Hva er det viktigste dere gjør på jobben?
Vi bruker AI til å redde liv og bidrar til å bygge et tryggere samfunn. Fokuset er helsesektoren hvor vi utvikler en AI basert applikasjon for bemanningsplanlegging, og slik sikre at ansatte i Helsenorge får utnyttet sitt potensiale.
Hva fokuserer du på innen AI?
Bemanningsplanlegging. Forstå hvor mange ansatte man trenger på jobb og hvilken kompetanse som trengs. Vi fokuserer også på tidlig varsling for pasienter og overførbar teknologi.
Hvorfor er det spennende?
Veldig motiverende å være med på å redde liv og forbedre livskvalitet. Og det er spennende å se at man løser et reelt behov og gir folk en enklere arbeidshverdag. Bruke teknologi og AI for å gi ny innsikt.
Hva synes du er de mest interessante kontroverser?
Redsel for datadeling etter GDPR og myten om at AI er farlig og stjeler jobber.
Dine egne relevante prosjekter siste året?
Samarbeid med Laerdal Medical og Norsk Telemedisin.
Dine andre favoritteksempler på AI internasjonalt og nasjonalt?
Analyse av 911 calls av Corti, An Augmented Reality Microscope for Cancer Detection og AlphaGo av DeepMind.
Hva tror du er relevant kunnskap for fremtiden?
Forstå mulighetene innen AI, og se på eksempler og prøve å relatere det til problemstillinger i egen bedrift.
Hva gjør vi unikt godt i Norge av dette?
Vi kunne vært mer frempå og tatt en posisjon på AI fronten, men det blir spennende å se hva digitaliseringsministeren klarer å utrette. Vi engasjerer oss i EUs samarbeidsgruppe – Ieva, og samler data ved sykehus i Norge.
Et favoritt fremtidssitat?
You need to remember that the technology doesn’t get to decide, it is humans that get to decide. Human beings make the technology.
Viktigste poeng fra vår samtale?
AI har et enormt potensiale for forbedring av konkrete problemstillinger, og kan i mange sammenhenger være livsviktig. Men vi må være åpne for endring og ha kunnskap nok til å se mulighetene.
Hva er det viktigste dere gjør på jobben?
Vi bruker AI til å redde liv og bidrar til å bygge et tryggere samfunn. Fokuset er helsesektoren hvor vi utvikler en AI basert applikasjon for bemanningsplanlegging, og slik sikre at ansatte i Helsenorge får utnyttet sitt potensiale.
Hva fokuserer du på innen AI?
Bemanningsplanlegging. Forstå hvor mange ansatte man trenger på jobb og hvilken kompetanse som trengs. Vi fokuserer også på tidlig varsling for pasienter og overførbar teknologi.
Hvorfor er det spennende?
Veldig motiverende å være med på å redde liv og forbedre livskvalitet. Og det er spennende å se at man løser et reelt behov og gir folk en enklere arbeidshverdag. Bruke teknologi og AI for å gi ny innsikt.
Hva synes du er de mest interessante kontroverser?
Redsel for datadeling etter GDPR og myten om at AI er farlig og stjeler jobber.
Dine egne relevante prosjekter siste året?
Samarbeid med Laerdal Medical og Norsk Telemedisin.
Dine andre favoritteksempler på AI internasjonalt og nasjonalt?
Analyse av 911 calls av Corti, An Augmented Reality Microscope for Cancer Detection og AlphaGo av DeepMind.
Hva tror du er relevant kunnskap for fremtiden?
Forstå mulighetene innen AI, og se på eksempler og prøve å relatere det til problemstillinger i egen bedrift.
Hva gjør vi unikt godt i Norge av dette?
Vi kunne vært mer frempå og tatt en posisjon på AI fronten, men det blir spennende å se hva digitaliseringsministeren klarer å utrette. Vi engasjerer oss i EUs samarbeidsgruppe – Ieva, og samler data ved sykehus i Norge.
