Fra billedanalyse til intelligent patientovervågning

Kunstig intelligens (AI) er i rivende udvikling, og allerede nu er teknologien en afgørende ressource i sundhedsvæsenet, der kæmper med mangel på kvalificeret arbejdskraft. AI tilbyder omfattende muligheder for at understøtte og effektivisere arbejdsgange, hvilket ikke alene forbedrer produktiviteten, men også kvaliteten af patientplejen. Fra at automatisere administrative opgaver til at forbedre beslutningstagning og behandlingsprocesser bidrager AI til at optimere sundhedssystemet.

"Sundhedssektoren har store udfordringer i form af samfundets aldrende befolkning, færre i den arbejdsdygtige alder og manglen på læger og sundhedspersonale generelt. Derfor ser vi AI som en både nødvendig og innovativ vej til at håndtere disse udfordringer, så vi så vidt muligt kan sørge for, at sundhedspersonalet ikke bruger for meget tid på opgaver, der med fordel kan løses af AI," siger Klaus Larsen, direktør for Digitalisering og IT i Region Nordjylland.

Han har arbejdet med teknologi og teknologianvendelse i sundhedsvæsenet i mere end 25 år og er desuden medlem af Digitaliseringsrådet under Digitaliserings- og Ligestillingsministeriet samt medlem af Robusthedskommissionen, der blev nedsat af regeringen med det formål at udarbejde anbefalinger til, hvordan man kan skaffe mere personale og tid til kerneopgaverne i sundhedsvæsenet. 

AI vil revolutionere sundhedsvæsenet frem mod 2030

Klaus Larsen følger den rivende udvikling inden for kunstig intelligens meget tæt, og han er ikke i tvivl om, at potentialet er stort, og at vi kommer til at se en række nye AI-løsninger, der både vil automatisere og styrke det personlige fokus i sundhedsvæsenet.

"Jeg tror, at teknologien vil være så udviklet allerede i 2030, at vi som borgere kan tale med AI og dermed skabe en stor indsigt i vores tilstand, før vi taler med en læge. Jeg forestiller mig også, at man blander mængden af informationer i den proces med målinger, der bliver meget mere tilgængelige for den enkelte. Allerede i dag kan vi måle alle mulige ting med sensorer, der bliver stadig billigere og mindre. Så i kommunikationen med en virtuel læge vil en patient også kunne inddrage en hel del prøver i samtalen. Inde på hospitalerne vil der komme flere automatiserede processer. Der vil komme mere personlig medicinering og mere hjælp til tolkning og diagnosticering på baggrund af AI," siger Klaus Larsen, der forudser, at sundheds- og diagnosticeringsværktøjer vil blive mere tilgængelige for alle.

"Hele ’produktificeringen’ på det teknologiske område vil eksplodere. Jeg forventer, at vi vil se de første løsninger på fuld autonomi, hvor du eksempelvis vil kunne gå hen til en ’telefonboks’ på gaden og få taget et billede af dine øjne og få at vide, om du har nogle sygdomme og hvilke. Det er nogle af de løsninger, vi vil se, og det siger jeg, fordi det er noget, man allerede tester i dag rundt omkring i verden. Men en bekymring i forbindelse med udviklingen er også, at let tilgængelighed vil kunne føre til en øget sygdomsbekymring og sygeliggørelse. Selv om noget er nemt, skal det tilbydes i den rette kontekst," siger Klaus Larsen. 

‘AI i skaderøntgen’ fik Innovationsprisen 2024

I Region Nordjylland har man udviklet en omfattende strategi for anvendelse af AI samt et visionskatalog for planerne. I visionerne for AI i sundhedsvæsenet i Region Nordjylland indgår en række AI-løsninger, der er afprøvet andre steder i Danmark eller i udlandet.

Regionen har tre AI-løsninger under afprøvning:

1. AI hjælper ortopædkirurger til hurtigere at kunne måle knoglelængder (fx benlængde) og -vinkler ud fra røntgenbilleder. 
2. En løsning, der sigter mod at identificere KOL-patienter med forestående risiko for forringelse af patientens tilstand eller hjertesvigt. 
3. Patientovervågning i form af et AI-system, der registrerer bevægelse. Systemet giver personalet overblik over patienterne i realtid – herunder, om en patient har forladt sin seng eller er faldet.

Region Nordjylland modtog tidligere i år OffDig’s Innovationspris 2024 for systemet ’AI i skaderøntgen’. Et system, der er implementeret på Aalborg Universitetshospital. AI-løsningen aflæser automatisk røntgenbilleder og identificerer knoglebrud og gør samtidig, at såkaldte ikke-kritiske patienter får hurtigere svar. Resultatet er hurtigere behandling og mindre kø på skadestuen.

