Artificiell intelligens (AI) definieras ofta som datorprograms förmåga att efterlikna människors och djurs naturliga intelligens. Fältet växer sig allt större, och många av oss använder AI-tjänster i princip dagligen. Det kan handla om när vi söker information på internet, pratar med automatiska telefonväxlar eller när Youtube och Netflix föreslår videor att titta på. 

AI används också allt mer i sjukvården. Ett område som kommit förhållandevis långt är bilddiagnostik, där exempelvis algoritmer kan hjälpa till att tolka röntgenbilder eller ultraljud.  

För ett par år sedan visade en kartläggning som Socialstyrelsen gjort att det finns en hel del svensk forskning på AI i hälso- och sjukvården. Men den kliniska användningen var begränsad (se faktaruta). 

För att förenkla vägen mellan forskning och praktisk användning startades i höstas CAIR-lab på Danderyds sjukhus i samarbete med Karolinska institutet (KI). CAIR står för »Clinical AI research« och uttalas som engelskans »care«. 

– Jag tror att vi är ganska världsunika med den här profilen med sjukhus och universitet och tidig implementation i en bred klinisk verksamhet. Ganska mycket AI-verksamhet är annars isolerad i en miljö som bara är teknisk, som inte löser de kliniska problemen. 

Det säger Max Gordon, överläkare på ortopedkliniken vid Danderyds sjukhus samt verksamhetschef på CAIR-lab. Labbet i sig är nytt, men sjukhuset har arbetat med AI i flera år och Max Gordon har varit en eldsjäl. 

CAIR-lab ska hjälpa till att snabbt ta fram prototyper som ska kunna testas säkert i kliniska miljöer. Förutom KI tar man även hjälp av expertis från Kungliga Tekniska högskolan (KTH). Idéerna till projekten kommer ofta från kliniskt verksamma forskare. 

– Vi kommer att ta in alla specialiteter på sjukhuset som har AI-idéer, säger Max Gordon. 

– Har vi ett problem i vår kliniska vardag som vi tror lämpar sig för AI tittar vi på vilka lösningar som skulle kunna fungera, och så ser vi hur vi snabbt ska kunna göra det till en pilot på sjukhuset. 

Tanken är att labbet ska fungera både som inkubator – det vill säga hjälpa projekt att få fart till en början – och som accelerator, där projektet i princip stöds hela vägen fram till en färdig produkt som kan komma ut på marknaden. 

– Förhoppningsvis kan vi sedan låta ett företag driva det till CE-märkning och allt som behövs för att sprida en produkt som kan komma kliniker och patienter till nytta. 

Max Gordon säger att AI fungerar jättebra för vissa spetsuppgifter, där den kan prestera bättre än människor. Men om förutsättningarna ändras lite är det inte alls säkert att den fungerar lika bra. 

– Så man måste hela tiden vara medveten och ha den mänskliga förståelsen för miljön man befinner sig i. 

Han ser mammografi och patologi som två exempel på områden där AI har väldigt stor potential i framtiden. Där finns det ofta bara en källa till data, vilket är betydligt enklare för datorprogrammet att arbeta med än när många olika variabler ska vägas in.  

– Inom vissa områden kommer förmodligen AI att bli det dominerande verktyget, där människan går in i de knepigaste fallen. Det finns alltid otydliga gränsland där man behöver ta beslut om ytterligare prov eller fundera på om det finns något annat man inte har tänkt på.  

Han tror att läkarna kommer att stå för den kreativa processen, medan AI exempelvis kommer att utföra mer monotona uppgifter. Ett exempel på monotona uppgifter som AI utför i dag, och som Max Gordon inte tror att någon läkare saknar, är att numrera kotor. Ett grundläggande AI-stöd i EKG-tolkning har också funnits en längre tid. 

– Då slipper ju kardiologen alla frågor där ortopeden kommer springande och undrar »Vad är det här för något? Ska jag vara orolig?«, säger Max Gordon och skrattar. 

Ett projekt på Danderyds sjukhus som har hjälp av CAIR-labbet handlar om tolkning av elektronisk fosterövervakning, kardiotokografi, eller CTG som är den engelska förkortningen. 

– När man efterlyste lämpliga AI-projekt från olika kliniker, kände jag och min kollega Sophia Brismar Wendel att det här var perfekt. CTG handlar om att känna igen mönster, säger Helena Kopp Kallner, överläkare inom obstetrik och gynekologi samt docent på KI. 

