LØRN Masterclass M0039
Kunstig intelligens i fremtidens helsetjenester
I denne Masterclass serien snakker Silvija med Ingerid Reinertsen som er seniorforsker i SINTEF, i tillegg til foreleser og veileder ved NTNU.

Ingerid Reinertsen

Senior Forsker

Sintef

"Kunstig intelligens har kommet som en flodbølge over samfunnet de siste 5-10 årene"

Dette er LØRN Masterclass

Digitale samtale-baserte kurs – 4 x 30minutter
Vi samler de beste hodene bak de nye teoretiske konseptene innen ledelse av digital innovasjon og transformasjon. Vi dekker 15 tematiske områder innen ny kunnskap og erfaringer om innovasjon  og ledelse, og 10 perspektiver som gründer, forsker etc.  Innen hver av disse tema og 10 perspektiver setter vi opp digitale samtale-baserte kurs i fire deler, som alltid følger samme struktur: introduksjon, eksempler, verktøykasse og verksted. På cirka 30 minutter i hver leksjon vil du på en lett måte lære nye konsepter og forstå nye muligheter.
Digitale samtale-baserte kurs – 4 x 30minutter
Vi samler de beste hodene bak de nye teoretiske konseptene innen ledelse av digital innovasjon og transformasjon. Vi dekker 15 tematiske områder innen ny kunnskap og erfaringer om innovasjon  og ledelse, og 10 perspektiver som gründer, forsker etc.  Innen hver av disse tema og 10 perspektiver setter vi opp digitale samtale-baserte kurs i fire deler, som alltid følger samme struktur: introduksjon, eksempler, verktøykasse og verksted. På cirka 30 minutter i hver leksjon vil du på en lett måte lære nye konsepter og forstå nye muligheter.
Vis

Leksjon 1 - Introduksjon (40min)

Situasjonen til AI i helsesektoren i dag, Muligheter og utfordringer for AI i helse, Bildebehandling i helsesektoren, Velferdsteknologi, Etiske dilemmaer, Andre relevante teknologier for helsesektoren, Kobling av data sammen fra flere kilder

Leksjon 2 - Eksempler (25min)

Bildebehandling med AI som verktøy, Hvordan man setter diagnoser ved hjelp av bilder, Genetikk, Det psykologiske aspektet ved helse

Leksjon 3 - Verktøy (19min)

Hvordan AI forskere jobber, Hvordan GDPR og personvern påvirker forskning i helsesektoren, Ny teknologi for sykdommer

Leksjon 4 - Verksted (11min)

Hvordan AI blir anvendt i praksis, Potensielle nyvinninger i helsesektoren

Ferdig med alle leksjonene?

Ta quiz og få læringsbevis

Du må være medlem for å ta quiz

Ferdig med quiz?

Besvar refleksjonsoppgave

Du må være medlem for å gjøre refleksjonsoppgave.

Tema: AI- og datadrevne plattformer
Organisasjon: Sintef
Perspektiv: Forskning
Dato: 21, mars 2022
Språk: NO
Sted:OSLO
Vert: Silvija Seres

2000+ lyttinger

Del denne Masterclass

Dette lærer du om i denne Masterclass

• Situasjonen til AI i helsesektoren i dag, Muligheter og utfordringer for AI i helse, Bildebehandling i helsesektoren, Velferdsteknologi, Etiske dilemmaer, Andre relevante teknologier for helsesektoren, Kobling av data sammen fra flere kilder
• Bildebehandling med AI som verktøy, Hvordan man setter diagnoser ved hjelp av bilder, Genetikk, Det psykologiske aspektet ved helse
• Hvordan AI forskere jobber, Hvordan GDPR og personvern påvirker forskning i helsesektoren, Ny teknologi for sykdommer
• Hvordan AI blir anvendt i praksis, Potensielle nyvinninger i helsesektoren

Din neste LØRNing

Din neste LØRNing

Din neste LØRNing

Leksjon 1 - ID:M0039a

Leksjon 1 - ID:M0039a

Leksjon 1 - ID:M0039a

Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres og venner. 

 

Silvija Seres: Hei og velkommen til en Lørn Masterclass i tema AI i helse med Ingerid Reinertsen fra SINTEF som vår mentor. Velkommen til deg og, Ingerid.

 

Ingerid Reinertsen: Tusen takk, så hyggelig å være her sammen med dere.

 

Silvija: Veldig, veldig spennende å ha deg her. Jeg har et veldig stort hjerte for SINTEF. Jeg er ikke sikker om det er den delen som du sitter i. Jeg sitter i rådet til SINTEF Digital og synes de har noen av de mest spennende, anvendte forskningsprosjekter i verden. Hvor er du i SINTEF?

 

Ingerid: Jeg er helt enig i det. Jeg jobber tett mot digital, Absolutt, veldig spennende arbeidsplass og tett på de store problemstillingene.

 

Silvija: Ja, jeg tenker at dere er så heldige at dere er en sånn perfekt hybrid av et utrolig spennende forskningsmiljø med stor tilkobling til blant annet NTNU og Universitetet i Oslo.. Og så har dere mange kunder både i privat sektor, men også i offentlig sektor som er blant de mest fremoverlente og rike kundene i verden. Så det er masse å ta tak i på en spennende måte.

 

Ingerid: Absolutt, absolutt.

 

Silvija: Men du, Ingerid jeg pleier å spørre folk å fortelle kort om hvem de er før vi begynner å få hendene inn i deigen og deigen her er kunstig intelligens og helse. Men hvem er du?

 

Ingerid: Ja. Jeg har bakgrunn som ingeniør, jeg begynte innenfor materialfysikk. Og da jeg hadde holdt på med det en stund, så begynte jeg å interessere meg for medisin og medisinske anvendelser av fysikk, men også teknologi generelt. Så jeg tok en master i medisinsk fysikk, og så gikk jeg videre med en doktorgrad innenfor medisinsk bildebehandling. Og det har jeg jobbet med siden og i SINTEF, hvor jeg har jobbet siden 2007. Og kunstig intelligens har jo kommet som en flodbølge innover samfunnet på alle område de siste fem-ti årene, kanskje, og har forandret mye og gitt oss store nye muligheter også innenfor helse og medisin. Så det har åpnet opp ny forskning, nye muligheter og gitt oss mange nye verktøy, spesielt innenfor bildebehandling som jeg jobber med.

 

Silvija: Veldig gøy. Vi kommer til å snakke om bildebehandling, og vi kommer til å snakke litt om genetikk, og vi kommer til å snakke om hvordan dere har hjulpet oss å få vaksiner på helt nye måter og på helt nytt tidsskjema. En tiende del av det som det tok før man begynte å jobbe med det som dere jobber med. Men før vi går ditt, du brukte to ganske krevende begreper. Du startet som en materialteknologi-ingeniør? Fortell litt om hva kan man når man driver med materialteknologi?

 

Ingerid: Min utdannelse handlet mye om elektronikk og materialer for å lage for eksempel mikrochipper og slike ting. Men det var også ganske bredt, det handlet mye om halvledere, den type ting da. Så da jeg var ferdig med den utdannelsen, så følte jeg at kunne litt om veldig mange ting. Det er mye innenfor elektronikk, men også programmering og datateknikk. Men jeg følte vel at jeg trengte en spesialisering mer. Så fikk jeg en mulighet til å ta en diplomoppgave på slutten av studiet som gikk i retning av medisin. Og det trigget interessen min, det syns jeg var veldig spennende, og det var veldig spennende å se den nærheten til de medisinske anvendelsene. Og det med å ha en følelse av at man kan være med å redde verden litt. Så da bestemte jeg meg for å gå videre i den retningen. Først med en master i medisinsk fysikk og videre på en doktorgrad etter det.

 

Silvija: Bildebehandling i medisin. Hvor møter man det?

 

Ingerid: Ja, men hvor møter man ikke det? Det er mye, mye bilder innenfor medisin. Bilder er en veldig viktig del av beslutningsgrunnlaget for leger, sykepleiere, ja, i alle ledd av helsevesenet.

 

Silvija: Så når man tar et røntgenbilde av om det er kjeven eller av ryggen eller når man ligger i sånne store maskiner som lager MRI bilder og så videre.

 

Ingerid: Ja, så det er jo mange forskjellige typer typer bilder. Det er jo alt fra et enkelt røntgenbildet av et håndledd for å se om det er et brudd til veldig avanserte PET-MR undersøkelser. Så det er mye forskjellig, men det brukes mye, og det brukes økende. Det er stadig mer bruk  også fordi det er vel blitt mye mer tilgjengelig. Men vi trenger  å hente ut informasjon fra disse bildene. Og vi trenger å tolke den informasjonen, og vi trenger å visualisere den og gjøre den mest mulig tilgjengelig for de som skal se på de bildene.

 

Silvija: Hvis jeg skal snakke litt i bilder da, så tenker jeg at i veldig mange år, altså vi mennesker ha jo øyne som kanskje vår viktigste sensor, ikke sant? Og det er med øyne vi navigerer verden først og fremst. Og å all den fantastiske medisinske bildebehandlingen eller bildeteknologien som du er med på å utvikle, har hjulpet oss å se inn i kroppen på nye måter. Om det er kontrastvæsker man setter inn i noe blodkar og trekker på noen bilder, eller om det er røntgen som du sa eller noe annet. Og så begynner det å bli kjempespennende nå, fordi vi begynner å få nye typer sensorer som også er veldig gode, hvor man kan bygge inn chipper som tar kjemiske prøver av blodsukker, hormoner og så videre i sann tid.  Så det blir et sånt felt som eksploderer på en måte.

 

Ingerid: Det eksploderer, og det er veldig mye ny i helseteknologi og medisinskteknologi som går ut utover dette med bilder. Så det er et veldig spennende, spennende felt å jobbe innenfor, for det skjer så veldig mye. Vi trenger å utvikle ny helseteknologi for vi har en del ressurs problemer blant annet i helsevesenet. Og det er ikke det at teknologi kommer til å løse alt, men teknologi kan hvert fall være en del av løsningen. Så jeg tror at teknologi kommer til å få en stadig viktigere rolle innenfor medisinen og innenfor helsevesenet generelt.

