Article

Så här utvecklar AI nu vården - från röstanalys som biomarkör till förenklad administration.

Chat GPT revolutionerar nu världen. Aldrig tidigare har vi sett ett så kraftigt AI-verktyg eller en digitaliserad tjänst som sprider sig lika snabbt. Den och andra AI-tjänster kommer att utveckla vården och bidra till allt från minskad administration till att ställa diagnoser genom att analysera patienters tal. Här ger Jesper Hessius, specialistläkare och medicinskt ansvarig på Nuance, exempel på hur sjukvården nu förändras.

Ett viktigt område där AI har gjort skillnad är diagnostik och behandling av sjukdomar. AI-algoritmer kan analysera stora mängder data och identifiera mönster som kanske inte är uppenbara för det mänskliga ögat. Detta kan hjälpa läkare att ställa mer exakta diagnoser och skräddarsy behandlingsplaner för enskilda patienter.

Denna inledning skriver alltså AI-verktyget Chat GPT när jag ber det att ”skriva en artikel om integrerad AI i vården på 3 000 tecken”. Chat GPT fortsätter sedan:

Ett annat sätt på vilket AI används inom sjukvården är att hjälpa till med administrativa uppgifter och förbättra den övergripande effektiviteten. AI-drivna system kan hantera uppgifter som schemaläggning av möten, hantering av medicinska journaler och till och med behandling av försäkringsanspråk. Detta kan frigöra tid för vårdpersonal att fokusera på patientvård och förbättra den övergripande patientupplevelsen.

Mycket av detta är faktiskt helt spot on (och framöver är det människan Jesper som skriver). Även om AI-verktyget kanske själv är lite väl optimistisk kring exempelvis hur implementeringen inom diagnostiken fortskridit så är verktygen är alltså redan här och börjar redan nu förändrasjukvården och kommer att göra det i ännu högre utsträckning i framtiden.

AI som motverkar utbrändhet

I takt med att sjukvården blir mer komplex ställs högre krav på dokumentation av vårdinsatserna. Det gör att läkare och annan sjukvårdspersonal spenderar en stor del av tiden med att dokumentera arbetet, vilket är en bidragande orsak till allt större problem med utbrändhet.

Som Chat GPT slog fast ovan så kan redan tillgängliga tekniklösningar bidra till att minska den börda som kraven på dokumentation innebär. AI-baserad taligenkänning är ett exempel. Under de senaste tio åren har träffsäkerheten för sådana lösningar förbättrats markant. Det gör att sjukvårdspersonal kan dokumentera sitt arbete genom att tala in beskrivningar och arbetet kan effektiviseras med åtskilliga timmar varje vecka. Över tid gör det att risken för utbrändhet reduceras och att det blir enklare för sjukvårdspersonal att få till en bra balans mellan arbete och privatliv. Med dessa verktyg finns inte längre en distinktion mellan “strukturerad” och “ostrukturerad data”, data plockas enkelt ur fritext.

Mer avancerad taligenkänning

Molnbaserad taligenkänning möjliggör redan idag flera olika tillämpningar. Ett exempel är att virtuella assistenter kan leta efter information i patientjournaler. En läkare kan till exempel säga ”visa resultatet av den senaste magnetröntgen”, varvid assistenten hämtar information. Ett annat exempel är att en läkare gör beställningar av provtagning, antingen genom att be assistenten om det eller genom att helt enkelt i sin journalanteckning nämna den kommande provtagningen.

Integrerade AI-lösningar kan även användas för att analysera samtal mellan läkare och patienter, för att utvinna relevant information och föra in den i patientjournaler. Det gör att läkare kan sluta att bli låsta till sina bildskärmar och i stället ge uppmärksamhet åt patienter. Resultatet blir mer naturliga samtal som inte avbryts av läkares skrivande och klickande och som heller inte förlitar sig på att läkaren ska minnas hela samtalet i efterhand och då dokumentera – dokumentationen skriver sig själv redan under besöket. Det låter som en framtidsspaning, men detta är något som redan idag är i kliniskt bruk runtom i USA.

Röstanalys – en ny biomarkör i det diagnostiska arbetet

När vi pratar används flera delar av våra kroppar, som lungor, stämband, tunga, läppar, näsgångar och, i bästa fall, hjärnan. Tal innehåller fler än 2 500 biomarkörer som kan analyseras i realtid och bidra till att ställa diagnoser. Det går till exempel att upptäcka depressioner och ångest, och till och med sociala bestämningsfaktorer för hälsa.

Den kanske allra största potentialen för integrerad AI är att göra det möjligt för sjukvården att lämna sjukvårdsinrättningens fyra väggar och exempelvis övervaka patienters hälsotillstånd och förbättra vård i hemmet. Med sensorer i form av kroppsnära enheter, kameror, radar och akustiska mätinstrument går det till exempel att upptäcka Parkinsons sjukdom flera år tidigare än med dagens metoder.

När Chat GPT får frågan om hur AI kommer att påverka vården 2050 svarar den att den inte spår i framtiden, vilket vi människor dock kan försöka oss på: Sensorer och uppkopplade enheter kommer att användas allt mer. Det ger tillgång till data som kan användas för att förfina AI-lösningar för att upptäcka, förutsäga och behandla sjukdomar. De exakta lösningarna har vi inte, men det är tydligt att vi är inne i en period av snabb utveckling och där vi i sjukvården behövs för att vara med och guida tekniken för att kunna dra nytta av dessa landvinningar. Med rätt verktyg kommer AI-baserade verktyg, långt innan 2050, ge oss bättre resultat för vårdinsatser och bättre upplevelser för både patienter och sjukvårdspersonal, samt en mer tillgänglig och kostnadseffektiv sjukvård.

Fotnot: Bilden på Jesper Hessius är framställd med hjälp av AI-programmet Stable Diffusion som har tränat på ett 20-tal bilder av Jesper och därefter konstruerat en bild.