Projektet är i sin linda, men är tänkt att i framtiden kunna assistera läkarna i tolkning av CTG. AI ska läras att identifiera avvikande kurvor och då slå larm. Ett nästa steg kan handla om att hjälpa till med riskvärdering av patienter. 

Just nu undersöker man förutsättningarna för projektet, skriver en etikansökan för att få ut data, tittar på vilka parametrar som ska matas in och vilka grupper patienter man ska satsa på. Samtidigt har CAIR-labbet börjat titta på lämpliga algoritmer. 

Helena Kopp Kallner säger att det har gjorts försök med tekniken tidigare och liknande projekt pågår just nu. Och hon hoppas att genom CAIR-labbet kunna samarbeta med andra.   

Helena Kopp Kallner tror inte att CTG-tolkningen någonsin blir automatiserad, men AI skulle kunna vara ett stöd. Och i framtiden kanske AI:n kan användas för en smidigare hemmonitorering och för att hjälpa läkarna att se små avvikelser i kurvorna. 

– Där vore det intressant om datorn kan se något annat än det vi ser, eftersom den har möjlighet att beräkna korttidsvariabilitet – de enormt små variationerna i hjärtfrekvens, säger Helena Kopp Kallner. 

– Har man nedsatt korttidsvariabilitet, vet man att det är associerat med större sjuklighet hos fostret. Men det är något som det mänskliga ögat har svårt att bedöma. 

Ett annat projekt är CLEOS, »Clinical expert operating system«. 

– Det handlar om digital anamnes för att skärpa diagnostiken av bröstsmärta hos patienter på akuten, säger Helge Brandberg, specialist i internmedicin och ST-läkare i kardiologi vid Danderyds sjukhus samt doktorand på KI. 

Bröstsmärtor är en av de vanligaste sökorsakerna på akutmottagningarna. Men trycket på akuterna är ibland högt, och risken är att läkarna missar signaler på hjärtinfarkt. Den primära tanken är att digital anamnes snabbare och säkrare ska identifiera patienter med hjärtinfarkt, men också att patienter med andra orsaker till bröstsmärtor ska få lämplig handläggning så snart som möjligt. 

Det ska efterlikna en läkarintervju och har i nuläget ett frågebatteri med 17 000 så kallade beslutsnoder. Patienterna får frågor på en läsplatta, och systemet ställer utifrån svaren lämpliga följdfrågor.  

– En del undrar vad patienter egentligen tycker när de kommer med akuta bröstsmärtor och vi sätter en läsplatta i händerna på dem. Men i en genomförbarhetsstudie har vi sett att det accepterats väldigt väl av patienterna, säger Helge Brandberg. 

Projektet började 2017 och är en del av ett större samarbete på KI, men ska nu tas in i en ny fas med hjälp av CAIR-labbet. AI-verktyget ska optimeras och kan framöver kopplas ihop med AI-tolkning av EKG. 

– Jag har inte så djup kunskap inom programmering, jag är ju hjärtläkare – det är min huvudkompetens. Men via CAIR-lab kan jag få kontakt med programmerare, andra AI-forskare och samarbeten i Sverige, säger Helge Brandberg. 

– Men de underlättar också genomförandet av den kliniska AI-studien. Det är flera regelverk som är svåra att förhålla sig till, och att samla kompetensen om hur man bedriver AI-studier är ett väldigt fint stöd. 

Just nu är projektet akademiskt. Men Helge Brandberg vill se en färdig produkt i kliniskt bruk i framtiden, inte bara i Sverige. 

– Hög belastning på akutmottagningar, där det tar för lång tid att identifiera pågående hjärtinfarkter, är ett internationellt problem.  

Nyligen invigde också Sahlgrenska universitetssjukhuset i Göteborg sitt Kompetenscentrum AI. Det ser ut att få lite mer fokus på forskning än kliniknära utveckling, men ska kunna ta sig an idéer som uppstår i den kliniska vardagen. 

– Det kan gälla en forskningsfråga eller ett verksamhetsproblem där vi kan komma in som en verksamhetsutvecklare, men med AI-glasögon på. Hur kan vi med hjälp av AI lösa de här problemen? berättar Magnus Kjellberg, centrumföreståndare på Kompetenscentrum AI. 

