2024.102469
Mari Serine Kannelønning: Navigating uncertainties of introducing artificial intelligence (AI) in healthcare: The role of a Norwegian network of professionals. Technology in society, 2023. Doi.org/10.1016/j.techsoc.2023.102432