Et favoritt fremtidssitat?
You need to remember that the technology doesn’t get to decide, it is humans that get to decide. Human beings make the technology.
Viktigste poeng fra vår samtale?
AI har et enormt potensiale for forbedring av konkrete problemstillinger, og kan i mange sammenhenger være livsviktig. Men vi må være åpne for endring og ha kunnskap nok til å se mulighetene.
DatadelingMaskinlæring
Helsesektoren
Kunstig intelligens
Coursera Executive Data Science Specialization The O'Reilly Data Show Podcast Black Mirror Not So Standard Deviations
Del denne Casen
En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg.
Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.
En LØRN CASE er en kort og praktisk, lett og morsom, innovasjonshistorie. Den er fortalt på 30 minutter, er samtalebasert, og virker like bra som podkast, video eller tekst. Lytt og lær der det passer deg best! Vi dekker 15 tematiske områder om teknologi, innovasjon og ledelse, og 10 perspektiver som gründer, forsker etc. På denne siden kan du lytte, se eller lese gratis, men vi anbefaler deg å registrere deg, slik at vi kan lage personaliserte læringsstier for nettopp deg. Vi vil gjerne hjelpe deg komme i gang og fortsette å drive med livslang læring.
Flere caser i samme tema
More Cases in the same topic
Karl Munthe-Kaas
Styreleder
Oda
Anne-Lise Fredriksen
Utviklingsleder
NKI
Ole Gabrielsen
Direktør for teknologi og endring
Sarpsborg Kommune
Tor Inge Vasshus
CEO
Corporater
Silvija Seres: Hei, og velkommen til Lørn i samarbeid med SR-Bank. Vi er i Stavanger. Jeg er Silivja Seres og gjesten min er Helge Bjorland som er daglig leder i Globus AI.
Helge J. Bjorland: Hei, Silivja. Veldig hyggelig å være her.
Silvija: Hei Helge. Dere driver med kunstig intelligens anvendt på helsesektoren. Både for bemanningsplanlegging, og kanskje prioritering. Du skal hjelpe oss å forstå hva AI har med helsesektor å gjøre når vi kommer i gang. Før vi gjør det, kan du fortelle oss litt om hvor du kommer fra og hvorfor?
Helge: Jeg har bakgrunn som økonom og har tatt utdannelse i Data Science. Og har jobbet store deler av karrieren som data scientist og ledet et data science-team.
Silvija: En økonom altså? Så går du rett inn i Data Science. Det synes jeg er en veldig god kombinasjon. Hjelp oss å forstå hvordan du skjønte at dette var viktig og riktig for en økonom å gjøre?
Helge: Ja, det begynte jo med analyse og regneark. Og så begynte jeg fort å lage makroer, programmere og gjøre disse tingene her, og da så jeg hvor nyttig det var. Det gjorde ting mer effektivt. Og så ble jeg ganske fascinert av hvor mye du kunne få maskinen til å forstå og lære for å gi bedre anbefalinger.
Silvija: Fordi det som er greia med big data og Data Science, er at jeg tror folk tror at maskinen på et eller annet magisk avis forteller deg hva du skal gjøre med businessen din, men egentlig prøver den bare å hjelpe deg med å finne mønster hvis du stiller de riktige spørsmålene og har de riktige dataene.
Helge: Ja, det er veldig viktige å ha de riktige dataene, og så finne mønster i de dataene. Og så er det jo mye kreativitet i det og. Hvordan du bruker datasettene, hva slags variabler du tar med, og hvordan du setter sammen ulike typer data. Det er ganske spennende å jobbe med.
Silvija: Og så startet du Globus AI?