 

Silvija: Jeg tenker at det kommer til å utfordre oss både på hva er en lege, hva er en sykepleier, hvordan vi tenker på helsen vår? Jeg husker jeg  har sett sånne bilder av, jeg tror det var Google som startet noe, de prøver å finne ut av helseteknologi de også. Det var sånne blå kontorer hvor du går inn også står det ” Design your health” Ikke sant? Og hva betyr det å være pasient i en sånn setting? Jeg har kost meg med disse bøkene til han Erik Topol som heter Pasienten, vil ta deg i mot nå. Hvor veldig mye blir mulig, veldig mye kan gjøres med helsen vår fremover. Prediktiv og på andre måter. Spørsmålet er om dette kommer til å være godt og likt fordelt, både på tvers av land og innenfor.

 

Ingerid: Absolutt, men dette med teknologi og kunstig intelligens spesielt. Det gir jo og noen muligheter for nettopp å gjøre verktøy mer tilgjengelig og kanskje bedre denne fordelingen av avansert helsehjelp enn Men det kommer selvfølgelig med en del utfordringer også, så vi må følge godt med underveis og styre denne utviklingen, så vi får den dit vi vil.

 

Silvija: Jeg synes det er et veldig spennende inngangsvinkel da, til tema for en av de eksemplene som jeg er mest fascinert av teknologisk. Det er genetikk og CRISPR teknologi, hvor vi bruker disse avanserte datamaskiner som brukes kjempe mye AI i forskjellige former til å editere direkte i genetisk materiale. Og så kommer det selvfølgelig store etiske debatter om hva skal være lov å editere bort i genene våre. Kreft? Sikkert veldig fint å fjerne. Det å være mottakelig for HIV? Sikkert veldig fint å fjerne, men når vi begynner å snakke om asperger, er det egentlig ganske greit å ha kanskje for noen?

 

Ingerid: Ja, og det er veldig mange store spørsmål der som går utover den rene teknologien i seg selv. Og det er derfor vi trenger input fra flere enn bare teknologer på dette området, så vi må følge med fra både ja, teknologien, selvfølgelig, men medisinsk hold, fra politisk hold, fra etikkere, fra samfunnet generelt. så må vi ha denne debatten gående om hvilke muligheter er det de gir oss og hvilke grenser skal vi trekke opp? Så det er en diskusjon som flere enn bare teknologene må delta i.

 

Silvija: Jeg har lyst å dele med deg to serier og litt overordnede konklusjoner som vi i Lørn har gjort tidligere. Den ene er en serie med Norsk Sykepleierforbund. Det skulle dreie seg om hva ci har lært av Corona. Jeg trodde dette kom til å være litt sånn debatt om varme hender og teknologi, men vi snakket med tyve sykepleiere og noen få forskere. Men jeg ble så fascinert av sykepleiere som for meg var en gruppe jeg kjenner litt for lite. De er super ambisiøse på vegne av yrke, de skjønner at det mangler noe sånn som 18.000 av dem innen de neste syv år. Og for å løse det demografi problemet som egentlig er et luksus problem. Vi lever for lenge, men så vet de at de må ha teknologi som hjelp. Men de sier at det er ikke noe sted å gå å lære det, ikke sant? Man kan ikke forvente at alle skal ta en doktorgrad i ett eller annet tech for å kunne bygge videre å være teknologi kloke sykepleiere.

 

Ingerid: Nei, og det er en utfordring som vi må ta til oss og som vi må gjøre noe med. For både sykepleier yrket og alle andre yrker i helsevesenet kommer til å bli preget av den topp teknologiske utviklingen, og det kommer til å få veldig mange nye verktøy. Mange muligheter. Så det er viktig at de også har kompetansen til å være kritiske bestillere, kompetente kunder og kyndige brukere av de nye teknologiske løsningene. Og at de blir flinke til å formulere sine egne utfordringer sånn at de kan utvikle teknologi som svarer til de reelle problemene og de reelle utfordringene de har i sin hverdag.

 

Silvija: Jeg tror det er et utrolig viktig poeng, fordi det jeg også opplevde, hvis jeg kan si fire konklusjoner jeg har om sykepleiere og forøvrig helsefaglig personell og teknologi. Det første er at de er teknologioptimister, men det er ikke så lett å komme i gang å finne steder å lære seg de nye verktøyene. Det andre er akkurat det du sa nå, og det er at de vil gjerne være med å innovere. De vil sette retning, de vet hvor skoen trykker, men det er ikke gode arenaer hvor de kan bidra med sine spesifikasjoner og krav. Nummer tre det er at det er ikke nok samarbeid på tvers foreløpig egentlig, mellom kommuner, og det er utrolig mye innovasjon som foregår lokalt. Men det er fragmentert og det fjerde er at det er en utrolig rask rolleglidning. Vi snakker om at så og så mange jobber kommer til å være borte om fem eller ti år, og vi vet alle sammen at sykepleierjobben blir ikke borte.

 

Ingerid: Nettopp, den sykepleier jobben kommer ikke til å forsvinne, men den kommer til å forandre seg. Og med den forandringen så kommer det til å bli nye krav til opplæring og kompetanse hos sykepleierne. Sånn at de kommer til å måtte utvikle yrket sitt og ettersom den rollen forandrer seg.

 

Silvija: Og da kommer vi egentlig til kanskje det som er kjernen i vår samtale, Ingerid. Jeg tror at AI i hendene av kloke sykepleiere, leger, hjelpepleiere, administrative ledere i sykehus eller helse er på mange måter et speil og hjelper oss å tenke på. Hva er det mennesker skal gjøre i fremtiden? Og hva er det maskiner skal gjøre i fremtiden?

 

Ingerid: Nettopp det er en veldig viktig tanke som vi må ha med oss for det er jo mange oppgaver i  helsevesenet som overhodet ikke egner seg for en maskin. Ikke nå og kanskje aldri. Og det er også oppgaver som er såpass komplekse og krever typisk menneskelig intelligens og både empati og evne til å leve seg inn i andres liv og så videre. De oppgavene står ikke maskinene klare til å overta i morgen, for å si det slik, så vi må være lære oss hvor hvordan vi skal prioritere både sykepleiere og leger og hjelpepleiere. Hvor er det de skal bruke sin tid, og på hvilke oppgaver er det de skal fokusere sånn at de kan gjøre det de er aller best til. Og der hvor de er uerstattelig, der ingen maskin kan komme inn og gjøre jobben for dem. Og så må vi utvikle gode verktøy, god teknologi som kan gjøre mye av det andre. For det er mange oppgaver som både AI og annen type teknologi kan kan hjelpe til med, slik at vi frigjør ressurser og tid blant helsepersonell, sånn at de kan gjøre det det de er best til og det ingen andre kan erstatte dem på.

 

Silvija: Jeg har noen veldig gode eksempler her hvor- jeg syns i hvert fall de er veldig gode, om velferdsteknologi. Og jeg tenker Ingerid at vi snakker om roboter forøvrig utenfor helse ofte, som det som skal gjøre det som er de tre D’ene- Dirty, Dull and Dangerous, ikke sant? Og det kan man godt se i en gruve eller på en vei. Men også i helse så er det masse rutinemessige oppgaver. Og hvis 90% av tiden går med på å gjøre det rutinemessige, så har man ikke overskudd og tid til å gjøre det som bare mennesker kan gjøre. Og det er å være gode, kloke med mennesker, kunnskapsrike medmennesker da.

 

Ingerid: Nettopp. Og det er jo akkurat like relevant til helse som med alle andre områder så der har teknologien mye å bidra med. For å frigjøre dette og så er det jo en del oppgaver som datamaskiner eller teknologi faktisk kan gjøre bedre enn mennesker. Så da er det jo ingen grunn til at høyspesialiserte helsefagarbeidere skal bruke tid på det når vi vet at en maskin kan gjøre det både raskere og mer nøyaktig.

 

Silvija: Ja, vi skal snakke om sånne avanserte bilder og kunstig intelligens i vårt eksempel avsnitt eller leksjon. Men jeg har lyst til å gi deg to andre eksempler om bruk av AI relatert teknologi og jeg syns det er litt spennende etiske dilemmaer og det dreier seg egentlig om velferdsteknologi. Og det ene er et sånt nattsyn kamera i soverom. Er det greit eller ikke greit å ha det når du skal overvåke eldre pasienter, og veldig ofte så har kommuneansatte, medisinske ansatte sagt at nei, det kan vi ikke, det er overgrep og så videre. Hvordan sikrer vi hvem som ser på disse videoene også videre. Men pasientene mente det egentlig  er mye bedre. Man føler seg trygg, du vet at noen ser deg og samtidig så blir du ikke vekket midt på natta for noen skal se om du puster eller ikke.

 

Ingerid: Ja, nettopp.

 

Silvija: Og det relaterer til smarte senger som også kan sjekke om du har rullet ut eller og om alle dine vitale funksjoner er i drift.

 

Ingerid: Det finnes mange, mange sånne eksempler. Vi i SINTEF har også jobbet med GPS sporing for demente. Stort stort prosjekt og det er etiske dilemmaer, og det er selvfølgelig fordeler i den forstand at eldre slipper å bli vekket om natten, du kan fange opp hendelser raskere, demente kan kanskje bo hjemme lenger fordi at alle disse sensorene kan kan fortelle helsevesen om det er noe som holder på å skje eller som har skjedd så man kan sette i gang tiltak. Samtidig så er det dette overvåkings aspektet. Hvor nærgående skal teknologien få lov til å bli? Hvor tett innpå privatlivet vårt skal vi ha det, og kanskje spesielt for demente og mennesker som kanskje ikke har forutsetninger for å gjøre den vurderingen selv. Som kanskje ikke forstår omfanget av det som blir det satt opp på badet eller på soverommet. Så det er det absolutt utfordringer. Så det er viktig at vi tenker godt rundt det, og at det er godt regulert. Og selvfølgelig at vi tar brukerne med på vurderingene.

