I oktober 2019 gav Socialstyrelsen ut rapporten Digitala vårdtjänster och artificiell intelligens i hälso- och sjukvården. I förordet skriver Socialstyrelsens Generaldirektör Olivia Wigzell:

“AI beskrivs som nästa stora tekniksprång som kommer att påverka människors liv radikalt. På flera områden finns redan AI som självklara delar i våra liv, till exempel i form av röststyrning i smarta mobiler, i näthandel och i bankvärlden. Flera bedömare menar att hälso- och sjukvården skulle kunna utvecklas högst radikalt med stöd av AI. Inom hälso- och sjukvård är dock AI ännu i ett tidigt utvecklingsstadium, det pågår mycket forskning men det finns ett begränsat antal applikationer i ordinarie drift. “

AI-tekniken är alltså långt ifrån ny, men utvecklingen av den har gått riktigt fort först under senare år. Fortfarande anses dock användning i riktigt stor skala fortfarande ligga en bit framåt i tiden.

Så när kan vi då vänta oss det stora genombrottet för AI inom vård- och omsorg? Vi ställde denna fråga till några olika personer och så här svarar först Claes Lundström, professor vid Center for Medical Image Science and Visualization (CMIV) samt Arenaledare för Analytic Imaging Diagnostics Arena (AIDA) vid Linköpings universitet.

Hur ser det då ut på omsorgssidan? När kan vi förvänta det stora genombrottet för AI där? Frågan går till Jonas Frantzich Olsson, som arbetar som systemförvaltare på vård- och omsorgsförvaltningen i Lunds kommun.

Ja både sjukvård och omsorg är komplext och varken lämpligt eller lätt att förenkla och därför måste utvecklingen också få ta tid.

I Region Stockholms perspektivrapport hittar vi följande:

“Hälso- och sjukvårdens utmaningar och nya arbetssätt kan inte förväntas lösas enkelt med nya tekniska möjligheter. Det är ett konstant långsiktigt arbete att parallellt både utveckla arbetssätt, digitalisera och avveckla. Vad ny teknik och till exempel AI kan lösa inom hälso- och sjukvård behöver löpande bedömas och utvärderas. Omvandlingen kan ske stegvis i takt med att kunskap inhämtas och konkret tillämpning sker. Metodutveckling och ramverk behöver anpassas för automatisering och AI. Tillgång till mycket data blir avgörande för den framtida utvecklingen.

Det finns förväntningar på att nya teknologier och framförallt AI ska bidra till ökad lönsamhet. Privata bolag kommer driva utvecklingen framåt för att nå uppsatta affärsresultat. Flera bakomliggande faktorer har samverkat för att utvecklingstakten inom artificiell intelligens nu har ökat. Olika företag gör bedömningar av nya teknologier och mognad. Bland annat analysföretaget Gartner tar årsvis fram hajp-cykler, trender för kommande teknologier. …

… Gartner delar in den tekniska utvecklingen i fem faser som beskriver hur fenomenet brukar utvecklas. När en ny teknik först görs känd (fas 1), men nästan ingen hunnit prova den, drivs förväntningarna snabbt upp till en topp (fas 2) inom ett eller ett fåtal år. När sedan nyttoeffekterna på medellång sikt uteblir, sänks förväntningarna under det realistiska och medierapporteringen upphör så gott som helt under en svacka (fas 3). Därefter börjar tekniken mogna, insikterna om den växer (fas 4) och den kan börja lämna långsiktig nytta (fas 5) baserat på realistiska förväntningar.

Det gäller att vara medveten om att det finns flertal tekniska uppfinningar som följt hajp-kurvan och kunnat leverera nytta men också många som aldrig kunnat göra det.

En bedömning enligt Gartners modell är att AI som del i teknologiska kombinationer är på väg upp i hajp-cykel. Det innebär att det finns högt ställda förväntningar på detta som fenomen. Förväntningar som kan plana ut och bli mer realistiska efterhand. Redan idag är AI-baserade digitala tjänster en del av vår vardag såsom taligenkänning, röststyrda assistenter och bildigenkänning. Det finns också tjänster som ger förslag på spellistor och smart elektronik i hemmet.