H.B: Ja, så startet jeg Globus AI i 2017 sammen med tre andre kollegaer jeg jobbet med i Ekvinom. Der begynte vel det hele med en visjon. For min del så var det en historie med min sønn. Jeg har tre barn. Min eldste sønn Aksel, da han var fire år var vi i en jernvarebutikk. Der hadde de en robot-gressklipper som gikk rundt på en sånn gressmatte. Han synes den var veldig stilig. Han sto og så på den. Jeg var og betalte, holdt øye med han, snudde meg vekk litt og da jeg så tilbake igjen, så lå han med hånda utstrakt på den gressmatta. Akkurat da snudde gressklipperen og kjørte over hånda hans. Så jeg springer bort, og der er det jo blod og fingrene er kutta over. Det er dype kutt, så vi blir rusha inn til legevakta og sendt til sykehuset. Og der utfører de en sånn hasteoperasjon. Etter at det er ferdig, så snakker vi med sykepleieren. Hun sier at det ser ut som at det kommer til å gå bra, at de klarte å sy sammen nervene i fingrene og han kommer nok til å få bruke hendene igjen. Men så sa hun også at vi hadde veldig flaks, fordi en av de beste kirurgene var på vakt akkurat da. Så det var flaks. Så da begynte jeg å tenke at det er utrolig viktig å ha riktig folk på jobb til riktig tid, spesielt i helsesektoren. Så det var på en måte utgangspunktet mitt, og mye av det jeg jobbet med, altså i Ekvinord var dette med å bruke data og AI til å gi bedre beslutningsstøtte og redusere risiko, usikkerhet og tilfeldigheter. Så der så jeg at det måtte være potensiale for å bruke dette til noe bra.
Så holdt jeg kontakten med tre av de som jeg hadde jobbet med tidligere. De hadde også et sterkt ønske om å bruke sin kompetanse, erfaring og kunnskap om AI til å gjøre noe bra. Så da snakket vi sammen, og sa at vi ønsket å lage et selskap som har en visjon om å bruke AI og teknologi til å være med å redde liv og forbedre livskvalitet. Så det er det vi jobber mot.
Silvija: Man har data, pasienter og prosesser som foregår på sykehus. Så har man data om hva folk kan. Hvordan funker det?
H.B: Du må ha data, både om behovet, altså skiftene som er planlagt, pasientbelegg og du må ha informasjon om de ansatte, hva slags kompetanse de har og når de er ledige. Og så kan du sette dette sammen til anbefalinger på hvem som passer best til ulike oppdrag. Vi jobber jo blant annet med noe som passer til å gjøre ting mer effektivt, både for sykehus og sykehjem der de har skift, men vi jobber også med et bemanningsbyrå som leverer helsepersonell. Der får de inn oppdrag i tekstformat, enten på mail eller i Word-dokument sendt i vedlegg. Og alt har ulike format for ulike kunder. Da bruker vi AI til å forstå den teksten, natural language processing og gjør den ustrukturerte dataene strukturert. Så kombinerer vi det med de personene som vi har, og gjerne litt informasjon om hva slags jobber folk har gjort før og hva slags kompetanse de har. Mye data. Så gir den anbefalinger på hvem som passer best til ulike oppdrag.
Silvija: Spennende. Er det vanskelig å få rullet dette her ut? Vi er jo veldig bekymret for dette her med personvern, og dataer i helsesektoren. Av og til, så mye, at pasienten dør, fordi man ikke har tilgang til data. Er det lett eller vanskelig å rulle det ut? Hva vedder dere?
Helge: Det er jo derfor vi også har gått inn i bemanningsbransjen, fordi i offentlig sektor er det ganske vanskelig. Spesielt etter at GDPR kom, så har det blitt ganske mye redsel for å dele data. Spesielt dette med pasientdata. Selv om du anonymiserer og gjør ting trygt, så er det mye skepsis der.
Silvija: Jeg tror at hvis dere klarer å koble sammen de forskjellige siloene som dataene bor i, så ville dere gjort oss en fantastisk tjeneste, på tvers av helsesektoren også. Vi har hatt en serie på helsetec, og de alle legene sier, uten unntak, og vær så snill ikke begynn med den kunstig intelligens robot-kirurgen og sånne superkule greier. Vær så snill å hjelp oss med å komme til dataene når vi trenger dem. Det kommer en pasient til akutten, og da må legen gjennom fire forskjellige systemet for å samle sammen den informasjonen de trenger, og ofte er ikke disse systemene tilgjengelige en gang. Hvis man hadde klart å samle disse dataene. Av og til må man ha litt kunstig intelligens for å sy det sammen da.