 

Silvija: Og så må ikke vi bruke det at vi er usikre som en sånn fullstendig stopper for innovasjon, for vi lærer og finner ut av det,  mens vi går.

 

Ingerid: Det er jo en av de store diskusjonene som har rast litt de siste årene. Dette med personvernet, og det ble jo særlig aktualisert etter innføringen av GDPR, det europeiske personvern regulativet i 2018. Da kom jo dette på førstesiden i Norge og da kom det et nytt sett med regler. Vi hadde hatt personvern før, for all del. Men denne muligheten til sanksjoner gjorde at dette ble aktualisert da. Og da var det mange som ble redde, nettopp som du sier. Og kanskje hadde litt tendens til å sette ned foten og si nei. For risikoen føltes for stor da.

 

Silvija: Men jeg mener at det er litt sånn feil da, for det at vi ikke deler data om sjeldne sykdommer blant nyfødte og så videre. Der har man rett og slett ikke nok data til å hjelpe de som trenger hjelp.

 

Ingerid: Og det kan jo bli en etisk utfordring å stoppe den type forskning eller behandling eller hva det er. Nesten utelukkende ut fra personvernhensyn. For eksempel eldre som får installert teknologi hjemme, og man kan si at ja, de blir kanskje overvåket, men det gir dem jo en frihet de ikke kunne hatt på annet på annet vis. Så da vil det kanskje være like uetisk da, å nekte dem den muligheten.

 

Silvija: Nettopp. Vi kan bo hjemme lenger nettopp fordi de får teknologi hjelp. Et annet eksempel som jeg har grublet litt over. Du vet disse Paro robot seler? Altså en liten sel som er en robot. Særlig i Japan så likte de den veldig godt, det er et eller annet med roboter som er veldig akseptabelt der.  Og så var det brukt som et eksempel, jeg tenkte at hvem i all verden vil klappe en robot sel? Men det er visstnok veldig beroligende for demente folk og enklere å håndtere enn en katt eller hund i et eldrehjem.

 

Ingerid: Ja sikkert, både hygienisk og sikkert mange andre fordeler med en robot i forhold til denne en ekte katt. Og det er jo ikke veldig avansert teknologi, det er egentlig ganske enkle ting, men som åpenbart har hatt den en god effekt. Hvor det har blitt nesten som et kjæledyr for de eldre.

 

Silvija: Dette var en serie vi gjorde med hjelpepleiere innenfor velferdsteknologi, og så var det en av disse hjelpepleiere som snakket så varmt om Paro. Og så var jeg helt sånn, hvorfor er dette nyttig? Hva vil dere med det? Der sier hun at pasienten ble veldig stresset av vaktskiftet og akkurat i vaktskiftet så var det veldig beroligende og effektivt for pasienten å sitte med denne her lille Paro selen, akkurat mens det skjedde litt for mye rundt person. O et annet sånn eksempel jeg har hørt, som jeg også har grublet rundt. Det er en kommune i Sverige som heter Västerås, og de var veldig tidlig ute med eldre, smarte hjem. Og så var det sånn at ingen eldre vil ha dette her. Og så ble det akkurat som du sier at første lørdagen de skulle liksom samle noen frivillige, så var det overtegnet med en gang. Og de gjorde det veldig enkelt. Bare fire teknologier. Et smart medisinskap, et sånn nett overvåkingskameraet, jeg tror det være en sånn falldetektor og det fjerde var en typer sjiraff, som er en bevegelig iPad. Og dette var da vi ikke var så bevandret i Skype og Teams enda så denne lille skjermen med kamera kunne komme til personen og åpne for samtaler og gjennomføre samtaler uten at det er noen på andre siden. Ekte mennesker. Så tenkte jeg det er egentlig ikke så kult, men som noen sa dette her fungerte fantastisk bra med demente folk. Hvis du må høre for syttende gang den dagen den samme historien.

 

Ingerid: Så er det ikke så interessant lenger, men for dem så var det en fullverdig samtale. Så for dem så hadde den verdi. Og det er jo det som teller i den sammenhengen der. Det spiller ingen rolle egentlig om noen andre synes det er kult eller ikke. Hvis det gir dem verdi og det gir dem økt livskvalitet,  så er det jo ingenting som er bedre enn det. Og så er det jo ikke alltid at det trenger så være så omfattende eller så veldig avansert. Ofte som i mange andre sammenhenger eller enkle ting kan gjøre en stor forskjell.

 

Silvija: Ja, men du Ingerid. Litt sånn mot slutten av denne første leksjonen. Hvis vi går tilbake til hoved begrepen, så vi snakker om kunstig intelligens, AI kanskje den viktigste teknologien som finnes i dag. Og så snakker vi om helsemarkedet, som er det viktigste, rikeste, mest betydningsfulle markedet i hele verden i dag. Viktigste teknologi for viktigste marked. Men vi snakket om mange forskjellige teknologier. Vi snakket om alt fra kirurg roboter og små klappbare roboter, sosiale roboter, til smarte bilder for å finne kreft, til editering i gener og så videre. Så hvis vi bare hjelper folk med grunnleggende definisjoner. Hva er kunstig intelligens?

 

Ingerid: Nei. Kunstig intelligens det er et begrep som er litt vanskelig å få tak på. Det høres litt magisk ut på et vis. Og sånn i bunn og grunn så er det jo ingen magi i dette her. Det er jo om matematikk og statistikk som ligger i bunnen. Vi har sett en utvikling nå av de siste årene, og det er jo dels på grunn av algoritme utviklingen innenfor kunstig intelligens. Men det er også dette med at vi nå har vi har kraftig nok datamaskiner, vi har prosesseringskapasiteten til å gjøre disse veldig tunge beregningene som er nødvendige. Og så er det datatilgang, blant annet da som gjør at dette her har kommet veldig i de siste fem-ti årene. Innenfor helse, kanskje de siste fem årene. Vi så jo en del sånne spektakulære AI applikasjoner før det som på en måte trigget interessen også fra helsevesenet.

 

Silvija: Men hvis jeg skal oversette dette til litt sånn lego-språk, så sa du masse statistikk og matematikk satt på strøm med veldig mye data og veldig mye regnekraft og så noen smarte algoritmer. Så hvis vi pakker ut hver av dem, statistikk og matematikk i dette tilfelle finner mønstre.

 

Ingerid: Finne mønstre i data og forskjellen fra den tradisjonelle matematikken vi lærte på skolene er jo at vi lar programmet finne disse mønstrene på egenhånd. Det er maskinen selv som lærer mønstrene uten å være eksplisitt programmerte av mennesker, så det er dette som er lærings delen i maskinlæring.

 

Silvija: Du og jeg kan sitte med en datamaskin og regne oss litt frem til noen progresjoner eller noe sånt, men en datamaskin kan finne ting i, la oss i et datasett som er et bilde som bare er til datasett, hvor den kan kjenne igjen at dette her er med 99 % sannsynlighet, eller 77% sannsynlighet et bilde av kreftceller.

 

Ingerid: Og den vanligste måten å trene sånne algoritmer på i medisin er den veiledende måten hvor vi har masse eksempler som eksperter har laget, og vi viser maskinen mange, mange eksempler. Her er et bildet, her er en svulst, her et annet bilde, et annet bilde, her en annen svulst. Tusenvis, kanskje hundretusenvis av sånne bilder. Men vi forklarer ikke direkte hvordan ser en svulst ut. Så det er det maskinen selv som finner ut ved å ha sett mange, mange, mange eksempler.

 

Silvija: Ja, og det er det som er så spennende fordi en patolog eller en radiolog, eller jeg vet ikke hvem det er som er best på å studere disse bildene. Men de har og et ubevisst bibliotek med hundrevis av tusener av bilder som de har sett gjennom livet sitt. Men det klarer vi å stappe inn i en maskin også og det begynner på grunn av det er så gode bilder. De tas så raskt, de forstås så fort. Så begynner dette å fungere nesten på linje med menneskelig forståelse.

 

Ingerid: Det gjør det. Og for en del sånne ganske avgrensede, veldefinerte oppgaver så er jo kunstig intelligens på nivå med medisinske eksperter. Et eksempel tilbake i 2017 tror jeg det var, med å gjenkjenne hudkreft på bilder av føflekker. Det var en av de første sånn store man VS machine publikasjonene som kom innenfor helse og medisin. Og etterpå er det kommet mange andre, men der så man at kunstig intelligens kunne gjøre dette på nivå med hudlege. Og det var jo revolusjonerende og veldig, om ikke overraskende, men det sier noe om potensialet og til hvilket nivå disse algoritmene kan komme da.

 

Silvija: Man skal ikke tolke det som at nå er det ikke noe mer jobber for radiologer eller for leger.

 

Ingerid: På ingen måte.

 

Silvija:  De skal få masse hjelp, og så må de se på de mer tvilsomme tilfellene.

 

Ingerid: Og da er det jo i noen tilfeller at de aller fleste, for eksempel bilder av føflekker, er normale. Og da kan en algoritme kan hjelpe oss å sortere hvilke bilder er det som legen bør se på som er tvilstilfeller, eller som vi tror er kreft, for eksempel. Så da kan legen konsentrere seg om de de vanskelige tilfellene, og der vi tror det er noe. Og så kan maskinen sortere bort den store haugen av normale føflekker, for eksempel, hvor det ikke er noen ting.

 

Silvija: Ja, vi kommer etter hvert til å kunne ta blodprøver og analysere dem på et lite laboratorium på kjøkkenbenken. Vi kommer kanskje til å ha koke sammen noen medisiner  etter hvert selv. Mye av det her henger sammen med disse fantastiske sensorer som som kostet hundrevis av tusener av kroner for ikke så lenge siden, er nå ting som er tilgjengelig, og en av de som vi ikke tenker over er ting som bor blant annet i denne eller klokka som vi går med.