"Vi har også et AI-system, vi tester til neurologi. Systemet skal hjælpe os til hurtigere at afgøre, om det er relevant at fortsætte ofte langvarige og ressourcekrævende MR-scanninger," siger Klaus Larsen.

Regionen planlægger at afprøve to andre AI-løsninger: Ward 24/7 til at overvåge vitale værdier som puls, blodtryk og respirationsfrekvens på patienter på ikke-kritiske afdelinger, samt TREAT, der bruger data om den enkelte patient til at optimere antibiotikabehandling. Derudover er der en række andre løsninger under overvejelse, som spænder fra prostata-diagnostik og øjensygdomme til kardiologi og neuroradiologi.

Klaus Larsen understreger, at alle de løsninger, som Region Nordjylland løbende tager under overvejelse, udelukkende er modne produkter, der er reguleret efter gældende lovgivning og kan kvalitetskontrolleres. De er CE-mærkede og udviklet til at løse specifikke opgaver. 

AI til mammografi har været en stor succes

Også i Region Hovedstaden er der stort fokus på anvendelse af AI, og den største succes hidtil omfatter mammografi. Kvinder mellem 50 og 69 år i Danmark bliver hvert andet år tilbudt en røntgenundersøgelse med henblik på at opdage brystkræft i de tidlige stadier. Det er en ressourcekrævende udfordring for regionernes hospitaler, og tilbage i 2021 var den helt store udfordring i Region Hovedstadens sundhedsvæsen netop screening af kvinder for brystkræft – en kræftform, der rammer hver 9. kvinde.

"Vi havde lange ventelister i 2021, og vi måtte derfor tænke i alternative løsninger for at nedbringe ventetiden, for manglen på radiologer ville ikke være løst på den korte bane. Så vi måtte tage andre værktøjer i brug. Derfor afsøgte vi markedet for AI-løsninger til diagnosticering af brystkræft på røntgenbilleder taget i brystkræft-screeningsprogrammet," siger vicedirektør på Herlev og Gentofte Hospital, Bodil Ørkild, der stod i spidsen for processen.

Valget faldt på Transpara Breast AI. Algoritmen blev indledningsvist testet på røntgenbilleder fra 114.000 kvinder, og testen forløb så godt, at man kort tid efter – i december 2021 – implementerede AI-løsningen. Resultatet har været, at speciallægerne sparer 35 pct. af deres tid på at vurdere røntgenbilleder, hvilket derfor har medført en samlet øget kapacitet, der har været med til at reducere ventetiden. Herudover har det vist sig, at når en erfaren radiolog assisteres af AI, vil færre kvinder blive genindkaldt til videre undersøgelse på mistanke om kræft, fordi træfsikkerheden fra start er større, fortæller Bodil Ørkild.

"Det har været det hurtigste og mest strømlinede digitale implementeringsprojekt, vi har kørt, og det skyldes primært et eminent samarbejde imellem vores it-organisation og hospitalet. Herudover var det helt essentielt, at vi havde testet og valideret systemet inden ibrugtagning, så vi var sikre på, at AI-løsningen havde en reel værdi. For det nytter jo ikke noget, at vi implementerer nye digitale løsninger, hvis de ikke lever op til vores forventninger og reelt kan belaste mere, end det gavner, og måske endda bliver patient-usikkert. Her er det ofte en misforståelse, hvis man tror, at godkendelse af en AI-løsning også er en sikkerhed for værdi i den virkelige verden ude på hospitalerne. AI er ikke en hyldevare, det er ikke en plug-and-play-løsning. Man bliver nødt til at sikre, at den pågældende AI-algoritme også er testet på den patientpopulation, man skal bruge den til," siger Bodil Ørkild, der savner mere transparens i de patientpopulationer, som producenterne har testet deres AI-løsninger på.

AI-løsningen skal passe til patienterne

På Radiologisk AI Testcenter (RAIT) tester man AI-algoritmer i et samarbejde mellem radiologiske forskningsgrupper på Herlev og Gentofte Hospital, samt Frederiksberg og Bispebjerg Hospital. Og testene her viser ofte, at de systemer og AIalgoritmer, der testes, ikke giver de forventede resultater, som leverandøren stiller i udsigt.