Helge: Det er det vi jobber med. Å kunne hente ut data fra ulike system, og gi beslutningsstøtte.
Silvija: Kunstig intelligens er også litt magisk for veldig mange av oss. Fortell oss litt om hva kunstig intelligens er oppi alt dette her.
Helge: Det er et samlebegrep. Dette med AI er veldig vidt. En definisjon som er litt morsom er at det er alt maskinen ennå ikke får til. Et viktig element i AI er dette med maskinlæring, så det er det vi ofte bruker som et verktøy. Der har du ulike typer. Du har supervised learning, der du har et datasett med en label som det kalles. Det er et utfall som det ønsker å predikere. Så har du un-supervised learning, og der vet du ikke helt hva utfallet er. Og så har vi noe som heter reinforcement learning, som er litt umodent enda, men veldig spennende.
Silvija: Gi dem en liten gulrot underveis? Når de treffer?
Helge: Ja, gi dem en gulrot, og så går det mer på å finne den beste sekvensen av handlinger som gir best utfall.
Silvija: Vi snakket med noen fra offentlig sektor for ikke så lenge siden. De fortalte oss et kjempespennende eksempel på håndtering av saksbehandling hvor de prøver å kjenne igjen en type søknader, så sender de saker som ligner på noe en har behandlet før til samme person, for å gjenbruke kunnskapen. Er det noe sånt man kan tenke rundt bemannings-problematikk i helsesektoren også?
Silvija: Det er så mye man kan gjøre med AI, og man snakker ofte om AI First Strategy. Fortell oss litt om hva det betyr.
Helge: Det handler litt om tenkemåten vår. Da vi starter begynner vi jo med et utgangspunkt på hva slags data vi skal samle,, og hvordan vi skal strukturere de til å gjøre alt klart for bruk av AI.
Silvija: At man ikke skal bruke AI som en ettertanke, men heller begynne å rigge til for den. Da blir det bra.
Helge: Ja. Vi ser veldig mange som har laget en softwareløsning, og så vil de bruke AI senere, men da har de ikke strukturert til på den rette måten. Det er også viktig å få tilbakemelding fra brukerne for å forbedre modellene. Så alt dette her jobber vi inn fra starten av.
Silvija: Dere snakker også om en løsning som skal gi tidlig varsling av sykdom på pasienter. Ikke bare bemannings-optimalisering. Hvordan varsler man sykdom tidlig?
Helge: Vi jobber med et selskap som har sengesensorer, så da blir pasientene monitorert på natten når de sover. Så får du inn sensor-data som puls, hjerterytme, hjerterytme-variabilitet og sånne ting. Da kan vi ta de sensor-dataene, analysere de og gi personaliserte og dynamiske varsling-grenser til hver pasient. I dag setter de bare statiske grenser som sykepleierne må peke ut. Så setter de bare på maks nitti og under femti i puls, så får de en alarm. Mens her blir det en slags tunnel som passer til hver pasient.
Silvija: Jeg hørte et utrolig spennende eksempel på det med noen studenter fra NTNU som så på dette med natt-anfall på epilepsi, hvor du overvåker, men det er vanskelig å se signalene tidlig nok. Og det som brukes av utstyr og har blitt brukt tidligere, er ganske tungt å sove med, og invasive, men de har brukt billige og gode sensorer til å lage et belegg på seng og diverse kameraer som oppfatter både puls, temperatur, diverse øye flimmer-økning og så videre. Og kan forutse dette her før det blir kritisk. Det er et kjempespennende eksempel på bruk av kunstig intelligens med sensorikk på en måte som er unik.
