Sundhedsteknologi
Dansk sundhedsteknologi redder liv
I en baggård på Østerbro i København er der fuld fart på udviklingen banebrydende sundhedsteknologi til det danske sundhedsvæsen. Omgivet af dukker og simulatorer, som kan træne læger, sygeplejersker og jordemødre i deres kliniske færdigheder, viser professor Martin G. Tolsgaard hjemmevant rundt, mens medicinstuderende er i gang med at udføre virtuelle operationer med joystick og store computerskærme.
Laboratoriet er døbt CAMES (Copenhagen Academy for Medical Education and Simulation), som hører ind under Region Hovedstaden. Her er læger fra Rigshospitalet gået sammen med ingeniører fra DTU og dataloger fra DIKU om at forske i sundhedsteknologi og innovative metoder til at udvikle og sikre medicinske kompetencer. Det sker blandt andet ved hjælp af AI, som kan forbedre diagnostikken og sikre en endnu bedre oplæring af nye læger, inden de første gang skal ind på operationsstuen.
Martin Tolsgaard er til daglig er læge på fostermedicinsk afdeling på Rigshospitalet, men bruger halvdelen af sin tid som professor i medicinsk uddannelse på CAMES.
”Vores fokus er ikke på at spare penge ved at implementere ny teknologi. Det handler om at bruge teknologien til at gøre folk endnu bedre til det, de gør godt i forvejen. Der er en masse steder, hvor man kan understøtte de kliniske færdigheder med AI, så vi hjælper folk til at præstere endnu bedre”, siger Martin Tolsgaard.
Men de nye teknologier skal indføres med omtanke. Skræmmeeksemplet for Martin Tolsgaard er Sundhedsplatformen, der skulle gøre alting smartere, men som i praksis har kostet blod, sved og tårer for et presset sundhedspersonale, der bruger uforholdsmæssig lang tid på at dokumentere deres arbejde digitalt.
”Vi bruger en masse tid på at administrere et computersystem i stedet for at tale med patienterne. Ny teknologi skal skabe positive forandringer, give os mere tid med patienterne og gøre os endnu dygtigere til at stille de rigtige diagnoser, så vi forhåbentlig laver færre fejl”, siger han.
Plads til forbedring
Han fortæller, at omkring 10 procent af de diagnoser, der i dag stilles i sundhedsvæsenet, er forkerte, og at omkring 15 procent af OECD-landenes budgetter til sundhedssektoren går til at udbedre fejl.
”Der vil altid være mange fejl i en organisation, hvor der er mennesker involveret. Derfor ser jeg den største værdi ved AI i at bruge den som sparringspartner for klinikere til at løfte de færdigheder og den viden, der er brug for, så vi kan lave bedre og mere sikker diagnostik. Der er helt klart noget med kvaliteten, vi kan løfte med AI. Dertil kommer, at vi med AI kan gøre arbejdsgangene mere effektive”, siger Martin Tolsgaard.
Det er et grundvilkår for læger, at de tit sidder alene med patienten. Derfor kan der være rigtig meget potentiale i at bruge AI til at understøtte lægens vurderinger og dermed give større sikkerhed og kvalitet i patientbehandlingen, mener Martin Tolsgaard:
”Jeg tror også, det ræsonnerer meget godt med befolkningen. De fleste patienter vil synes, det er ret trygt, at der er en ekstra sikkerhedsline, når man går til lægen eller sygeplejersken, så alting gøres efter bedste faglige standard, og der ikke bliver overset noget. Men det dér med at have en robot, der bare spytter et svar ud, er ikke så interessant”.
Bedre diagnostik af gravide
Et af de projekter, som CAMES driver i samarbejde med DTU og DIKU, handler om, hvordan man bedre kan understøtte diagnostikken af gravide. I dag opdager lægerne under halvdelen af de graviditeter, hvor der er en abnorm vækst af barnet inde i moderens mave – altså hvor barnet er enten for lille eller for stort. Det kan i sidste ende betyde, at barnet dør inden fødslen, eller at moderen skal have kejsersnit, fordi barnet ikke har ressourcer til at gennemgå en vaginal fødsel.
”Så det er vigtigt, at man får en god diagnostik af risikograviditeter, så vi kan håndtere dem bedre”, siger Martin Tolsgaard og fortsætter:
”Det problem har vi forsøgt at angribe på forskellige måder. Blandt andet har vi udviklet AI, som kan give feedback til de sundhedsfaglige, når de scanner. Kort fortalt har man en AI, der agerer som en ekspert, og som sidder på skulderen af jordemoderen eller lægen og giver feedback, indtil undersøgelsen har høj nok kvalitet til, at du kan stole på den og træffe en beslutning”.
Det har ifølge Martin Tolsgaard forbedret detektionen af abnorm vækst hos fostre med 25 procent. På samme måde ser han store perspektiver i, at man ude i de lokale lægepraksisser kan få AI som sparringspartner i diagnostikken – eksempelvis huddiagnostik.