Han ser verksamheten som en kraftsamling för att koordinera forskning, få kontinuitet i AI-arbetet och hitta synergieffekter och samarbeten. 

– De tidigare forskningsprojekten har varit något av spridda öar: man har jobbat med AI, producerat några artiklar, och så har det dött ut. Och så börjar någon annan person någon annanstans, och vet inte hur de tidigare har gått till väga. 

Kompetenscentrum AI ska erbjuda en sorts kom igång-stöd, inspiration och teknisk hjälp. För detta har Sahlgrenska universitetssjukhuset rekryterat egna AI-utvecklare. De ska arbeta med dataanalys och programmering och har kunskap om hälso- och sjukvården. 

Sahlgrenska universitetssjukhuset har flera egna projekt, där exempelvis bildanalys testas i sjukvården. Men en viktig uppgift för kompetenscentrumet är också att testa kommersiella produkter på marknaden för att avgöra vilka som kan köpas in och användas i verksamheten. 

Just nu har man två fokusområden. Det ena är att skapa en »testbädd« för att snabbt kunna ta in och utvärdera AI-produkter. Det andra handlar om administrativ AI, där Magnus Kjellberg tror att det finns vinster att göra relativt enkelt. 

– Vi har mycket utrustning och operationssalar som inte utnyttjas optimalt, och schemaläggning som inte är optimal. Manuellt är det ett mycket resurskrävande arbete. Det är en typisk uppgift som lämpar sig för AI: att lösa ett optimeringsproblem. 

– Sedan tänker jag på den allmänna planeringen kring vårdbehovet – att hitta flaskhalsar i våra vårdflöden. Där kan vi ta inspiration från till exempel produktionsindustrin.  

På Sahlgrenska universitetssjukhuset pågår exempelvis CIDAI-projektet (Cerebral ischemia detection using artificial intelligence).

– Det började med en frustration över att patienter låg framför mig och fick stroke, och att jag såg det för sent, säger initiativtagaren Helena Odenstedt Hergès, som är anestesi- och intensivvårdsläkare samt medicinskt ledningsansvarig för neurointensivvård på universitetssjukhuset. 

Många patienter på neurointensiven har drabbats av pulsåderbråckblödning. De löper dessutom en risk för sekundära skador om den följs av en hjärninfarkt. Eftersom en del patienter inte är vid medvetande är det svårare att undersöka dem och att förstå vad som händer. 

Helena Odenstedt Hergès blev sammanförd med en professor i mjukvaruutveckling med intresse för hantering av stora datamängder inom medicin. Tillsammans utformade de CIDAI-projektet med målet att i realtid kunna identifiera tecken på utveckling av stroke eller syrebrist i hjärnan. 

På intensivvårdsavdelningen mäter man kontinuerligt många olika fysiologiska parametrar som exempelvis hjärtrytm, blodtryck, syresättning och andning. 

– Det gör att intensivvårdsmiljön lämpar sig väldigt väl för tekniker som kan hantera stora mängder data. Det är vår svaghet som människor: att vi inte har förmågan att dra slutsatser från alla signaler som vi de facto registrerar hos patienterna. 

Projektet är på ett forskningsstadium, men Helena Odenstedt Hergès tycker att preliminära data är lovande, och forskarna har gjort ett par publikationer som pekar på att det går att identifiera dessa patienter. 

Helena Odenstedt Hergès tror att Kompetenscentrum AI kan få en viktig roll när det gäller teknisk expertis, vägledning i juridiska frågor, att driva digitaliseringen och inte minst i att skapa kontakt mellan medicinen och tekniken. 

– Det mest vitala är att hitta en bra samarbetspartner och en god förståelse mellan den expertis inom både medicin och teknik som är nödvändig, där båda förstår varandras problem. 

Magnus Kjellberg påpekar att AI är ett förhållandevis nytt fält. Men bara genom att arbeta med det får man insikter i vilka möjligheter som finns – och vilka begränsningarna är. 

– Det ska man inte heller underskatta: det är lätt att bara se möjligheter och tro att AI löser allt. Men samtidigt finns begränsningar vi måste lära oss om, säger han och fortsätter: 

– Det tror jag vi gör genom att driva projekt. Även om det i slutändan inte resulterar i något vi kliniskt kommer att använda har vi som organisation lärt oss hur vi ska hantera frågan. 