AI bedöms kunna bidra till att:

• Avlasta repetitiva arbetsuppgifter

• Strukturera i olika processteg

• Förstärka och komplettera processteg

• Ersätta och automatisera hela processteg”

Att utvecklingen av AI kan befinna sig i flera olika faser samtidigt, stärker på många sätt bilden av AI som ett vetenskapsområde och betyder sannolikt att vi kommer att få se olika AI-tekniker både komma och gå, utvecklas och omvandlas över tid.

Mycket av de tekniker vi använder idag kallas ändå oavsett sin specifika natur i dagligt tal för AI men gränserna för vad som är att betrakta som AI och inte, utmanas och förskjuts kontinuerligt.

Hur snabbt utvecklingen går påverkas till en del av datorernas kapacitet. Det vill säga deras förmåga att behandla stora mängder data snabbt. Men minst lika viktigt är tillgången till bra data som är sorterad och organiserad på ett användbart sätt.

Kristina Knaving, senior forskare och interaktionsdesigner på RISE, berättar mer.

I Swelifes rapport AI för bättre hälsa från 2020 kan man på s.15 läsa mer om data, hälsodata och dess betydelse i vård- och omsorg. De skriver bland annat:

“Genom att vi använder hälsodata strategiskt och systematiskt kan vi hålla oss friska längre, samt upptäcka och åtgärda risker tidigare. Allt detta kan göra hälsa, vård och omsorg mer effektiv och förhoppningsvis även billigare.

Mängden data om varje individs hälsostatus växer snabbt. Det kan vara den information som patienten ger vid ett besök inom vården – exempelvis all data ett vanligt blodprov kan ge – men också data som individen själv producerar, exempelvis genom hälsoappar och olika sensorer.

Alla data om individen som har betydelse för välbefinnandet kan kallas för systematiska hälsodata. Rätt använd skulle de systematiska hälsodata som finns kunna ge en hälso- och sjukvård som är specialanpassad för var och en av oss.”

Det råder alltså sällan brist på data. Den stora utmaningen ligger i att samla in, strukturera och tolka den så att det den visar kan bidra till en bättre vård eller omsorg.

Anders Tegenrot, specialist i allmänmedicin och VD för Hälsomedicinskt center som bland annat driver vårdcentraler, hanterar data i alla delar av sin verksamhet. Han ser också många olika möjligheter till utveckling. Inte minst vad gäller att bli bättre på att hantera och ta tillvara data.

Tillgång till relevant eller rätt data spelar alltså en central roll för utvecklingen av AI. Och det råder alltså oftast ingen brist på data i sig. Fältet rymmer därför stora möjligheter. Men det finns också stora utmaningar när det gäller att faktiskt kunna få tillgång till sådan data som verkligen är användbar för de syften man har.

Jonas Frantzich Olsson, systemutvecklare i Lunds kommun, berättar om några av omsorgens större utmaningar på området.

I rapporten AI för bättre hälsa från 2020 (s.7) sammanfattas de större utmaningar man identifierat för för AI i vård- och omsorg idag såhär:

”
• Regelverk. Hur ska GDPR praktiseras? Hur blir det medicintekniska regelverket ett stöd och inte ett hinder? Ska vi ha en nationell eller europeisk molninfrastruktur till stöd, och när kan vi använda utomeuropeiska företags moln?

• Hållbarhet. Hur blir tillämpningen av AI ansvarsfull och transparent? Hur tillförlitliga är AI-lösningar över tid?

• Digital mognad. Är arbetstagare och invånare redo att låta sina liv styras av algoritmer de troligen inte kan förstå? Hur sammanför vi domänexperter med dem som kan AI-teknik, eller ska domänexperterna lära sig mer om AI?

• Forskning > Innovation > Implementering. Hur ska vi utvärdera AI-forskningens resultat? Fynden måste förädlas genom en innovationsprocess mot stundande implementering. Än så länge är det slagsida åt forskning och väldigt lite implementerat.

• Delande av data, resurser och resultat. I Sverige behöver vi dela med oss i större utsträckning! Att dela med oss av de resurser vi har, skapa etablerade modeller som kan användas av fler och inom fler områden, samt samarbeta om data.”

Utvecklingen av AI kan placeras i framkanten av vår digitala utveckling. I spetsen. Men för vård- och omsorgsverksamheter handlar det minst lika ofta om att börja arbeta med det grundläggande. Med automatisering av processer.