Därför behövs det mer AI i vården

Tekniken och medicinsk evidens finns. Den bygger på en algoritm där man använder Artificiell intelligens, AI, för att samla in och tolka stora mängder data.

Litar inte på tekniken

Detta är bara ett exempel på den potential som AI och maskininlärning har inom vården. Tekniken kan användas för att förenkla och effektivisera arbetet på många olika sätt – för att automatisera rutinartade arbetsuppgifter, för att upptäcka mönster i stora mängder data, men även för att identifiera patienter med risk för olika typer av sjukdomar.

– Men det finns fortfarande en viss oro krig AI. Vad är det? Och kan man verkligen lita på det i vården frågar sig många, konstaterar Ulf Hertin, rådgivare inom hälso- och sjukvården på SAS Institute.

Ulf Hertin är sjuksköterska i grunden, med specialitet inom kardiologi, men arbetar idag som rådgivare för strategiska kunder inom hälso- och sjukvården samt life science när det gäller AI och digitala lösningar.

Han konstaterar att vi i många andra sammanhang inte alls känner någon tveksamhet till AI. Vi har inga problem med att sätta oss i en bil där ratten styrs av elektronik och data, att betala räkningar via datorn eller prata med våra mobiltelefoner.

”Sjukvården är en pilotkyrkogård”

Men när det kommer till sjukvården finns inte alls den tilliten.

– Jag tror att det i grunden beror på okunskap. Det finns en kompetensbrist inom vården och ledarskapet förstår inte effekterna av att använda sig av AI och maskininlärning och den potential tekniken har, säger han.

Samtidigt finns det mängder av lyckade exempel där man testat tekniken, med lyckat utfall.

– Men man lyckas inte skala upp testpiloterna till stora lösningar. Sjukvården är en pilotkyrkogård, fylld av bra pilotprojekt som aldrig kommer vidare, konstaterar han.

Brist på verktyg som underlättar

Personligen tror Ulf Hertin att tekniken har potential att lösa många av vårdens utmaningar. På en akutklinik på ett vanligt svenskt sjukhus ägnar akutläkaren ofta mellan 25 och 30 procent av sin arbetstid åt att hitta sängplatser för patienter som ska läggas in. En algoritm skulle på ett mer effektivt sätt kunna lösa den uppgiften.

Enligt en studie vid Södertörns högskola som Kvalitetsvård tidigare skrivit om ägnar läkare inom primärvården nästan halva sin arbetstid åt administrativt arbete. Trots att journalerna är digitala är arbetet med att fylla i kvalitetsdata i olika kvalitetsregister ofta helt manuell – visst borde vi i dagens digitala tidsålder kunna lösa den typen av rutinartade uppgifter på ett mycket bättre sätt?

– I debatten pratar man om att det är brist på läkare. Jag skulle vilja påstå att det är brist på verktyg som kan förenkla och effektivisera läkarnas arbete, konstaterar Ulf Hertin.

Upptäcka risk för sjukdomar

Men tekniken har även potential att tidigt upptäcka risk för sjukdomar. Enligt WHO ger varje satsad krona på förebyggande hälsoarbete sex kronor tillbaka i form av minskade vårdkostnader. Trots det utgör det förebyggande hälsoarbetet endast 2-3 procent av vårdkostnaden i Sverige. Även här skulle AI kunna vara ett värdefull verktyg.

– Genom att satsa på riskscreening skulle vi tidigt kunna identifiera personer med risk för att drabbas av sjukdom och därmed sätta in förebyggande insatser mycket tidigare, förklarar Ulf Hertin.

Saknar incitament att satsa

Vad är det då som hindrar utvecklingen? Förutom kompetens och tillit till tekniken tror Ulf Hertin att det behövs ett nytänk kring ersättningsmodeller. Som ersättningsmodellerna ser ut idag finns det inget incitament för vården att satsa stora summor på förebyggande hälsoarbete. Detta skulle tvärtom ta viktiga resurser från den befintliga vården.

Istället förespråkar han en modell liknande gröna obligationer på miljösidan. Det innebär att fonder exempelvis skulle kunna investera i hälsoobligationer för att finansiera satsningar på ny teknik.

– Det skulle ge vården resurser att satsa på AI och datadrivna metoder som man kan använda i den förebyggande vården. Det behövs ett politiskt mod och en större förståelse för de här frågorna hos våra ledare. Då skulle vi få en helt annan diskussion i Sverige och AI skulle kunna bli den möjliggörare som vården behöver.

Ekosystem av öppna AI-modeller

En annan viktig möjliggörare är också behovet av öppna data. Ulf Hertin konstaterar att det finns flera kliniskt evidensbaserade AI-algoritmer och modeller för allt från cancer och hjärtsvikt till stroke och diabetes. Men de utvecklas ofta i ett silotänk där leverantörerna också ser till att själva äga och sälja modellerna.

– Jag skulle vilja se en modell där leverantörerna ansvarar för verktygslådan, men att politikerna och staten ansvarar för infrastrukturen. Då skulle vi kunna bygga ett ekosystem av AI-modeller där systemen är öppna för alla och där systemen också kan prata med varandra. Det skulle vi alla vinna på i längden, säger Ulf Hertin.