 

Ingerid: Nettopp det kommer det komme jo stadig flere helseapper og muligheter for å overvåke sin egen helse, både gjennom smartklokker og telefoner og slik ting det. Det er en skog der ute allerede. Det er og en jungel å finne frem i etter hvert, for det blir så mye, og det kan være veldig varierende kvalitet, og det kan også være varierende hvor godt dokumentert det er. Så hvis klokken din sier at her er det fare på ferde. Er det sånn at du skal løpe på legekontoret, eller skal du ta det med en klype salt? Dette er et spørsmål vi må ha med oss.

 

Silvija: Samfunn i endring, ikke sant.

 

Ingerid: Samfunn i endring, og særlig hvis en klokke eller en telefon skal detektere mer alvorlig tilstander. 

 

Silvija: Det vil endre prisen på helseforsikring vår.

 

Ingerid: Nettopp, så det er et ansvar som kommer med en sånn advarsel. Hvis du får en advarsel fra klokken din om at du holder på å få en alvorlig hjertesykdom, så er det kanskje ikke en beskjed du har lyst til å få fra klokka eller hjemme på ditt eget kjøkken. Du vil vil få denne av en person som kan hjelpe deg, og som kan forklare og som kan vise deg veien videre.

 

Silvija: Ja, men nå har vi på en måte lukket sirkelen nesten helt på dette her, for jeg tenker at er det bedre å få den beskjeden fra klokka om at nå er du i ferd med å utvikle hjerneslag eller hjerteinfarkt? Jeg har lest et eller annet sted, og jeg tror det er litt sånn overambisiøse foreløpig. Men at noen av disse beste klokkene kan forutse ut ifra hjertemønster og flimmer, hjerteinfarkt med 24 timers forsprang. Og gitt at livene reddes på fem minutters forskjell om når du kommer til akutten eller ikke. Hvis dette er tilfelle, så vil jeg veldig mye heller tror jeg få beskjed fra klokken min, men i tide. Enn å få beskjed fra legen min, men akkurat litt for sent.

 

Ingerid: Nettopp så dette må vi også ha med, og det er viktig at den beskjeden du får fra klokken din er både riktig og at det faktisk er det som holder på å skje.  Vi har ikke noe fasit på akkurat hvordan dette skal være, men det er nok litt forskjellig for forskjellige tilstander også, hva du ønsker å få fra klokken din og hva du ønsker å få fra legen.

 

Silvija: Jeg tror at min grunnholdning her er at vi kan ikke la være å finne ut av det likevel. Og så er det veldig viktig at de med gode intensjoner og samfunnsansvar løper fortere enn de med dårlig intensjoner eller bare profitt fokus.

 

Ingerid: Nettopp. Absolutt. Det er jeg veldig enig i.

 

Silvija: Men du, jeg har lyst til å gi deg et eksempel til, og et spørsmål. Jeg klarer ikke å gi meg med denne første leksjonen. Eksempelet samlet jeg fra Sunnaas. Du vet dette rehabiliterings stedet. De er så kule, og der var det noen som jobber med rehabiliterings fysioterapi, og det er ofte veldig kjedelig øvelser hvor man f.eks må løfte armen x antall ganger, og de sliter litt med å motivere folk til å være disiplinert på gjennomføring. De har puttet dem på VR, playstation.

 

Ingerid: Ja.

 

Silvija: Og gamifisert dette her og begynt å målet, hva er det som gjør at denne personen trener seg opp raskest og så videre. Og dette her har gått så positivt at folk gikk fra å ikke kunne løfte armen til å få slitasje. De overtrente, rett og slett. Så jeg tenker at det er kjempe muligheter. Og vi trenger mange gode folk innen medisin som har lyst til å teste og anvende dette på riktig måte, som vi har snakket om.

 

Ingerid: Og det å motivere oss til fysisk aktivitet kunne vi jo trenge alle sammen. Det er jo et folkehelse problem, ikke bare et problem for de som er innlagt på Sunnaas.

 

Silvija: Enig. Og særlig i disse Corona tider. Jeg har gått lei av Pokemon, nå trenger vi virkelig noe nytt.

 

Ingerid: Vi trenger noe nytt.

 

Silvija: Ja, men det jeg hadde lyst å spørre deg om avslutningsvis. Og jeg har sagt avslutningsvis tre ganger, sorry. Det er personalisert helse og kunstig intelligens. Jeg hører at det kanskje er den største trenden. Hvordan henger det sammen med AI?

 

Ingerid: Jo, det er dit vi gjerne vil. Vi er nok ikke helt der enda, men vi ønsker oss at den medisin vi får, den behandlingen vi får, at den skal være så godt tilpasset oss som mulig. At den tar hensyn til alder, til genetiske disposisjoner, til akkurat vår sykdom. Kanskje ta hensyn til sosiale faktorer og så videre . Vi ønsker oss ikke en sånn one size fits all behandling. Vi ønsker at det skal passe akkurat for meg. Og det gir jo kunstig intelligens oss en mulighet til, verktøykassen er jo der. Vi har mulighet til å analysere data på den måten, og vi har mulighet til å koble data. Og det tenker jeg en av de store tingene med kunstig intelligens og helse. Det er at vi kan koble data fra forskjellige kilder.  Det har vi ikke hatt mulighet til på samme måte tidligere, på ingen måte. Det åpner for at vi kan putte både bilder, blodprøvesvar, symptomer, bivirkninger, familiesituasjon, alder. Det er bare fantasien som setter grenser nesten.

 

Silvija: Og og kanskje den viktigste data er genetikken, og der er det noen som mener at om fem år så er 80% av den rike verden DNA analysert, og i kombinasjon med alle sanntidsdata så blir det ganske spennende innsikt i sin egen helse.

 

Ingerid: Det er så store muligheter og det er nesten et sånt univers som åpner seg. Som jeg tror vi bare aner begynnelsen på egentlig. Og det blir veldig spennende å utforske, og det blir veldig spennende å se om vi kan løse eller hvert fall komme nærmere en løsning på noen av de store utfordringene vi har, for eksempel med kreft og med Alzheimer. Noen av disse store sykdommene som rammer mange. Hvor vi egentlig, ikke famler i mørket, men hvor vi sliter med å gjøre store fremskritt. Det blir utrolig spennende å se om kunstig intelligens kan hjelpe oss på veien der.

 

Silvija: Du, Ingerid. Tusen takk så langt vi stopper med leksjon 1 her, og så møtes vi om et par minutter for å snakke om eksempler.

 

Ingerid: Takk skal du ha. Jeg gleder meg til fortsettelsen.

 

Du har nå lyttet til en podcast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Nå kan du også få et læring sertifikat for å ha lyttet til denne podcasten på vårt online universitet Lørn.University

 

Leksjon 2 - ID:M0039b

Leksjon 2 - ID:M0039b

Leksjon 2 - ID:M0039b

Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres og venner. 

 

Silvija Seres: Hei og velkommen til Lørn Masterclass om AI i helse med Ingerid Reinertsen fra SINTEF. Dette er leksjon 2 og nå Ingerid. Skal vi snakke litt om eksempler. Du jobber masse med temaet. Hva er det du synes er spesielt minneverdige eksempler?

 

Ingerid Reinertsen: Jeg jobber mye med bildebehandling. Det har jeg gjort helt siden jeg begynte på doktorgraden min på tidlig 2000 tallet. Den gangen så hadde vi ikke AI algoritmer. Det er kommet i de siste kanskje fem-seks årene at det nesten har tatt over hele feltet medisinsk bildebehandling, så det har vært en spennende reise og være med på. Og det har gitt oss nye verktøy og åpnet muligheter for å gripe tak i problemstillinger som det ikke har vært mulig å løse med de mer tradisjonelle verktøyene vi hadde tidligere.

 

Silvija: Du har nevnt allerede at det kan brukes for eksempel til å analysere kreft diagnoser eller se på bilder av kreft. Kan vi bare starte i den ene enden sånn at vi alle kan ha et bilde i hodet vårt. Hvordan lager man bilder av disse svulstcellene eller svulstene?

 

Ingerid: Ja, en kreftdiagnose starter ofte med at pasienten har noen symptomer. Eller det skjer et eller annet som gjør at man går til legen og at fastlegen for eksempel mistenker kreft. Så blir man sendt videre for å gjøre bildeundersøkelse av og til. Og da er det ofte MR bilder da som blir brukt til kreftdiagnostikk.

 

Silvija: Og MR står for magnetisk resonans? 

 

Ingerid: Ja. Og da ligger man på en  seng som blir kjørt inn i en sånn stor hvite trommel nærmest. Og så blir det laget et tredimensjonalt bilde av kroppen. Det som er fordelen med MR det er jo at det avbilder mykt vev veldig bra. I motsetning til røntgenbilde, for eksempel, hvor vi stort sett ser bein, vi ser skjelettet det derfor vi ta bruker det når vi mistenker et beinbrudd, for eksempel. Men en kreftsvulst kommer ikke til å synes veldig godt på et røntgenbilde, så da bruker vi MR. Og så er det jo en radiolog da, som er en spesialisert lege som ser på disse bildene etterpå og stiller en foreløpig diagnose i hvert fall. Detekterer og finner en svulst på bildet og gjøre seg opp en mening om hva slags svulst det kan være snakk om.

 

Silvija: Og det kan være noe med formen, størrelsen at det er rett og slett en klump der det ikke skulle vært en klump?

 

Ingerid: Absolutt. Og hvordan den ser ut på bildene. Det gir oss informasjon informasjon om hva slags type svulst det sannsynligvis er, så vi kan ha en god idé ut fra de MR bildene da. Men så vil vi gjerne karakterisere den svulsten litt mer da. Ikke bare si at den er der.

 

Silvija: Fordi det er mange typer? Jeg har hørt det er flere tusen?

