Sådan skal AI give resultater i det danske sundhedsvæsen
Kunstig intelligens (AI) i sundhedsvæsenet er endnu ikke hyldevare, hvor strømmen blot skal tilsluttes. Selv med dagens modne teknologier skal modellerne skræddersys til dansk praksis og måske endda det enkelte behandlingssted i visse tilfælde.
Forskelle i praksis, som sundhedsvæsener og enkelte hospitaler benytter i behandlingen, kan gøre det svært at flytte erfaringer. Det store problem i dagens AI er nemlig generalisering, hvor især ‘data drift’, som er det forhold, at algoritmer yder ringere overfor nye datasæt, der ikke ligner dem, algoritmen blev trænet på, kan sætte ydelsen og anvendelsen i knæ.
En række såkaldte signaturprojekter skal få gang i udviklingen af AI i den offentlige sektor, ikke mindst på sundhedsområdet, hvor mange af projekterne hører hjemme. Hvor 33 pct. af myndighederne i dag anvender machine learning og AI, forventer 91 pct. at tage teknologierne i brug i 2023, fremgår det af rapporten IT I Praksis.
Stephanie Lose, der er formand for Danske Regioner, hæfter sig ved, at kunstig intelligens kan revolutionere patienternes behandling og de sundhedsprofessionelles beslutningsgrundlag:
»Så vi kan forebygge, diagnosticere og behandle flere, hurtigere og bedre.«
Signaturprojekterne vil blandt andet forebygge angst hos hjertepatienter, diagnosticere slidgigt og optimere telefonvisitationen af gravide. Blandt andet detektion af kritiske tilstande for mor og barn, fremhæver Stephanie Lose.
Projekterne kom til verden i en digitaliseringspagt i marts 2019, som den tidligere regering, Kommunernes Landsforening og Danske Regioner gik sammen om. I forbindelse med økonomiaftalerne for kommuner og regioner for 2020 blev det aftalt at etablere en investeringsfond på op til 200 mio. kr. fra 2019-2022 til nye teknologier, som skal medfinansiere signaturprojekter om kunstig intelligens i kommuner og regioner. Dertil kommer projekter, som regionerne har sat i søen med egne penge.
Udover de første 15 projekter om sundhed er yderligere syv kommet til på området i september 2020. Dertil har Region Hovedstaden selv sat tre egne projekter i søen, som vi tæller med i denne artikel.
AI til diagnostik
Af de i alt 25 projekter dominerer AI til diagnostik med 14 projekter, efterfulgt af seks, hvor den kunstige intelligens skal assistere med behandling. Tre projekter beskæftiger sig med prædiktion og prognoser, mens yderligere tre er udviklingsprojekter.
Blandt tendenser i projekterne er kræftområdet med seks projekter, mens fire projekter handler om tidlig opsporing eller diagnostik, og tre om forebyggelse.
(Artiklen fortsætter efter tabellen.)