"Det er ikke, fordi algoritmen ikke er rigtig. Men vores patienter svarer bare ikke til de patienter, som algoritmen er testet på. Vi skal have algoritmer, der er testet op imod de patienter, vi har. Ellers opnår vi ikke de resultater, vi ønsker – og som vi i øvrigt er blevet lovet. Det er bestemt ikke billigt at benytte AI. Når det er sagt, så vil en algoritme testet med succes på en gruppe patienter i Region Hovedstaden passe til den samme gruppe patienter i de andre regioner – og omvendt. Vi skal selvfølgelig ikke blive ved med at teste," siger Bodil Ørkild.

Hun nævner et konkret eksempel på en AI-løsning, som Behandlingsrådet netop har anbefalet ikke bliver taget i brug. Det drejer sig om en AI-løsning til koloskopi – dvs. kikkertundersøgelse af tarmen. Håbet var, at den kunne påvise flere kræfttilfælde. Men den gjorde det modsatte: Den fandt for mange falsk positive resultater, så patienterne skulle have taget flere biopsier uden grund, hvilket både belastede hospitalerne og patienterne.

"I praksis betød det, at flere patienter skulle have taget unødvendige biopsier af tarmen, hvilket ikke er helt risikofrit. Dertil kommer, at flere patienter selvfølgelig blev bekymrede for at fejle noget alvorligt – helt uden grund. Og for hospitalet ville det medføre, at vi fik endnu mere at lave," forklarer Bodil Ørkild.

Arbejdskraft, kompleksitet, patienter

Hun påpeger, at AI-løsninger i sundhedsvæsenet overordnet har tre mål: De skal dels være arbejdskraftbesparende i det pressede sundhedsvæsen og dels hjælpe med at reducere kompleksiteten. I takt med, at lægevidenskaben bliver stadig mere specialiseret og behandlingerne mere individualiserede, er der brug for at reducere den store kompleksitet i behandlingerne, hvor one size fits all i stigende grad ikke længere gælder. Her kommer AI til sin ret, fordi den kan processere enorme mængder af data på kort tid.

"Og så er der det tredje overordnede mål med AI-løsninger i sundhedsvæsenet, som også er meget vigtigt: AI skal kunne hjælpe patienterne, så dem, der kan selv, skal selv, så vi får frigivet mere tid til at hjælpe de patienter, der ikke kan selv. Her kan AI-løsninger bistå med, at patienterne kan mestre egen sygdom og blive behandlet i eget hjem 24/7/365 i stedet for at være afhængige af praktiserende lægers åbningstid eller hospitalernes til tider udfordrende organisering."

Bodil Ørkild understreger, at hun har store forventninger til AI-løsninger – også i forhold til administrative opgaver, der tager meget af sundhedspersonalets tid. Men det er vigtigt, at man gør sig klart, hvad værdien af en AI-løsning er. En CE-mærkning fortæller ikke noget om værdien. Region Hovedstaden har eksempelvis netop testet en AI-løsning til scanning af røntgenbilleder af lungerne, som ifølge producenten kan frasortere 30 pct. af røntgenbillederne for raske patienter.

"Men når vi tester AI-løsningen, så frasorterer den kun 7,8 pct. Algoritmen gør det, den skal, men den er ikke testet på en patientpopulation, der svarer til de patienter, som vi får ind addøren. Vores patienter fejler alt muligt andet. Man kan måske sige, at 7,8 pct. er bedre end ingenting, men resultatet skal ses i forhold til prisen. De fleste AI-løsninger af denne type koster 10- 15 kroner pr. røntgenbillede, vi bruger AI-løsningen på, og det bliver samlet en stor udgift, der skal findes dækning for andetsteds. Der spares noget tid for patienterne, men der spares ikke en radiolog, idet alle AI-scannede billeder også skal godkendes af en radiolog. De AI-løsninger, vi bruger i sundhedsvæsenet, kan ikke stå alene."

Næste skridt for Region Hovedstaden er et pilotforsøg med test af AI, der identificerer knoglebrud. Samme system som i Region Nordjylland, men i en lidt anden version, fordi man har investeret i et nyt system til billeddiagnostik. Derudover er der flere andre lovende AI-projekter i gang i Region Hovedstaden. Det gælder bl.a. inden for hjertesygdomme, hvor et AI-system, som regionen selv har udviklet, opsamler 600 datapunkter og beregner risikoen for at dø inden for et år. To andre projekter, der netop er sat i gang, handler om MR-scanning af hjernen og CT-scanning af hjerte og lunger. Herudover testes en AI-algoritme, der skal hjælpe jordemødrene med at visitere de fødende.

