Genom att ta AI och maskininlärning till hjälp kan vården hitta mönster i stora datamängder, och använda kunskapen till att fatta bättre beslut för patienter. Mattias Ohlsson använder metoderna i flera projekt för att göra sjukvården bättre.
”Informationsdriven vård” kallar Mattias Ohlsson sitt forskningsfält.
– Det handlar om att låta data styra för att fatta så smarta beslut som möjligt i behandlingen av patienter.
Han arbetar bland annat med artificiella neurala nätverk – algoritmer som tränas på stora mängder data och gradvis lär sig att dra bättre slutsatser. Han ingår också i det tvärvetenskapliga forskningsprojektet AIR Lund. Det handlar om att använda AI i registerforskning, då information från medicinska databaser används för att dra slutsatser från stora patientgrupper. Till exempel studerar man registerdata om patienter som sökt akut hjälp för hjärtproblem, för att hitta faktorer som kunde kopplas till att patienter senare blev mycket sjuka eller avled. På det viset hoppas man få mer kunskap för att i framtiden snabbt kunna fatta bättre beslut vid akutmottagningar.
AIR är ett samarbete mellan fem ämnesområden vid Lunds universitet, Högskolan i Halmstad, Region Skåne och Region Halland. Mattias Ohlsson tycker att projektet är extra spännande just för att det kombinerar så många forskningsområden, man diskuterar juridik och etik och talar mycket om det som kallas bias i data. Det är ett engelskt ord som kan översättas till ”partiskhet” eller ”fördom”.
– Anta att en algoritm ska hitta hjärtinfarkter. Om jag tränar den på enbart män mellan 50 och 60 års ålder i Skåne,
så kommer det förmodligen bli fel om jag använder den på en helt annan grupp. AI är på sätt och vis ganska dum. Den kan inte resonera, och den blir inte bättre eller mer opartisk än den data vi matar den med, säger Mattias Ohlsson.
Svårt att nå hela vägen till kliniken
I ett annat projekt arbetar han med Lisa Rydén, professor i kirurgi vid Lunds universitet och överläkare vid Skånes universitetssjukhus, för att minska onödiga ingrepp vid bröstcanceroperationer. I dag är det standard att efter operationen ta en biopsi, ett vävnadsprov, i armhålans lymfkörtlar för att upptäcka eventuell cancerspridning. Men biopsitagningen kan leda till komplikationer. Forskarna i projektet har utvecklat ett system som med hjälp av bland annat data om tumörens storlek och karaktär kan bedöma spridningsrisken. Om den är mycket liten kan läkaren välja bort biopsin.
Nu utvärderas systemet och forskarna samarbetar med ett företag i Linköping som tar fram en version som ska CE-märkas, den kvalitetsmärkning som krävs för all medicinteknik.
– Det är väldigt tillfredsställande att vi kan ta projektet hela vägen till praktisk användning. Jag har gjort så många studier där man sett att maskininlärning med registerdata skulle kunna förbättra diagnoser och prognoser – men så blir det bara en artikel i en vetenskaplig tidskrift och inget mer. Att införa ett nytt koncept i vården är väldigt komplext.
Viktigt göra AI begripligt
Mattias Ohlsson ser ett stort glapp mellan antalet forskningsstudier och antalet algoritmer som faktiskt godkänns för användning i vården. Hindren är många. Juridik, etik, teknik, föråldrade journalsystem, att algoritmerna kräver att vårdpersonalen ändrar sitt arbetssätt, med mera.
– I dag pratar man mycket om ”explainable AI”, att vi måste utveckla systemen så att det går att förstå hur besluten fattas. Vi måste ju ha vårdens förtroende för tekniken för att någon ska vilja använda den. Det tror jag man måste lägga krut på de närmaste åren, för det finns en otrolig potential i detta. Genom informationsdriven vård och precisionsmedicin kan patienten får exakt den vård som hjälper bäst.
TEXT: LISA KIRSEBOM