Helge: Det er det vi jobber med nå. Prøve å forstå dette. Fordi nå får du alarmer, men vi vet ikke helt hvorfor alarmene kommer. Dataene er anonymisert, så vi har bare sensor-dataene og en anonym pasient ID. Så vi prøver å få igang en forskningsstudie for å se mer på hva som har inntruffet på de forskjellige alarmene. Sånn at du også kan si noe om hvorfor du får en alarm.
Silvija: Men en av de tingene som folk generelt er redde for med AI, er dette med at da tar de jobbene våre. Sykepleiere som sier at dette kan de helt fint gjøre selv, fordi det er jo jobben deres. Men det du sa til meg før vi begynte, at dette hjelper ansatte, i stedet for å erstatte dem. La oss snakke litt om denne kontroversen. AI og tapte jobber.
Helge: På noen områder kan det bli noen tapte jobber, sånn som dette med selvkjørende biler kan gjerne erstatte en del. Men akkurat i helsevesenet, så har vi for lite folk i utgangspunktet, og mange av de oppgavene som vi jobber med, er ting som tar mye tid. Det er manuelle og repetitive oppgaver som AI kan ta over, gjøre mer effektivt, og de som er helsepersonell får mer tid sammen med pasienten til å gjøre det som de er gode på.
Silvija: Så dette er egentlig en ting som gjør oss bedre på å gjøre våre jobber. Kanskje på litt nye måter. Og ikke erstatter oss.
Helge: Ja.
Silvija: Jeg synes også at dere har vært flinke til å tenke på overførbarhet rundt teknologi. Dere er i Stavanger. Her er det utrolig mange spennende løsninger på blant annet prediktivt vedlikehold av plattformer hvor det er masse sensorer, slik at man vet når ting eventuelt skal byttes ut eller når det blir kritisk, eller før det blir kritisk. Og dere overfører dette til helsesektoren. Fortell litt om denne erfaringen?
Helge: Det var litt av det vi hadde jobbet med i Ekvinord, så vi kunne det. Og så traff vi på Ledal Metikel, som også hadde en ambisjon om å redde liv. De lager treningsutstyr til helsesektoren. Deres mål er å redde 500.000 liv hvert år innen 2020. Det passet veldig bra med visjonen våres. Og der begynte vi å lage en applikasjon for prediktivt vedlikehold for deres utstyr. Så det er den teknologien vi har gjenbrukt for å følge opp pasienter og monitorere sensor-data fra pasienter. Det er mye overførbarhet, ja.
Silvija: Du nevnte også et annet selskap som heter Norsk Telemedisin, som dere har jobbet med. Hva gjør de?
Helge: Det er de som har senge-sensorene.
Silvija: Har du noen internasjonale eksempler som du ser opp til?
Helge: Ja, altså jeg liker veldig godt Alpha Go og det som ble gjort der. Og Deep Mind. I tillegg så har du mye spennende forbi helsesektoren, sånn som mikroskop som de kombinerer med AI, sånn at når du ser ned i mikroskopet, så får du highlightet de områdene som muligens er kreft, for eksempel.
Silvija: Den fremhever det som et menneske kanskje må se bedre på?`
Helge: Ja, og det hjelper deg jo til å finne de tingene som er viktige. En annen er Country AI som blir brukt av nødetatene. Så når folk ringer inn, så gir de beslutningsstøtte til operatørene som skal hjelpe.
Silvija: Så de analyserer 911-innringninger?
Helge: Ja. Det er mange spennende ting. Jeg tror du nevnte dette her med de som nevner blått. Jeg husker ikke om det var akkurat blått, men det er en farge som blir nevnt ofte av de som hadde slag. Sånne ting som det som de kan plukke opp på.
Silvija: Akkurat. Det er det som er så fascinerende med AI, eller dette med Deep Learning, at den finner mønstre som viser seg å være signifikante, men som vi mennesker er helt blinde for.