"Jeg er overbevist om, at det vedvarende fokus på at automatisere og digitalisere sundhedsvæsenet vil revolutionere den måde, som vi leverer sundhedsydelser på – måske er den fremtid ikke så langt væk," siger Bodil Ørkild. 

Effektiv AI-søgning i dokumenter i Horsens

I Region Midtjylland arbejder man på Regionshospitalet Horsens på udviklingen af et AI-system, der skal gøre det hurtigere og mere effektivt at søge information i samlingen af dokumenter, der omfatter over 40.000 kliniske retningslinjer.

Kliniske retningslinjer hjælper sundhedspersonalet med at træffe beslutninger om passende sundhedspleje under specifikke kliniske omstændigheder. Det er en særdeles omfattende og kompleks samling af information, der løbende opdateres. De kliniske retningslinjer er et vigtigt opslagsværk som supplement til egne erfaringer og videndeling med kollegerne.

"Som det er i dag, bruger vi uforholdsmæssigt meget tid på at finde det, vi har brug for," siger Christian Møller Sørensen, uddannelsesansvarlig overlæge i Medicinsk Afdeling på Regionshospitalet Horsens. 

"Kliniske retningslinjer er rigtig mange forskellige ting, og der er mange forskellige brugere. Nogle er relevante for læger, nogle for sygeplejersker, nogle for fysioterapeuter, mens andre er mere tværgående. Nogle retningslinjer beskriver, hvordan vi hænger væsker op ved behandling af forskellige sygdomme, mens andre kan handle om, hvordan vi behandler patienter med specifikke symptomer. Det kan fx være, hvis vi mistænker en blodprop i lungen, så har vi de kliniske retningslinjer, der beskriver, hvordan vi behandler det. Hvis man er i tvivl om noget i det daglige, så kan man søge information i retningslinjerne, og de er et vigtigt supplement til, at man naturligvis også diskuterer med sine kolleger og bruger egen erfaring," siger Christian Møller Sørensen.

Kliniske retningslinjer er som en kogebog

Han sammenligner de kliniske retningslinjer med en kogebog, der giver et overblik over, hvad man skal gøre i forskellige situationer, og hvilke ingredienser man skal bruge for at opnå det ønskede resultat. En del af problemstillingen er, at der hele tiden kommer ny viden og retningslinjer.

"Det, der var den gængse behandlingsmetode i går, er det ikke nødvendigvis i dag. Der er en relativt hurtig forældelse på viden, og derfor skal dokumenterne holdes opdaterede," forklarer Christian Møller Sørensen.

Hospitalerne har deres egne retningslinjer, og det hænger sammen med lokale forskelle. Eksempelvis kan en scanning på Aarhus Universitetshospital blive håndteret anderledes end på et mindre regionshospital som Horsens, der ikke har de samme ressourcer til rådighed.

"Dokumenterne er et stort sammensurium af information. Det, der udfordrer sundhedspersonalet, er at finde det, der er relevant for den situation, de er i. Vores AI-projekt går ud på at se, om man kan få noget hjælp af en ChatGPT-lignende kunstig intelligens til at finde de rigtige dokumenter. Eller få lavet et referat af de mest relevante dokumenter. Det handler ikke om, at vi ser på data for den enkelte patient og på baggrund heraf søger støtte fra AI. Det handler om, at vi søger på den store mængde af retningslinjer, laver en kondensering af dem og finder de rette," siger Christian Møller Sørensen.

Konsistens er afgørende

Han understreger, at hvis man i systemet skriver de samme søgeord i dag som i går, så skal det være konsistente svar, man får, af hensyn til patientsikkerheden.

"Der skal være en høj grad af konsistens, når man indtaster disse ting i systemet, hvis man som læge, sygeplejerske, fysioterapeut mv. skal kunne bruge denne AI-løsning," siger Christian Møller Sørensen og tilføjer, at dokumenterne selvfølgelig ikke giver entydige svar på alt.

Der kan således være dele af dokumenternes retningslinjer, og de instrukser, der ligger deri, som er åbne for en grad af fortolkning. Eller situationer, hvor man er nødt til at tage noget erfaring indover og sige: Her har vi en lidt anden situation, og vi er nødt til at gøre det her, selv om det ikke er fuldstændig det, der står i instruksen.

"Det er også en del af det at blive erfaren som læge, at man kan gå lidt uden for de retningslinjer og instrukser, der ligger, for det er der brug for en gang imellem," forklarer den uddannelsesansvarlige overlæge Christian Møller Sørensen.