 

Ingerid: Veldig, veldig mange typer og forskjellige steder i kroppen og selvfølgelig forskjellige alvorlighetsgrad. Så vi vil beskrive akkurat nøyaktig hvor den ligger. Så vil vi beskrive hvor stor den er, og så vil vi gjerne si noe om hva er det som ligger rundt her? For eksempel hvis den skal opereres ut. Hvis en kirurg skal operere den svulsten, så trenger vi å vite hvor den ligger i forhold til for eksempel blodårer i forhold til andre organer. Slike ting.

 

Silvija: Og da bruker man AI i dette tilfelle, kunstig intelligens. For å hjelpe med den karakteriseringen?

 

Ingerid: Ja. Dette er et veldig aktivt forskningsområde, men det er dessverre ikke brukt regelmessig i klinikken enda. Men jeg tror nok ikke det varer så lenge før disse verktøyene kommer inn på norske sykehus også. Da kan man bruke AI til å både detektere en svulst i første omgang, men også da til å segmentere den, som vi sier, og det vil si at vi rett og slett fargelegger der hvor det er svulst. Vi tegner den i bilde og når vi har gjort det i et tredimensjonalt bilde som dette her, så kan vi regne ut volumet, for eksempel. Og vi kan også si hvor den ligger og hvilke andre organer som er påvirket og som ligger i nærheten.

 

Silvija: Så sa du også at av og til så går vi lenger enn det. Vi ser ikke bare på et bilde som taes, men av og til skjærer vi ut en liten del for å analysere cellene enda mer.

 

Ingerid: Og ofte så behandles en kreftsvulst med kirurgi. Så vi prøver å operere ut så mye vi kan av en svulst. Og da kan vi sende en liten bit av svulsten til patologene som ser på det vevet i mikroskopet. Patologene de har også digitalisert seg sånn at nå kan vi bruke AI også hos dem i mange tilfeller. For nå skannes disse vevsprøvene og de blir digitale bilder som patologene kan se på en skjerm. Og da åpner det for AI algoritmer også der.

 

Silvija: Jeg må spørre deg radiologer, det er folk som ser på røntgenbilder? Mens patologer det er de som ser på mikroskop og så kan det være digitalt og så videre. Jeg kan litt for lite om den type bilde, så jeg lyst til å lære litt mer. Jeg har nå en Iphone 8. Jeg har sett at de nye har enda et par kameraer her, og de bildene han tar innendørs er bare uforståelig gode. Og så vet vi at det er noe AI greier, men jeg tror de AI greiene dreier som at man kombinerer litt forskjellig type kameraer til å se på det man vil se på, om det er et innendørs bilde av en barnebursdag, eller om det er noe selge bilder. Mye bedre belyst da. Mye bedre forstått. Er det så at man bruker litt forskjellige type kameraer, litt forskjellig type belysning nærmest for å forstå hva dette er?

 

Ingerid: Ja, i medisin så bruker vi forskjellig typer bildemodaliteter som vi kaller det. Så røntgenbilder som alle kjenner til, det er på en måte den enkleste typen bilder, så er det MR bilder som vi snakket om nå nettopp. Det er bedre til å ta bilder av mykt vev. Og så er det også tredimensjonale bilder. For da ligger du inne i en sånn hvit tunnel som tar bilder rundt hele kroppen sånn at vi får et tredimensjonalt volum. Så har vi CT bilder som også er røntgenbilder, men som er satt sammen til tredimensjonale volum de og. Og så er det ultralyd bilder som egentlig er bilder laget med lyd. Så alle disse forskjellige type bilder har sine styrker og svakheter for det at vi bruker der forskjellig fysiske prinsipper som ligger bak. Så det gir oss forskjellig informasjon om for eksempel en kreftsvulst. Så det jeg og mange andre ha jobbet med har vært å kombinere bilder fra forskjellige medisinske bildemodaliteter for å få det beste av flere verdener. Og for å fylle ut bildet og fylle ut den informasjonen som legene får da når de skal behandle svulsten.

 

Silvija: Hvis vi skrur opp mikroskopet enda litt mer. Jeg har så lyst å prate litt med deg om genetikk. Og vi har disse RNA kjedene som har disse CATG som kobler seg sammen, og det er i kombinasjoner av disse her bokstavene at ting av og til muterer og ting oppstår og går veldig galt. Og hvis jeg har forstått det riktig, så finnes det nå teknologier som kan lese hvor disse bokstavene ligger. Og så kan man flytte på dem og dermed forandre en del av genetikken. Det forutsetter at vi kan forstå hva de bokstavkombinasjonene betyr.

 

Ingerid: Genetikk er jo et kjempestort felt og et kjempe spennende felt. Og der ligger det veldig mange nye muligheter for både å forstå hvordan vi er satt sammen i utgangspunktet oo forstå opphavet til sykdommer, og hvordan vi kan behandle sykdommer. Og så er det jo ekstremt store datamengder, så det betyr jo at det er et felt hvor teknologi sånn som med AI kan spille en stor rolle. For det blir datamengder som er så enorme at det ikke er håndterbart for mennesker å analysere dette her på tradisjonelle måter. Sånne felt som genetikken, det at vi har verktøy som AI åpner enormt store muligheter som vi nesten ikke kunne forutsi før AI kom.

 

Silvija: Og der også er det denne problematikken rundt personvern og eierskap av dine egne helsedata kanskje på sitt spisseste?

 

Ingerid: Ja, nettopp for dette er jo det som definerer oss aller dypest med. Dette er de minste byggesteinene våre og som bestemmer at du er deg og jeg er meg. Så dette med genetikken der kommer personvernet, ja, helt ned på grunnplanken. Og det er virkelig store spørsmål som vi må ta stilling til.

 

Silvija: Jeg har lurt en periode om jeg skulle ta en sånn 23andme, hvor du putter en liten Q-Tip i munnen og sender det til California, og så får du svar. Og på den ene siden folk bruker det til litt sånne familieforskning, og det må være morsomt å finne ut hvor mye Genghis Khan det er i hver av oss og så videre. Men så tenker jeg at jeg er veldig usikker på, for det første om jeg vil vite og for det andre om jeg har noe utgangspunkt i å kunne gjøre noe med det jeg får vite jeg. Det sier ikke at du skal dø på en onsdag, det sier at du har 22% hva enn etnisiteten er.

 

Ingerid: Det kan si deg noe om sykdomsrisiko, for eksempel. Og da er det som du sier en av de store spørsmålene er jo hva gjør du med den informasjonen når du får den? I utgangspunktet er det kanskje en morsom liten greie for oss, bare for at det kan være spennende å finne ut. Men det kan være ganske alvorlig informasjon og store beslutninger etterpå som knytter seg til det å vite. Og så er det sånn at det angår ikke bare deg heller når det er snakk om genene dine, for genene kommer jo fra et sted. Det handler om familien din også. Det handler om foreldre, det handler om barn og så videre. Sånn informasjon kan ha konsekvenser ut over individet selv. Så det er en. stor beslutning på et vis å be om som sånn type informasjon. Særlig så lenge vi ikke har god behandling, for eksempel for en del av de sykdommene som man kan risikere å være disponert for.

 

Silvija: Jeg er vel egentlig litt der at jeg har ikke lyst til å bli så forferdelig opphengt i kroppen og parametere og sånn til daglig. Jeg tror man kan gå så langt. Vi mennesker er så rare, vi kjører uforsiktig og når vi er slitne og alt mulig rart og så blir vi helt besatt med hvor mye proteiner eller ikke proteiner vi spiser.

 

Ingerid: Vi er ikke nødvendigvis så rasjonelle i sånne sammenhenger, så det er noen avveininger å ta, og det er ikke sikkert at den informasjonen gjør livet noe bedre verken nå eller i fremtiden.

 

Silvija: Og så er det kanskje en grei filosofi at du skal leve mens du kan det og nyte livet med de du er glad i. Det kommer til å være noen veldig store dilemmaer for veldig mange disse nye behandlingene. Jo mer personaliserte, jo dyrere blir de fort. Og det er ingen samfunn i verden, selv ikke de rikeste samfunn i verden, som kan tilby det til alle. Men når det kommer til helsen vår, så er vi individualister til syvende og sist alle sammen.

 

Ingerid: Absolutt, absolutt. Men å finne bærekraftige måter å implementere dette på, det er ekstremt viktig da, for det er jo og som du sier, vi kan jo ikke betale ubegrenset. Selv ikke i rike Norge, så vi må finne måter hvor dette henger sammen med resten av helsevesenet, og hvor vi kan dra nytte av fordelene uten at det koster altfor mye, verken i penger eller annen type ressursbruk.

 

Silvija: Ingerid, et annet område jeg har lyst til å gå inn i nå er litt det psykologiske, fordi veldig mye av det fysiske kommer vi til å kunne holde vedlike ganske lenge inn i livene våre. Vi fikser hjerter, vi får bort mange svulster. Ikke får alle, men for en liten majoritet. Det er derfor vi lever så urimelig lenge nå. Men det vi ikke får fikset, det er denne hjernen vår. Vi blir jo demente hele gjengen til slutt. Kan AI hjelpe der?

 

Ingerid: Ja, absolutt det. Det er jo det vi håper at vi kan finne noen løsninger for særlig nevrodegenrative  sykdommene som alzheimer, parkinson. Disse sykdommene som er blitt veldig vanlig og som kommer til å bli enda vanligere i og med at vi lever lenger. Og som koster koste veldig mye, både for pasientene selv, for pårørende og for samfunnet. Så det er et skrikende behov for fremskritt på disse områdene. Man tenker nesten at det er som et paradoks det og både forstå å behandle vår egen hjerne skal vise seg å være noe av det vanskeligste utfordringene. Det er nesten litt sånn filosofisk da, men det viser seg at det som har med hjernen å gjøre det, det er ekstremt krevende.

 

Silvija: Ja. Både på et sånt biologisk nivå, men også på kanskje sånne psykologisk nivå. Dette med jeg’et og så videre?

 

Ingerid: Og bare det å, eller bare. Det er jo et kjempe forskningsfelt, blant annet moser har jo jobbet mye med det, og bare å forstå hvordan hjernen virker. Det er ekstremt krevende og ekstremt spennende, men fremdeles veldig mye som vi ikke ikke vet eller forstår. Ja, ikke heller da kan behandle når noe går galt.

 

Silvija: Og det har kanskje nettopp med den der feilbarlige heten vår. Det er noe som mener at til og med intelligens kanskje bare er en bug i evolusjonen. Det er noe av det som gjør oss så deilig menneskelige og derfor sjarmerende for hverandre. Det er den der uforutsigbarheten og den der unike, rare kjemi miksen hver av oss går og bærer på.

 

Ingerid: Nettopp. Vi vil jo gjerne ta vare på det og vi vil jo være unike individer, men samtidig så ønsker vi oss jo behandling for Alzheimer. Vi vil jo det. Så jeg tenker at den forskningen er ekstremt viktig.

 

Silvija: Du vet jeg er all for dette med diagnostikk med kunstig intelligens, så jeg tror faktisk at vi ikke kommer til å kunne la være å være med på den genetikk bølgen og så videre. Men det ene området jeg ikke vil tukle med og ikke vil at noen andre skal tukle med det er faktisk kjemien i hjernen min. Og det er folk som er skrevet om også. Det er Neural Link til Elon Musk, som vi kan bygge inn og den kan forsterke signaler, den kan kanskje få blinde folk til å se igjen, og det er masse kjempefint den kan gjøre. Men hvis den begynner å kunne servere meg litt, serotonin eller dopamin eller oxytocin. Da tenker jeg da er jeg fortapt altså.

 

Ingerid: Det er på et annet nivå, men jeg tror ikke vi er der enda det. Det er mange problemer og mange utfordringer som skal løses før vi er der, og det er også mange etiske utfordringer som skal løses på den veien. men det er jo fantastisk mange muligheter til å løse utfordringer, kanskje finne svar på noen av de store utfordringene vi har med for eksempel Alzheimer, Parkinson, disse sykdommene, som ødelegger så mange liv. Jeg tenker at det er en mye mer fruktbar retning å gå i enn å skulle tukle med personlighet og slike ting. Det er litt sånn futuristisk og spennende å tenke på, men jeg tenker vi må styre utviklingen.

 

Silvija: Enig. La oss håpe at det er nok av oss som vil styre det i den retningen.

 

Ingerid: Det får vi håpe.

 

Silvija: Ja, du helt på slutten av denne leksjonen. Vi har snakket om sånn veldig i science fiction aktige high medicine fra disse kjempesmarte kameraene som vi bruker for å lese kroppen fysiologisk. Til etter hvert å snakke litt om hva vi kunne gjort med mentale sykdommer og genetikk. Hvis vi går til noe helt sånn håndfast og veldig samfunnsrelevant på et veldig sånn samfunnsnivå. Det er patientjournaler. Hvorfor er det et så viktig tema, og hva har det med AI å gjøre?

 

Ingerid: Patientjournaler er jo utrolig viktig fordi det er der legene skriver beskrivelser av hva som feiler oss, hvilken behandling vi får, hvordan vi responderer på behandling. Alle disse tingene havner inn i pasientjournalen og tradisjonelt, og forsåvidt fremdeles, så er dette mye fritekst. Det er litt som skolestilen.

 

Silvija: Uleselig?

 

Ingerid: Ja, det skriver på datamaskin nå så det er i hvert fall litt mer leselig enn det var da det var håndskrevet i det brune konvolutter. Men likevel så er det mye fri tekst som skrives. det er det for så vidt det også i beskrivelse av medisinske bilder fra radiologer og så videre. Og all denne teksten, hvis vi skal bruke informasjonen i journaler til å trene AI modeller, så må teksten forstås av datamaskinen. Så det er også en veldig aktiv forskningsområde da. Natural Language Processing* som går på å få maskiner til å lese tekst og forstå tekst og hente ut informasjon fra tekst. Det trenger vi da hvis vi skal bygge AI modeller basert på for eksempel pasientjournaler.

 

Silvija: Veldig bra så det vi prøver på egentlig er å finne strukturer i den teksten som vi da kan bruke som en modell for den pasienten. Og kanskje vi kan finne noen strukturer på samfunnsnivå også? Og så hvorfor er folk i Trondheim friskere enn folk i Bergen?

 

Ingerid: Nettopp. I denne teksten, så må vi plukke opp for eksempel type sykdom, type symptomer, medikamenter. All den viktige informasjonen som ligger begravet inne i det dokumentet. Så må vi hente ut da.

 

Silvija: Veldig bra er det noen veldig viktige eksempler vi har glemt og pratet med Ingerid?

 

Ingerid: Kunstig intelligens i helse og handler, på kort sikt tenker jeg, om å utvikle verktøy for leger og sykepleiere og alle som jobber i helsevesenet. Det er ofte ikke sånne kjempe spektakulære applikasjoner som vi så i den tidlige fasen tilbake i 2016-2017, for eksempel, hvor vi så IBM Watson som skulle stille kreftdiagnoser. Det var nok å skyte litt langt i første forsøk. Sikte litt høyt. Det kan hende vi kommer dit etter hvert, men på kort sikt så handler det om enklere verktøy som kan gjøre en del av det litt kanskje kjedelige, repetitive og relativt enkle oppgavene som er avgrenset og veldefinerte, og som kan frigjøre tid og ressurser og forhåpentligvis gi oss bedre behandling.

 

Silvija: Det er å gi oss en litt bedre kikkert og en litt bedre sveitserkniv, og ikke nødvendigvis erstatte oss foreløpig.

 

Ingerid: Ja, nettopp.

 

Silvija: Tusen takk for denne gode praten om gode eksempler på AI i helse. Vi møttes snart til å snakke litt om verktøykassen-

 

Ingerid: Det gjør vi.

 

Du har nå lyttet til en podcast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Nå kan du også få et læring sertifikat for å ha lyttet til denne podcasten på vårt online universitet Lørn.University

 

Leksjon 3 - ID:M0039c

Leksjon 3 - ID:M0039c

Leksjon 3 - ID:M0039c

Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres og venner. 

 

Silvija Seres: Hei og velkommen til Lørn Masterclass om AI i helse med Ingerid Reinertsen. Dette er den tredje leksjonen vår sammen. Og nå skal vi snakke om en slags verktøykasse. Og Ingerid, dette her kan være alt fra metoder som du bruker når du skal hjelpe noen å komme i gang med å forstå hva AI har med bilder å gjøre i helse, eller det kan være med no software biblioteker eller ting som du synes er nyttige tips and tricks og kanskje også litt morsomme dilemmaer. Hva syns du er gode verktøy?

 

Ingerid Reinertsen: Ja, vi bruker en hel rekke forskjellig verktøy. Vi bruker mye software, software Pakker, biblioteker og det som er veldig bra med å jobbe innenfor AI det er at det er veldig mye som er fritt tilgjengelig, som er open source og som alle kan laste ned fra nettet. Så det er mange, nesten de fleste vil jeg si av de mest brukte bibliotekene og software pakkene og så videre. De er fritt tilgjengelig, det synes jeg er en kjempestor fordel og både forskningsmiljøet særlig da, publisere mye åpen kildekode. Så det er veldig mye som ligger der ute, så er det selvfølgelig en litt sånn jungel å finne frem i. For det  er så mye, men det er mye gratis og mye åpen kildekode. Det synes jeg er en veldig styrke for feltet da.

 

Silvija: Det vi snakker om er vel egentlig verktøy for forskere, og så kan dette være relevante verktøy for forskere som jobber med AI men ikke nødvendigvis i helse. Så hvis de vil se om det de gjør kan være helse relevant og så videre. Der snakket du blant om noen sånne skyløsninger. Er det de store regnemaskiner i skyen, eller er det mer i databaser eller hva?

 

Ingerid: Det er begge deler. Vi bruker en lokal skyløsning her i Trondheim, og det finnes flere andre rundt i landet. Det er jo sånn at man jobber med AI og helse, så jobber vi jo med folks helsedata. Det er sensitive data, så det krever mer sikkerhet enn hvis man jobber med mange andre typer data. Hvis du jobber med data fra en ventil på en oljeplattform, så er kanskje ikke det like sensitivt eller mye annet. Men for oss da, så må vi ha veldig god kontroll på både overføring av data og lagring av data og prosessering av data. Og det er ganske strengt regulert, så vi kan heller ikke benytte oss sånn uten videre av de store store plattformene, slik som Amazon og Google, som tilbyr prosesseringskapasitet og lagring. Vi har vår egen, eller den er jo ikke bare vår. Som springer ut fra NTNU i Trondheim, jeg vet det finnes en tilsvarende i Oslo som tilfredsstiller de sikkerhetskravene vi må ha rundt helsedata. Når vi har AI, så må vi både ha stor lagring for det er mye data, og så må vi ha god kapasitet på prosesseringen. Det vil si at vi trenger GPU’er, Graphical Process Units.Som kan ta unna tung regning mye mer effektivt, så alt dette her må vi ha innenfor samme paraplyen.

 

Silvija: Jeg synes dette med datasikkerhet er veldig spennende tematikk. Vi har i Lørn for kanskje tre år siden nå, laget et prosjekt med Norges forskningsråd som går på dette med BigMed, dette med deling av data på tvers av helse. Og der var det noen fortvilte forskere som følte at det var så streng regulering at de ikke fikk gjort forskningen sin, og at vi prioriterte da pasient personvern høyere enn pasient, hva skal jeg si, overlevelse?

 

Ingerid: Ja, pendelen har nok kanskje svingt litt tilbake, men det var nok nesten der vi var i 2018-2019 da GDPR ble innført. Det gjorde at det ble mye skepsis rundt omkring i helsevesenet og sikkert andre steder. Og man ble er veldig redd for å gjøre feil, så i en periode i hvert fall, så var det jo litt sånn at personvernhensyn trumfet alt annet. Som forsker så følte man jo nesten at det enkleste var å legge ned all medisinsk forskning, for da slapp man i hvert fall å behandle helsedata.