Helge: Det er da det skjer. Når du klarer å finne disse tingene.
Silvija: Vi holder på å gå tomme for tid. Jeg har lyst til å spørre deg om dette med samarbeid på tvers av siloer, fordi dere er så nydelig eksempel på dette her med overføringsmuligheter. Læring fra hverandre. Fra energi til helse, for eksempel. Jeg synes vi i Norge liker å snakke mye om dugnad, men vi er ikke så gode på dugnad på tvers av siloene. Det blir sånn at du lærer av andre i oljebransjen, hvis du selv er i oljebransjen. Og da gjør man jo de samme tingene som før. Det er ikke før vi får denne koblingen på tvers som dere gjør, at ting blir virkelig spennende. Hvordan fikk dere det til?`
Helge: Det var bare et ønske om å bruke dette på andre måter. Og vi så jo at får teknologien sin del, så er det ikke så farlig hvilken industri du er i. Jeg tror det er mye potensiale i å lære med av hverandre. Burde gjerne vært mer av det.
Silvija: Takk for at dere inspirerer både i energi-AI og helse-AI. Jeg spurte om det var noe du ville anbefale når det gjelder lesning om AI teknologi. Og da nevnte du et kurs av Coursera som jeg tror vi skal nevne?
Helge: Ja, det er et som heter Executive Data Science Specialization. Det er veldig bra for å få en oversikt.
Silvija: Hva lærer du da?
Helge: Det er litt mer grunnleggende om hva maskinlæring er, AI og teknikker.
Silvija: For ledere?
Helge: Ja, for ledere, men det kan være for hvem som helst. Det gir deg litt mer innblikk. Jeg synes det er viktig å forstå hva som inngår i AI, fordi da ser du også flere muligheter.
Silvija: Du anbefaler også noe som heter Data Sceptic? Hva er det?`
Helge: Det er en veldig bra podcast, så den anbefaler jeg veldig.
Silvija: Talking Machines har jeg ikke hørt om.
Helge: Det er også en podcast hvor du lærer litt om ulike maskinlærings-teknikker.
Silvija: Har du et sitat som du vil legge igjen til våre lyttere som en lite gave?
Helge: Ja, det er en rapper som heter Will.I.Am som har sagt noe, og fritt oversatt så er det at det ikke er teknologien som bestemmer hvordan den skal utvikles. Det er vi mennesker som bestemmer.
Silvija: Det er faktisk vi som lager den.
Helge: Det er vi som lager teknologien. Og det er nytt, du har ansvar for å sørge for at den blir brukt på riktig måte.
Silvija: Det er kjempeviktig. Og av og til lager vi den litt ubevisst, både på korte og lange konsekvenser og det å kunne ha en god debatt rundt det er noe av det som er avgjørende for at vi lager god teknologi.
Helge: Og være bevisst på hvordan den kan brukes på feil måter.
Silvija: Og på gode måter. Hvis folk skal huske en ting fra vår samtale, hva vil du at det skal være?
Helge: Jeg tror det er lurt å huske at AI har et veldig stort potensiale for forbedring og effektivisering på konkrete problemstillinger. I mange sektorer kan det være livsviktig, sånn som i helsesektoren. Det er viktig å være åpen for endring, og ha litt kunnskap om hva det er for noe, så ser du flere muligheter.
Silvija: Helge Bjorland fra Globus AI. Tusen takk for at du var her hos oss i Lørn, og at du inspirerte oss til å lære mer om AI i helsesektoren.
Helge: Tusen takk for at jeg fikk komme.
Silvija: Takk til dere som lyttet.
LØRN AS, c/o MESH,
Tordenskioldsgate 2
0160 Oslo, Norway
Bibliotek
Om LØRN
© 2024 LØRN AS
Du må være Medlem for å dokumentere din læring med å ta quiz
Allerede Medlem? Logg inn her:
Du må være Medlem for å kunne skrive svar på refleksjonsspørsmål
Allerede Medlem? Logg inn her: