Florence Nightingale banade väg för AI i vården

Kultursidan Västerbottens-Kuriren 200211

Inom den offentliga sektorn har de senaste decennierna höjts synnerligen kritiska röster kring införandet av New Public Management. Det är, något förenklat, en form av resultatorienterad organisationsstyrning som utgår från att verksamheter kan och bör effektiviseras med hjälp av mätbara prestationer och utvärderingar.
        En effekt av denna styrform är att kraven på dokumentation av olika aktiviteter ökar för att kunna mäta och öka effektiviteten. Kritiken mot ökad administration och dokumentation  hörs från många håll, exempelvis lärare som måste använda tid till dokumentation i stället för undervisning.
        Kritiken hörs även från vårdsektorn. I Läkartidningen (190703) presenteras en konsultrapport där man har mätt läkares användning av sin arbetstid för olika arbetsuppgifter. 1 228 läkare har besvarat en enkät, där läkarna fick själv skatta hur deras arbetstid fördelades.
        Rapporten visar att läkare lägger i genomsnitt 19 procent av sin arbetstid på administration och dokumentation. Det kan uppfattas som tid som stjäls från patienterna. Med mindre dokumentationsbörda skulle läkare kunna träffa, diagnostisera och behandla fler patienter.
         Tesen för denna essä är emellertid att vad vården och framtidens patienter behöver är mer och tillgängligare dokumentation av patientdata.
         Vilken yrkeskategori som ska utföra dokumentationsarbetet är en annan, organisatorisk, fråga. Det är sannolikt inte alltid läkare som behöver dokumentera patientdata. Vårdadministratörer, sjuksköterskor och läkarassistenter som bistår läkare med olika uppgifter kan utföra dokumentationsarbete. 

Varför pläderar jag för mer och tillgängligare patientdata? Ju mer teknik i form av artificiell intelligens hittar tillämpningsområden i vården, desto mer behöver denna teknik stora mängder data med hög kvalitet för att kunna utföra sina uppgifter. I dag är användning av AI i den svenska vården relativt begränsad, enligt en rapport från Socialstyrelsen som presenteras i Läkartidningen (191031).
         Däremot bedrivs mycket positiv forskning om AI i vårdsammanhang, vilket antyder att det bara är en tidsfråga innan AI-teknik blir allt vanligare inslag i läkares och annan vårdpersonals verktygslåda.
        Den vårdrelaterade AI-forskning som syns mycket är AI-maskiner som lär sig att granska olika typer av röntgenbilder. Det är inte så konstigt; bild- och mönsterigenkänning är ett stort forskningsfält inom AI även utanför vårdsektorn. Ansiktsigenkänning och självkörande bilars objektdetektionsteknik är bara två exempel.
         I tidskriften Nature (200101) presenterar ett forskarlag en studie, där de har tränat ett AI-system att upptäcka bröstcancer utifrån mammografibilder. Att tolka dessa bilder är inte trivialt, även för tränade läkare och radiologer.
         AI-systemet matades med närmare 30 000 mammografibilder, där bedömningar redan gjorts av läkare. Det visar sig att AI-systemet kunde upptäcka fler fall av cancer än läkarna kunde. Exempelvis kunde AI-systemet minska andelen falska negativa resultat med 9,4 procent, det vill säga resultat som inte upptäckt cancer där det förekommer cancer.
         AI-systemet kunde alltså upptäcka fler cancerfall än läkarna. Men det förekom även cancerupptäckter från läkare som AI-systemet inte upptäckte. Det leder till en av mina ständiga käpphästar: det är samarbetet mellan en yrkesprofessionell och AI-teknik som är det väsentliga, inte någon form av strikt arbetsdelning.  AI skulle emellertid kunna användas till så mycket mer än att tolka röntgenbilder. 

Den förträffliga boken AIQ. Hur artificiell intelligens fungerar av Nick Polson och James Scott (Daidalos, 2019) besvarar ett flertal frågor som ger grundläggande kunskaper om AI.         Hur fungerar algoritmerna hos medieplattformar som exempelvis Netflix och hur används de? Hur fungerar algoritmer för mönster- och bildigenkänning? Hur fungerar självkörande bilars algoritmer för att styra och positionsbestämma rörliga fordon? Hur lär sig datorer naturligt, mänskligt språk? Hur används AI för att spåra bedrägligt beteende i digitala miljöer?
        Dessutom, med avseende på denna essä: Hur kan AI användas inom sjukvården för att effektivisera behandling och förutse sjukdomsutveckling? Polson och Scott börjar med Florence Nightingale på 1800-talet. Hennes förtjänster för sjuksköterskeyrket kan knappast överskattas. Men ännu viktigare är hennes pionjärinsatser för vårdstatistik och patientdata. 
        I sitt arbete inledde hon vad som i dag är medicinsk dataforskning och de sjukdomsklassificeringssystem som är oundgängliga inom exempelvis epidemiologin.        Polson och Scott exemplifierar med ett patientfall. En frekvent vårdsökande patient med flertalet symptom (diabetes, hjärtsvikt, njurproblem med mera) skulle kunnat räddats, om tillräcklig patientdata fanns dokumenterad och tillgänglig för ett AI-system, dels från patienten själv, dels från tusentals andra patienter.
        Med sådan teknik kan man skapa patientvård utanför vården, så att säga. Generellt är vårdpersonal fokuserad på nuet, patientens tillstånd vid själva vårdbesöket (visst, man tar ofta också anamnes). Men med stora mängder patientdata skulle även patienters sjukdomsutveckling och framtida sjukdomstillstånd förutsägas med hjälp av maskininlärningsteknik.  

Det låter enkelt. Ett väsentligt problem är enkel tillgång till patientdata. Ju mer vården privatiseras, desto större svårighet att få tillgång till patientdata. I USA tenderar privata vårdgivare att betrakta patientdata närmast som affärshemligheter.
         Ett annat problem är bristande standarder. Olika journalsystem och andra patientdatasystem är inte nödvändigtvis kompatibla så att data kan överföras mellan olika system. Ett tredje problem berör naturligtigvis integritetsfrågor. Patientdata är något av det integritetskänsligaste som finns.
        Men icke desto mindre håller jag för sannolikt att inom en snar framtid kommer vi att vilja rädda liv med hjälp av AI-teknik i vården. Frågan är bara om vi är organisatoriskt beredda. 

Arkivister frigör forskning om coronaviruset

Kultursidan Västerbottens-Kuriren 200205

En användare på nätforumet Reddit under namnet Shrine klickade för några veckor sedan på en länk till en vetenskaplig artikel om coronaviruset. Det enda han fick upp på skärmen var en betalvägg som sa att artikeln skulle kosta 39,95 dollar, skriver nättidskriften Vice (200203).
        Det fick Shrine tillsammans med några andra att skapa en databas med mer än 5 000 vetenskapliga artiklar om coronaviruset som normalt finns bakom tidskriftsförlagens betalväggar. Artiklarna är hämtade från databasen Sci-Hub, som tillgängliggör mer än 78 miljoner vetenskapliga artiklar. 
       ”Detta är olagligt”, säger Shrine, ”men det är också ett moraliskt imperativ”. Nu när Världshälsoorganisationen (WHO) har deklarerat att det råder ett globalt nödläge på grund av coronaviruset, har aldrig inlåsningen av redan skattefinansierad forskning varit mer oetisk. 
        Aldrig har nödvändigheten av att forskare publicerar sina resultat under Open Access-licens accentuerats tydligare än i dag. Och aldrig har behovet av så kallade arkivister varit större. (En arkivist är en aktivist som arkiverar inlåsta vetenskapliga artiklar i öppna databaser.)
        Detta tilltag har fått några av de större vetenskapliga publicisterna att i dagarna öppna deras betalväggar för studier som relaterar till Coronaviruset. Frågan är om de hade öppnat betalväggarna utan arkivisternas förarbete.