Projekt | Type | Hvem |
---|---|---|
Reduktion af stråledosis ved scanninger brugt i kræftbehandling | behandling | Rigshospitalet |
Bedre tilrettelæggelse af behandlingsstrategi for kræftpatienter | behandling | Rigshospitalet |
Forebyggelse af diabetes | behandling | Steno Diabetes Center Aarhus, Region Midt |
Forebyggelse af angst og depression hos hjertepatienter | behandling | Syddansk Sundhedsinnovation |
Kunstig intelligens til forebyggelse af sygelighed efter tarmkræftkirurgi | behandling | Region Sjællands Universitetshospital |
Opsporing og behandling af kritisk sygdom | behandling, diagnostik | Horsens Regionshospital |
Tidlig diagnostik af kræft | diagnostik | Sygehus Lillebælt, Region Syd |
Hurtigere og bedre diagnostik af akutte patienter | diagnostik | Sygehus Lillebælt, Region Syd |
Bedre diagnosticering af prostatacancer | diagnostik | Odense Universitetshospital |
Opsporing af aldersrelaterede forringelser i hjernen | diagnostik | Region Hovedstaden |
Diagnostik af patienter med åndenød i akutmodtagelsen | diagnostik | Region Hovedstaden |
Billeddiagnostik af brystkræft | diagnostik | Odense Universitetshospital, Region Syd |
Diagnose af slidgigt i knæ | diagnostik | Bispebjerg Frederiksberg Hospital |
Forbedret diagnostik af skizofreni og bipolar lidelse | diagnostik | Aarhus Universitetshospital |
Forbedret visitation af gravide og fødende | diagnostik | Amager Hvidovre Hospital |
Tidlig opsporing af begyndende sygdom | diagnostik | Køge Kommune |
Tidlig opsporing af risikopatienter ved akut blodprop i hjertet | diagnostik | Region Hovedstaden |
Tidlig detektion af øjensygdommen AMD | diagnostik | Region Hovedstaden |
Fingeraftryk af hjernen | diagnostik | Region Hovedstaden |
Prædiktion af sygdomsforværring blandt KOL-patienter | prædiktion/prognose | Region Nord |
Realtidsprognoser og essentiel information til klinikere | prædiktion/prognose | Regionshospitalet Randers |
Forudsige indlæggelser inden for 100 dage | prædiktion/prognose | Regionshospitalet Horsens, Region Midtjylland |
Kvalitetsudvikling i almen praksis | udvikling | Nationalt gennem MedCom |
Automatisk udvælgelse af data til patienters journal | udvikling | Odense Universitetshospital, Region Syd |
Ensretning af beskrivelser på røntgen af lungerne | udvikling | Herlev Hospital |
Neurale netværk diagnosticerer slidgigt i knæ
Et typisk eksempel på de mange signaturprojekter er beslutningsstøtteværktøjet RBKnee, som skal hjælpe radiologer med at vurdere graden af slidgigt i røntgenbilleder af knæ.
Den danske virksomhed Radiobotics har udviklet en deep learning-algoritme, som analyserer røntgenbilleder af knæ for slidgigt på samme høje niveau som speciallæger i radiologi. Projektet er udviklet i samarbejde med Bispebjerg Hospital.
»Det er et værktøj, der er baseret på en kunstig intelligens-algoritme - et neuralt netværk - som er trænet på amerikanske data og valideret til danske data,« har Mikael Ploug Boesen, som er klinisk professor i radiologi på Bispebjerg og Frederiksberg Hospital, tidligere fortalt til DataTech.
Det er mere en assistent end en egentlig autonom kunstig intelligens. Værktøjet analyserer røntgenbilleder af knæ for tegn på slidgigt og tilføjer bagefter pile og streger i forskellige farvekoder for at vise, hvilke sygdomstegn den har fundet. Samtidig skriver den selv en kort kladde om billedet i afdelingens system, så radiologen eller radiografen ikke selv skal gøre det. Algoritmen er lige så god til at se graden af slidgigt i knæet som eksperterne, vurderer Mikael Ploug Boesen.
Projektet foregår på et lavrisiko-område. Hvis værktøjet rammer forkert, er der ikke så store konsekvenser for patienten med slidgigt. Det ville have været anderledes på for eksempel en kræftafdeling. Samtidig fungerer algoritmen udelukkende som beslutningsstøtte, så rigtige fagfolk skal selv tage beslutningerne. Planen er at værktøjet i fremtiden bliver fuldautomatiseret, siger Martin Christian Axelsen fra Radiobotics:
»Det produkt, vi har lavet nu her, er ikke klar til at køre selvstændigt endnu. Vi skal kunne beskrive flere andre ting i røntgenbilledet for, at det kan være et helt selvstændigt værktøj. Men det her er et skridt på vej derhen.«

...men det er dyrt at lave god journalistik. Derfor beder vi dig overveje at tegne abonnement på Version2.
Digitaliseringen buldrer derudaf, og it-folkene tegner fremtidens Danmark. Derfor er det vigtigere end nogensinde med et kvalificeret bud på, hvordan it bedst kan være med til at udvikle det danske samfund og erhvervsliv.
Og der har aldrig været mere akut brug for en kritisk vagthund, der råber op, når der tages forkerte it-beslutninger.
Den rolle har Version2 indtaget siden 2006 - og det bliver vi ved med.