Sverige beskrivs ofta som framstående inom IT, samtidigt som det kan vara svårt för ett litet land att hävda sig mot teknologijättar i exempelvis USA. Sverige har dock mycket data att tillgå, till exempel genom alla kvalitetsregister.  

– Så vi har en bra möjlighet att kunna vara föregångare och framgångsrikt utveckla AI, säger Magnus Kjellberg. 

– Men hälso- och sjukvården behöver jobba med hur vi tillgängliggör hälsodata på ett bra och säkert sätt. Lagstiftningen har inte hängt med den tekniska utvecklingen. Här skulle jag gärna se förändringar så att det blir tydligare vad vi har att förhålla oss till. 

Max Gordon lyfter fram samma faktorer. 

– Vi ligger bra till med tanke på att vi har väldigt intressanta data i register och databaser. Bra data ger bra AI. Problemet ligger i att det är svårt att få ut. Dataskyddsförordningen GDPR gör att alla är rädda att dela data. 

AI-utvecklingen generellt har varit tidigt ute inom bland annat ordbehandling och underhållning. Inom medicinen har den visat sig kraftfull för att exempelvis förutsäga smittoutbrott och proteiners utseende, eller vid läkemedelsutveckling. Men i den kliniska vardagen tar det längre tid. Och så ska det vara, menar Max Gordon. 

– Vi kommer få AI sist – så funkar sjukvården. Vi har höga säkerhetsrutiner. Det är en helt annan sak att skriva ett felaktigt mejl än att ge ett felaktigt röntgenutlåtande.  

– Så det tar längre tid för sjukvården. Men det är här som den mest spännande och roliga potentialen finns.  

 

Tillämpningar av AI i dag 

  • I en kartläggning, som Social­styrelsen gjorde 2018, visade enkät- och intervjusvar att AI användes i totalt 59 applikationer i drift i hälso- och sjukvården i regionerna. Ytterligare drygt 100 planerades för de kommande åren. 
  • Ett förhållandevis populärt område där AI används i dag är bildanalys från exempelvis röntgen eller ultraljud. 2018 var bildanalys det område där mest svensk forskning pågick och där flest applikationer väntades införas. 
  • Ett annat område är patient­övervakning och stöd i hemmet. Det rör sig till exempel om fjärrövervakning av patienter med hjärtsvikt och medicinerings­boxar som påminner patienten om att det är dags att ta sin medicin. 
  • Vid Socialstyrelsens kartläggning använde drygt hälften av de 59 tillämpningarna en svagare AI-typ, så kallade regelstyrda system, men majoriteten av tillämpningarna som var på väg att införas använde maskininlärning. 

Några begrepp inom artificiell intelligens 

  • En algoritm är i matematik och datavetenskap en uppsättning instruktioner som med inmatade data löser ett problem. Varje steg måste vara otvetydigt.  
  • Maskininlärning är ett område inom AI, där datorer genom träning ska upptäcka och lära sig regler för att lösa en uppgift i stället för att programmeras med specifika regler för en specifik uppgift.  
  • Nätverk, neuronnät, är ett samlingsnamn för självlärande algoritmer som försöker efterlikna exempelvis den mänskliga hjärnan. De kan tränas med kända data och svar, eller utan facit för att hitta nya relationer mellan data. 
  • Regelstyrda system drar slutsatser efter en samling regler (algoritmer) och i förväg lagrade fakta, men saknar förmågan till självinlärning.  
  • Programspråk används av människor för att skapa datorprogram, till skillnad från maskinkod som är datorernas grundspråk och som bara består av ettor och nollor.
    Populära programmeringsspråk för maskininlärning och statistik är Python, R och Julia. 

Max Gordon intresserade sig tidigt för artificiell intelligens

Max Gordon Foto: Rickard Kilström

Max Gordons intresse för programmering började i tonåren, och han gick datateknisk linje på Forsmarks gymnasium. Efter det gick han ett halvår på KTH i Stockholm innan han började läkarlinjen i Göteborg. »Under AT gjorde jag ett program för hantering av föreläsningar och anmälningar på webben. Allt som var värdefullt och smidigt för mig programmerade jag.« 

Genom sin avhandling lärde han sig programspråket R, som är bra på statistiska beräkningar. Ett program han gjorde för att få in tabeller i Word laddas än i dag ned omkring 200 000 gånger i månaden. »Jag la ut det för alla att använda och det blev en superhit.«