Artificiell intelligens, eller AI, är ett begrepp som många har hört talas om men vad är det egentligen? Pratar vi om människolika robotar som utför alla våra önskningar eller kan AI vara en dator som hjälper läkare att analysera röntgenbilder? Här reder vi ut var i vården AI används redan i dag, vad vi kan förvänta oss inom den närmaste framtiden och vad vi bör se upp med.

För att reda ut alla dessa och många fler frågor har vi tagit hjälp av Einar Heiberg, forskare i klinisk fysiologi vid Lunds universitet och Skånes universitetssjukhus. Till vardags forskar han på bildanalys av hjärtan med hjälp av AI och 3D-utskrivning av medicinska modeller som bland annat kan användas för att förbereda operationer.

AI är ett brett begrepp som man började prata om redan på 1950-talet och som då definierades som ”maskiner som utför uppgifter som är karakteristiska för mänsklig intelligens”. På 1980-talet myntades begreppet maskininlärning som kortfattat går ut på att datorn lär sig själv utifrån givna exempel. Men det gick långsamt och början av 90-talet omnämns ofta som AI-vintern. I mitten av 90-talet blommade intresset upp för det som kallas artificiella neurala nätverk, ANN, som förenklat efterliknar den mänskliga hjärnan med dess sammanlänkade nervceller. Det gick sedan fortsatt långsamt och en anledning till att det inte hände så mycket var att det saknades datorkapacitet. Detta ändrades snabbt i början på 2010-talet. Då kom kraftfulla grafikkort som kunde börja användas för så kallad ”deep learning”, DL eller djupinlärning. DL bygger på samma princip som artificiella nätverk men består av nätverk i flera, därmed djupare, lager. (länk till ordlista)

– Datorkraften, tillsammans med den ökade mängden data som AI:n kunde tränas med, hade en avgörande betydelse. Ju djupare nätverk desto mer datorkraft krävs det men då blir det också så mycket bättre. Plötsligt kunde man lösa nya komplicerade problem, säger Einar Heiberg.

AI och e-hälsa, hur hänger de ihop?

E-hälsa är ett annat begrepp som används allt oftare och som lätt förväxlas med AI. Einar Heiberg förklarar så här:

– E-hälsa handlar om insamling och lagring av hälsodata i digitalt format som gör det sökbart och enklare att hantera. AI däremot handlar om system som är självupplärda eller hanterar datamängder på ett nytt sätt.

De flesta hälsoappar är inte AI. Stegräknaren i din telefon samlar bara in information om hur mycket du har gått och presenterar det visuellt, som stapeldiagram till exempel. Men e-hälsa är en förutsättning för AI som behöver informationen i databaserna att utgå från. Har man tillgång till dessa kan man lägga AI ovanpå det. Ett exempel kan vara en app som samlar in data om din normala gångstil och hjärtfrekvens, som lär sig vad som är normalt för dig och kan reagera om något sedan avviker. Datainsamlingen är e-hälsa, analysen att något avviker är AI. Ett annat exempel är om man lär upp AI:n utifrån EKG*-kurvor insamlade från en stor mängd personer, både friska och med olika hjärtproblem. Då kan systemet automatiskt identifiera avvikelser.

– Tidigare hade en programmerare behövt lära sig olika typer av EKG:n för att sedan skriva program som identifierar olika avvikelser. Det nya är att systemet lär sig självt. Utifrån en stor mängd data som presenteras för datorn skriver den sina egna algoritmer, förklarar Einar Heiberg.

Kommit längst inom är bildanalys

Det pågår mycket forskning kring hur AI skulle kunna komma till nytta inom vården men än så länge finns ganska få tillämpningar där det används kliniskt. Området som man har kommit längst inom är bildanalys. Ett konkret exempel är granskning av mammografibilder. Först tränas AI:n på ett stort antal mammografibilder som analyserats av radiologer och där det finns ett ”facit”. AI:n lär sig på så sätt att skilja mellan bilder med eller utan tumörer. Ett forskningsprojekt pågår just nu där man vill undersöka om AI kan ersätta en av de två granskade radiologerna som normalt brukar analysera mammografibilder (läs mer om projektet).

Ett annat område där man har kommit långt är taligenkänning, som gör det möjligt att omvandla talat språk till text. I vården skulle det kunna avlasta medicinska sekreterare. Tekniken skulle också kunna användas för diagnostisering av vissa sjukdomar. Röstprov har till exempel visat sig kunna ge information om vem som har Parkinsons sjukdom och i vilken grad (läs mer om projektet).

Kan inte generalisera

I dag kan en AI bli mycket bra, kanske lika bra som en människa inom ett smalt område, till exempel att analysera mammografibilder. Men AI:n kan inte flytta över den inlärda färdigheten, algoritmen, till att leta tumörer på andra ställen i kroppen, så som en radiolog kan.

– Små nischade system, så kallade smala AI:n fungerar väldigt bra men klarar inte bredden, att se fler saker samtidigt, som vi människor är bra på. Det är i dag mycket svårt för en AI att efterlikna.

Framtidens utmaningar

Vad kan vi vänta oss av artificiell intelligens inom den närmaste framtiden, kommer den kunna hjälpa oss att möta sjukvårdens utmaningar med en åldrande befolkning och begränsade resurser?

– Om vi kan hjälpa människor att med olika system och appar övervaka sin egen hälsa så skulle man frigöra resurser. Framför allt finns mycket att vinna om folk söker i förebyggande syfte. Ett system som tidigt flaggar för att något är fel kan förhoppningsvis bidra till att folk söker tidigt. Och en tidig behandling besparar både lidande och resurser.

Andra områden där AI skulle kunna göra nytta är att få bort monotona uppgifter och frigöra mer tid för patientmöten. Eller ett system som analyserar sjukhusflöden och koordinerar vårdplatser. Men vi måste se upp med att inte bygga in bias**. Om till exempel en bank vill använda AI för att ge lånelöften och systemet lärs upp genom att titta bakåt, vilka har fått lånelöften tidigare, kommer det att missgynna underrepresenterade grupper. Och inom sjukvården kan till exempel en AI som ska känna igen en hjärtinfarkt missa fler kvinnor om systemet i huvudsak är tränat på män.

– Dålig AI kan vidga dagens orättvisor, medan bra AI kan minska dem, menar Einar Heidberg och fortsätter:

– För att få rättvisa system måste vi se till att träningsdata är av bra kvalitet, representativa och inte innehåller bias.

Text: EVA BARTONEK ROXÅ

*EKG betyder elektrokardiogram och är en metod för att mäta hjärtats elektriska aktivitet; **Bias: ung. partiskhet eller fördom

AI, Alphago och kreativitet?

Alphago är ett datorprogram som spelar brädspelet Go. 2015 lyckades datorprogrammet slå världens främsta Go-spelare. Många menar att Go är en större utmaning för datorer än schack och programmet tränades genom att först spela mot sig själv och på så sätt hitta nya mönster av kombinationer som aldrig tidigare spelats av människor. Men kan det kallas kreativitet?

Nej, säger Einar Heiberg som menar att kreativitet är något som uppstår när man går ”utanför boxen” eller utanför den gängse normen. Alphago hittade helt nya mönster men det var fortfarande inom ramen för spelet, inom boxen. Datorer och dagens AI klarar inte av att gå utanför boxen.