Jakob Møller
Implementering af AI i sundhedsvæsenet kræver en ”innovationsmuskel”
Når vi i de kommende år implementerer AI i sundhedsvæsenet, får vi brug for en stærk ”innovationsmuskel”. Det mener Jakob Møller, cheflæge, Røntgen og Scanning Sygehus Lillebælt. Han forklarer videre, at
- Vi skal være klar til at eksperimentere, justere og finde de bedste måder, hvorpå AI kan styrke vores arbejde – ikke erstatte det, men gøre os endnu bedre til det, vi allerede gør godt.
Det kræver, at vi mestrer en række trin i processen, hvor vi skal:
- Udvælge de bedste AI-algoritmer
- Teste, om de fungerer i vores hverdag
- Udvikle arbejdsgange, så AI giver reel værdi
- Implementere dem i klinikken
- Løbende forbedre og justere brugen af AI.
På Røntgen og Scanning, Sygehus Lillebælt, er vi i gang med at få de første erfaringer.
Vores tilgang er klar: AI er beslutningsstøtte – ikke en erstatning for mennesker.
En algoritme behøver ikke være perfekt, den skal blot være en ekstra sikkerhed. Hvis den kan opdage små forandringer, vi måske overser en sen nattetime, så gør den en forskel – også selvom den indimellem markerer noget, vi hurtigt kan afvise. Den fungerer som en sufflør, der hjælper os med at holde fokus.
Et af de steder, hvor vi ser potentiale, er inden for en klassisk udfordring i diagnostisk radiologi:
”satisfaction of search”. Det sker, når vi finder ét problem på en scanning og – ofte ubevidst – afslutter vores søgning for tidligt. En algoritme kan være den venlige påmindelse, der siger: "Har du også kigget her?"
Lige nu har vi en AI-algoritme i brug på skadestuerne i Kolding og Vejle. Den hjælper med at finde knoglebrud ved at markere mistænkelige områder på røntgenbilleder. Den kan også pege på ledansamlinger, og snart vil den – hvis testene går godt – kunne identificere ledskred.
De første tilbagemeldinger fra skadestuerne er blandede:
Nogle finder AI’en meget hjælpsom, mens andre endnu ikke bruger den. En af vores læger fortalte mig for nylig, at algoritmen hjalp ham med at opdage et ekstra brud, han ellers kunne have overset. Selvom han altid grundigt gennemgik røntgenbilledet, blev hans fokus naturligt påvirket af den foreløbige diagnose. Her gjorde AI’en en konkret forskel.
Ovenstående eksempel viser hvor vigtigt uddannelse og træning af personalet er.
Hvis man er klædt på med en grundlæggende viden om styrkerne og svaghederne ved en AI algoritme er denne viden med til at gøre AI til et virksomt redskab som understøtter og accelererer det gode patientforløb.
Vi står kun ved begyndelsen. Vi ved ikke præcis, hvilke forandringer AI vil føre med sig i sundhedsvæsenet. Men vi ved, at de kommer.
Jeg ser frem til at være en del af den udvikling og håber, at AI kan frigøre ressourcer så vi kan optimere arbejdsgange og – vigtigst af alt – gavne patienterne.