 

Silvija: Det høres nesten ut som denne CEO’en som sa at alt hadde vært så fantastisk bra, hadde det bare ikke vært for de hersens kundene.

 

Ingerid: Ja, nettopp. Og på sykehusene hadde alt vært så lett, hvis det ikke hadde vært så pasientene. Så jeg tror vi etter hvert har begynt å finne noen løsninger, noen middelveier, begynt å lage infrastruktur som gjør at vi kan behandle sensitive helsedata på en sikker måte. Men vi er på ingen måte helt i mål, men det jobbes godt med den problemstillingen, og vi er i hvert fall klar over at vi ikke skal legge ned hverken pasientbehandling eller medisinsk forskning på grunn av personvernet.

 

Silvija: Du jobber med veldig sånn fancy kameraer med diverse imaging løsninger. Du jobber med veldig spennende programmerings, både språk og pakker og biblioteker for akkurat det å kunne lese disse bilder. Det er sikkert noe dyp læring her og så videre. Men jeg har lyst å snakke litt om sånn  hverdags verktøy for folk. Og en er disse klokkene med diverse helsedata-sensorer i seg, om vi kunne bare snakke i et par minutter om hvordan det funker. Og så vil jeg fortelle deg om et lite eksempel som jeg undervurderte. Jeg snakket om helse og viktigheten av å være veldig god på personvern på data og sånt. Og så var det en dame i publikum som stoppet meg etter foredraget og sa ” Silvija, du aner ikke hva de snakker om” Hun har diabetes og går med en sånn chip under huden. Som hele tiden måler blodsukkeret hennes. Så har hun en app på telefonen, og den viser hennes i sanntid, ikke bare nivået, men også trenden. Og dette gjør at hun nå kan medisinere seg veldig presist. For før, når hun måtte måle seg fire ganger om dagen og skulle kjøre barna så vil hun være sikker på at ikke hun har tatt for lite før den bilturen, så over medisinerer man. Og så er det visstnok noen veldig tøffe kroniske effekter av dette her da. Mens nå sier hun at jeg har fått livet mitt tilbake. Og så sier hun at jeg bryr meg egentlig ikke om hvem som har tilgang til mine blodsukker data i skyen. For meg er opplevd verdi av denne tjenesten så mye større enn behovet for personvern.

 

Ingerid: Ja, og jeg kjenner meg veldig igjen i den beskrivelsen der da, for jeg opplever jo at det de aller, aller, aller fleste pasienter når vi spør, samtykker til bruk av data til forskning. Så det er jo  ikke der problemstillingen ligger. De aller fleste av oss har tillit til helsevesenet, så vi syns det er uproblematisk at helsevesenet har tilgang til dataene våre og at dataene brukes til forskning. Og vi er veldig,  generelt sett opptatt av at våre data skal komme noen andre til gode. Så hvis jeg har fått en alvorlig sykdom, så syntes jeg det er fantastisk hvis mine data kan hjelpe til å behandle neste person med samme sykdom.

 

Silvija: Jeg tenker at her trenger vi som samfunn, som helhet å få litt opplæring på god datadeling, kritisk tenkning rundt alt det du finner ut av disse sensorene om helsen din og så videre. For jeg skjønner også leger, det blir en jungel hvis alle skal behandle seg selv på basis av det de leser på internett. På den andre siden, hvis ikke vi samarbeider mellom disse private sfærer og medisinsk sfære, så kommer folk til å bare løpe av gårde som hodeløse kyllinger med alle de sensorene rundt seg og i seg.

 

Ingerid: Ja, det gjør det og når vi har en sånn diabetes app på telefonen, for eksempel, det er jo noe jeg regner med er godt innenfor norsk helsevesen . Det er ikke så stor risiko med det, der regner jeg med at man har god kontroll på hvor dataene går, men en sånn Apple Watch eller slike ting og mange helse apper på telefonen. Der deler vi relativt ukritisk helse opplysningene våre, både med Google og Apple, og diverse app utviklere som vi nesten ikke aner hvem er, og vi heller ikke har god kontroll på hvor dataene havner eller hva de brukes til.

 

Silvija: Opplevd verdi av disse tjenestene tror jeg vil være så stor at det som er veldig viktig for oss i Norge tror jeg er at vi lever tross alt i et land hvor vi har god tilgang og felles tilgang til helsetjenester, og dette blir ikke brukt så mye mot oss i form av forsikrings prising, for eksempel.

 

Ingerid: Den situasjonen er nok litt annerledes i andre land, med andre typer helsesystemer og annen finansiering av helsevesenet enn det vi har i Norge. Og så har vi jo generelt veldig høy tillit i vårt samfunn, så vi tenker jo hvem er det som skal bruke mine helsedata til noe negativt på et vis?

 

Silvija: Og du vet, hva skal jeg si, farlige helsedata? Det som er mest stigmatiserende, det er det som går på det psykologiske, ikke sant? Og der legger vi inn vanvittig mye informasjon om oss selv. Litt ubevisst når vi når vi skriver til Facebook, Cambridge Analytica kan lese oss alle om vi er gravide, depressive og liker Trump.

 

Ingerid: Absolutt. Og det er sånn informasjon som vi ja, som du sier litt ukritisk legger igjen overalt. Men jeg ser at hvis man ber om samtykke til en godt dokumentert forskningsstudie, så er de aller fleste av oss villige til å delta, villig til å dele data. Men det er på måte ikke der flaskehalsen ligger, men at vi mangler for eksempel et innarbeidet system for å gi dette samtykke. Slik som det er nå, så er det ofte sånn at forskere må løpe etter pasienter med skjema for hver eneste studie. Så her trenger vi bedre systemer, og jeg vet at det er på trappene, og det kommer inn med disse offentlige helse portalene. Men vi trenger å ta  det i bruk i et mye større omfang, slik at vi kan gi for eksempel et generelt samtykke til bruk av avidentifiserte helsedata til forskning. Det det burde være være veldig mulig å få til.

 

Silvija: Vi bør bruke data før Google og Apple samler veldig mye mer og begynner å tilby konkurransedyktige tjenester.

 

Ingerid: Det er jo et paradoks at det skal være enkelt for Google å få tilgang til norske helsedata, men helt håpløst for forskerne som sitter i bygget ved siden av Oslo universitetssykehus for eksempel.

 

Silvija: Jeg har lyst til å gi folk et lite sånn praktisk tips som et lite AI verktøy for helsen sin, og da har lyst å gå tilbake til denne appen du snakket om. Hvor, hvis jeg  har forstått deg riktig,så skal man laste ned et eller annet eller gå på en webside og ta bilde av føflekker så man får litt svar om dette er greit eller ikke greit.

 

Ingerid: Ja, jeg vet ikke akkurat hvor langt verktøy har kommet, men det finnes finnes en del sånne verktøy, og det er mer på trappene. Så sånne relativt enkle overvåkningssystemer, det kommer vi nok til å se mange av, og det er jo supert hvis det hjelper oss å detektere kreft, for eksempel, tidligere. Samtidig, hvis de ikke er gode nok, så kan det føre til et rush på fastlegekontoret med folk som kommer med ting de er bekymret for.

 

Silvija: Ja, veldig bra. Jeg er litt usikker på om vi skal snakke om Python og sånne ting eller ikke. Det vi kanskje kunne snakket bare et par minutter om er, hvordan skal en god lege, altså noen som er full utdannet på helsesiden, bli en god teknolog? Eller hva skal til for at de skal kunne begynne å få glede av denne AI’en? For dem må det være et ganske stort sånn profesjonelt hopp?

 

Ingerid: Ja, jeg tror ikke det skal være et mål at alle leger skal bli teknologer. Men som vi snakket om med sykepleierne, så tror jeg leger bør ha en slags grunnleggende forståelse for hva AI er, og for hva det kan gjøre og hva det ikke kan gjøre og. En slags idé om hvilke problemstillinger er det som egner seg for for AI, og hvilke problemstillinger gjør det ikke? Og det å kunne være en kompetent bestiller og en kompetent bruker. Og for å være det, så trenger man kunnskap om teknologien.

 

Silvija: Det bør være noe mer enn science fiction og jeg liker veldig godt det du sa om kompetent bruker og klok bestiller. Man må ha litt peiling for å kunne kjøpe peiling fra de andre.

 

Ingerid: Nettopp, og jeg tror det er litt av flaskehalsen for å få AI verktøy satt ut i livet i det norske helsevesenet. At kunnskapen er kanskje ikke god nok enda, at det er mye skepsis. Og det er mye tvil om AI verktøy virker. Selv om det virker i USA, kommer det til å virke på mine data, mine pasienter her hjemme hos meg. Og for å finne ut av det, så trengs det å gjøres valideringsstudier. Hvor vi enten utvikle og trener egne modeller hvis vi tror det er nødvendig, men også evaluerer eksisterende teknologi for å være sikker på at det fungerer godt på den norske befolkningen og  våre særheter og vår egenart, eller våre skannere og. Bar det at bildene kommer fra et annet sykehus kan jo være noe en AI algoritmen reagerer på, sånn at det er nødvendig å dokumentere nøyaktigheten godt. Men deretter så tenker jeg at legene bør begynne å bruke det parallelt med de eksisterende metodene for å bli kjent med teknologien og få en følelse av hvor det virker godt om hvor det virker dårlig. Og så er det massevis av AI forskere som er super interessert i å hjelpe dem med å videreutvikle eller tilpasse hvis det er nødvendig.

 

Silvija: Ja, jeg tror kanskje det er den viktigste konklusjonen fra denne leksjonene Ingerid. At det dreier seg i veldig stor grad om å begynne å bruke ting. Og det er ikke det at man eksperimenterer på pasientene sine, men man prøver å bli klokere og mer effektiv med sine pasienter.

 

Ingerid: Nettopp, og at man begynner å prøve og bruker det i parallell med de etablerte metodene, slik at man ikke gjør noe dramatisk annerledes. Men å bli kjent med teknologien blir kjente med verktøyene. Det tror jeg gjør folk tryggere og at man da er i en bedre posisjon til å få ut nytteverdien.

 

Silvija: Flott. Tusen takk for enda en god prat. Dette her var slutten på tredje leksjon, vi møtes til en kort prat i et slags verksted om et par minutter.

 

Ingerid: Takk skal du ha! Vi snakkes.

 

Du har nå lyttet til en podcast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Nå kan du også få et læring sertifikat for å ha lyttet til denne podcasten på vårt online universitet Lørn.University

 

Leksjon 4 - ID:M0039d

Leksjon 4 - ID:M0039d

Leksjon 4 - ID:M0039d

Velkommen til Lørn.Tech – en læringsdugnad om teknologi og samfunn med Silvija Seres og venner. 

 

Silvija Seres: Hei og velkommen til Lørn masterclass om AI I helse med Ingrid Reinertsen. Dette er vår fjerde og siste leksjon Ingrid. Og her pleier vi å leke et lite verksted i 10 minutter cirka hvor jeg vanligvis er leder for et lite selskap, Lørn, og trenger hjelp av vår ekspert til å komme i gang i praksis med det som du kan. Jeg er ikke sikker på om jeg kan anvende AI i Helse på jobb på Lørn, med mindre det blir individuelt på meg. Kanskje vi kan late som jeg heller er en eier, en leder av et lite lokalt legekontor. Og jeg lurer på disse Ai greiene. Hva i all verden kan det bety for meg? Hvor kan jeg begynne?

 

Ingerid Reinertsen: Ja, på et på et lokalsykehus eller et fastlegekontor så tenker jeg at AI kan først og fremst bidra med en del nyttige verktøy. Det er jo ikke sånn at man på død og liv må finne opp alt selv. Det finnes veldig mye der ute allerede, og det er klart at det er lett å sortere litt i den den jungelen som finnes der ute. Man bør vel starte med å identifisere problemstillingen sin godt. Hva er det egentlig behovet er? Hvor er utfordringen? Hvor er flaskehalsen? Jeg tenker at man må begynne der, heller enn å si at jeg skal bruke Ai for enhver pris. Ai er et fantastisk verktøy, men det egner seg til noen typer problemstillinger, ikke nødvendigvis alle. Så det å identifisere problemet og beskrive det godt, tenker jeg er et viktig første steg.

 

Silvija: Hvis jeg tenker- og jeg aner ikke hvor skoen egentlig trykker, men jeg mistenker sånn som nå under Corona hvor både sykepleiere og leger hadde altfor, altfor mye å gjøre. Jo mer tid man kan spare på det unødvendige, så hvis den kan veldig fort måle temperaturen min og finne ut av hjertet tilstanden og kanskje jeg kunne spyttet i et eller annet på veien eller kommet med litt urin eller noe så hadde vi starte den samtalen med legen. Kanskje litt mer opplyst, kanskje han kunne fått et visuelt bilde av hvor det kan være røde lamper.

 

Ingerid: Absolutt. For en del sånn ganske grunnleggende undersøkelser så finnes det jo gode verktøy, og noen av de verktøyene er jo utviklet med AI teknologi. Så sånn type verktøy er tilgjengelige, og det tenker jeg at både fastleger og lokalsykehus og større sykehus for den saks skyld bør begynne å ta i bruk. Da får man erfaring,  man ser litt på styrker og svakheter. Og ideelt sett så har man noen man kan spørre med og noen man kan jobbe sammen med, slik at man kan eventuelt rette opp i svakheter eller feil man finner slik at man kan utvikle, videreutvikle kanskje en modell, et produkt i en retning som han selv ønsker, som man ser at  svarer bedre til behovene eller utfordringen.

 

Silvija: Og kan vi tenke oss også noe form for distribuert helse? Altså at jeg kunne valgt som pasient å gå med en klokke som på et eller annet vis får lov til å snakke med med min fastlege eller E- helse et eller annet i norge eller sånn at ikke alt må skje på kontoret.

 

Ingerid: Nettopp. Vi går jo med sånne sensorer på oss når vi har en smartklokke, for eksempel, så er jo det en sensor som vi går med store deler av dagen og kanskje natten også, som etter hvert inneholder veldig mye informasjon. Og vi forer det også selv med informasjon om alt fra puls til søvn og til menstruasjonssyklus til you name it. Så at dette kunne kunne blitt kommunisert til helsevesenet. Det hadde vært en styrke, men jeg tror ikke det er en løsning å bare dumpe dataene direkte. Det blir ikke nyttig verken for oss som pasienter eller for legen,  men at vi kan bruke algoritmer for eksempel der, til å trekke ut trender, til å trekke ut essensen til å vise legen, for eksempel hva er det som er normaltilstanden? Hva er det som er et avvik? Slike ting. Det er nok mer troverdig informasjon enn om legen spør om du har sovet åtte timer hver natt, for eksempel så har nok klokken et bedre svar på det enn det du har.

 

Silvija: Akkurat det der med søvn monitor tror jeg er noe som kommer til å komme i større og større grad. Jeg har ikke orket å begynne med å gå med det, akkurat som jeg ikke ville ha Fitbit heller, for jeg orker ikke en ting til som gir meg dårlig samvittighet. Men jeg skjønner poenget med at det er perioder hvor du sover for lite. Dette her har kjempe konsekvenser for helsen din, og det er veldig greit å få litt bevissthet på helsen sin.

 

Ingerid: Ja, og i  enkelte situasjoner så kan det kanskje være mer viktig enn andre situasjoner at du får nok søvn eller at du ønsker å overvåke søvnkvaliteten, for eksempel at det har en sammenheng med en sykdomstilstand. Slik at det gjør det mer nødvendig enn bare oss som gjør det mer eller mindre for moro skyld, bare fordi vi har det på klokken likevel.

 

Silvija: Jeg sitter å tenker på at det er et anvendelsesområde som kommer til å komme å snakkes varmt om, og det er altså bil som et lite sånn helse laboratorium hvor du sitter i det sete. Og en ting er at de etter hvert kan oppdage i disse veldig high end bilene er når du viser tegn til å være veldig sliten, så får du advarsler. Men den kan også måle andre ting når du først sitter der og du sitter jo der hver dag,  eller mange av oss gjør det.

 

Ingerid: Det er det nesten ubegrensede muligheter til å måle alt mulig rart. Utfordringen er blir å håndtere denne informasjonen, og at det ikke gjør oss til overforbrukere av  helsetjenester. Helsetjenesten vår er jo en begrenset ressurs, og det er jo ikke sånn at det er nødvendig å løpe på fastlegekontoret for hver minste ting. Så denne flodbølgen av informasjon, den må håndteres på en god måte sånn at vi fremdeles prioriterer det som er viktig å se bort fra ganske mye støy og kanskje også mange falske alarmer på slike systemer.

 

Silvija: Men det jeg hører deg si. La oss si jeg er en fastlege, så trenger jeg ikke kanskje med en gang gå til innkjøp av noen veldig kule sosiale roboter, eller super laboratoriet, mikroskoper, duppedingser. Men det å ha et godt pasientjournalsystem som kanskje visualiserer ting litt, gir meg noen nyttige grafer. At det kan være veldig nyttig, noe som også kanskje erstatter det alt tilstedeværende Google søket selv hos legen. At det er et godt system for informasjonshåndtering.

 

Ingerid: Absolutte. Det kan gi bedre overblikk for den aktuelle pasienten og over historikken. Du kan også se for deg at et AI system kan vise legene liknende pasienter. Hva slags behandling fikk de? Hvordan gikk det med dem? Og hvilke bivirkninger fikk de av medisiner, for eksempel. Sånn at du kan ha noen sammenlignbare tilfeller uten at det er kjempestore produksjonsmodeller som skal fortelle deg alt om helsen din i 20 år fremover. Det er mange muligheter som ikke nødvendigvis er så omfattende, men som jeg tror likevel kan kan gi god nytte og som kan spare tid og ressurser.

 

Silvija: Så er det fortsatt litt tid igjen, hører jeg deg si før vi alle kan bare ta den perfekte pilen hver dag, som er skreddersydd bare for oss.

 

Ingerid: Det er nok en stund til vi er der og det er også en stund til vi har de store og veldig omfattende produksjonsmetodene som skal fortelle oss alt om fremtiden vår. Det er ikke sikkert at er det vi ønsker heller, så det må vi diskutere og følge med på underveis. Men at kunstig intelligens kan bidra med nyttig teknologi inn i helsevesenet, det tror jeg ikke det er noen tvil om, og at det er nødvendig å øke kompetansen om kunstig intelligens i helsevesenet. Det tror jeg også er helt sikkert, og at det nok også er nødvendig å øke kompetansen om helsevesenet blant teknologer og AI programmere. slik at man er i en god posisjon til å svare ut de utfordringene og de spørsmålene som kommer fra helsevesenet på en god måte.

 

Silvija: ingerid dette var veldig lærerikt og veldig inspirerende. Tusen takk for at du var med oss og opplyste oss om en av de viktigste trendene i vår fremtid. Og det er AI beriket helse.

 

Ingerid: Tusen takk for at jeg fikk være med dere.

 

Du har nå lyttet til en podcast fra Lørn.Tech – en læringsdugnad om teknologi og samfunn. Nå kan du også få et læring sertifikat for å ha lyttet til denne podcasten på vårt online universitet Lørn.University

 

You must log in to pass this quiz.

Du må være Medlem for å dokumentere din læring med quizes og motta læringsbevis. Prøv et

Allerede Medlem? Logg inn her

Du må være Medlem for å dokumentere din læring med quizes og motta læringsbevis. 

Allerede Medlem? Logg inn her