Tidligere ville man som nyuddannet læge komme ud på en afdeling, hvor man typisk fik lov at overvære et par blindtarmsoperationer, inden man selv fik ansvaret.
”Men der er nogle tekniske færdigheder, som bare er svære, og det er jo ikke sjovt at være den første patient, som en ny læge øver sig på. Og det er hele princippet bag CAMES, nemlig at der ikke er nogen, der skal være den første patient. Forstået på den måde, at en ny læge eller sygeplejerske allerede har øvet sig måske 300 gange i vores simulatorer. Alt det, vi ved er svært, det har man allerede trænet rigtig godt igennem herinde”, siger Martin Tolsgaard.
Tilbuddet er rettet mod sundhedsprofessionelle i både Region Hovedstaden og Region Sjælland. Derudover har CAMES et stærkt samarbejde med DTU og med dataloger på Datalogisk Institut på Københavns Universitet om at udvikle nye metoder og AI-modeller.
”De fleste af vores simulatorer er baseret på nogle computere, som giver feedback via nogle bestemte målepunkter. Men tit og ofte står vi med en procedure, som vi gerne vil lære folk op i, men hvor vi ikke har en kommercielt tilgængelige simulator. Hvis den ikke kan give feedback, kan vi heller ikke vide, hvornår man har nået ekspertniveauet. I de tilfælde bygger vi vores egne AI-modeller”, fortæller han.
Lavthængende frugter
Når det gælder den generelle brug af AI i sundhedsvæsenet, opfordrer han til i første omgang at kigge mod de mere lavthængende frugter. De spørgsmål, man skal stille, er blandt andet: Hvad er det man har brug for hjælp til i den kliniske dagligdag? Hvor begår man typisk fejl? Og hvor bruger man typisk meget dum tid?
”Hvis man vidste, hvor meget tid en jordemoder sidder og taster i Sundhedsplatformen, når hun har født med en kvinde, så tænker man: Jamen, var det ikke meget bedre, at hun talte sammen med en bekymret gravid i stedet for? Man kan håbe, at vi får nogle AI-systemer, som kan automatisere nogle af de processer, sådan så hun kan bruge sin tid på noget, der er mere fornuftigt”, siger Martin Tolsgaard.
Han forudser, at AI kan få en få enorm værdi for sundhedsvæsenet, fordi teknologien helt generelt vil gøre lægerne dygtigere.
”Forhåbentlig kan det i sig selv drive implementeringen af AI, at lægerne kan se, at de faktisk bliver bedre til deres arbejde ved at bruge teknologien, og at det hverken gør dit arbejde langsommere eller mere besværligt – tværtimod”, siger professoren.
Barrierer for bedre sundhed
Men midt i begejstringen om ny teknologi i sundhedsvæsenet retter han også en kritik af de barrierer, der står i vejen for at udvikle smarte løsninger. Det gælder ikke mindst den vanskelige adgang til at udnytte data.
”AI-modeller bliver bedre, jo mere data man har. Det er jo dér, hvor man kan udnytte noget af den sundhedsdata, vi har i Danmark. Men det jo også taget os seks år at indsamle data, så vi kunne komme frem med nogle af de her modeller, så det er ikke noget, man bare lige gør. Det tager tid at få alle tilladelser i orden og få udviklet modellerne”, siger Martin Tolsgaard.
Han mener, at vi går glip af en hel del i Danmark, fordi adgangen til sundhedsdata er så stramt reguleret. Ikke mindst når det gælder om at bruge sundhedsdata til andet end forskning, så de nye teknologier rent faktisk kommer ud virke på hospitalerne, så patienterne får gavn af det.
”Vi går jo og siger til os selv, at vi har sundhedsdata i verdensklasse, og at vi sidder på en guldmine. Det kan godt være, men pengeskabet er godt låst, og man skal først kæmpe sig igennem en hær af administratorer, før man måske kan låse det guld op. Og det synes jeg, er ærgerligt, både som forsker og læge”, siger Martin Tolsgaard og understreger:
”Jeg synes, at etik og datasikkerhed er sindssygt vigtigt, men tit er benspændene ikke rationelle og handler mere om administration og formalia end om etik og datasikkerhed”.
En anden forhindring er, at der ikke findes en pipeline for, hvordan man kan brede nye AI-modeller ud fra forskningen og så skalere dem.
”Der findes ikke et roadmap for, hvordan man går fra forskning og ud i kommercielt regi lige nu. Der er en masse bureaukrati, og det være svært at håndtere. Det er godt til at dræbe innovation. Så der er mange barrierer, man skal overkomme, for at få lov til at tage noget, som man ved virker, og så skalere det ud”, siger han.
Læs mere:
Vær med
Bliv medlem og få alle fordelene
Få 3 måneder gratis medlemskab og få adgang til alle fordelene.