Samtidig bliver vi flere ældre, behandlingskrævende borgere, der stiller større krav til behandlingskvaliteten. Så hvordan løser vi udfordringerne, og hvor skal arbejdskraften komme fra, når vi ikke kan nå at uddanne og tiltrække nye sygeplejersker og læger i det tempo, vi har brug for?

AI kan være en del af løsningen

En af løsningerne skal findes i den digitale udvikling, nærmere bestemt i AI-teknologi. Alene i 2021 og 2022 er over 200 nye AI-algoritmer i medicinsk udstyr blevet godkendt af de amerikanske sundhedsmyndigheder FDA, og vi er også i fuld gang i Danmark.

AI-algoritmer kan fx analysere røntgen- og scanningsbilleder og være en værdifuld hjælp for radiologer, som får frigivet tid. I stedet for, at to radiologer verificerer et røntgenbillede, kan algoritmen gøre det ud for den ene radiolog.

I Region Hovedstaden har man gennemført forsøg med AI i brystkræftscreeningen, og resultaterne er lidt af en øjenåbner. Fx faldt antallet af falsk-positive svar med 25 procent, samtidig med at arbejdspresset på radiologerne blev reduceret med 62,6 procent.

Lignede positive resultater har man på Bispebjerg Hospital, hvor man sammen med det danske firma Radiobotics har arbejdet med at lade AI-algoritmer analysere røntgenbilleder og har fundet ud af, at det ikke bare sparer tid, men også har positiv indflydelse på det videre patientforløb.

Også når det gælder opsporing af patienter med særlig risiko for at udvikle blodforgiftning, viser AI lovende resultater ifølge et større forsøg lavet i samarbejde mellem det aarhusianske firma Enversion og Region Midtjylland. At kunne identificere patienter med høj risiko for kritisk sygdom er netop afgørende for at organisere behandlingen og bruge ressourcerne bedst muligt, lyder det samstemmende fra lægefaglige eksperter.

En hurtig og præcis diagnosticering betyder, at sygehuset vil kunne sætte hurtigt ind med den rette behandling. Udover at blive hurtigere rask og få bedre langtidsprognoser vil patienten belaste sundhedssystemet mindre – for patienter, som får den rigtige behandling tidligt i forløbet, vil være mindre behandlingskrævende og kræve kortere indlæggelse på sygehus.

Spørgsmålet er ikke om, men hvordan

Når det gælder AI i sundhedsvæsenet, er vi kun lige begyndt rejsen og har angrebet de lette problemer. Der er et kæmpe potentiale i teknologien, men skal vi udnytte mulighederne, kræver det, at vi udvikler nye AI-algoritmer, som kan håndtere større datamængder, kan arbejde med tidsserier, er gode til at forklare deres fund og meget mere. Et område, som vi i Danmark også forsker aktivt i bl.a. i regi af Digital Research Center Denmark (Direc).

Det store spørgsmål er altså ikke, om teknologien kan være med til at løse problemerne og endda være med til at bringe det danske sygehusvæsen tilbage i front på behandlingskvalitet og effektivitet – det er derimod om vores sundhedsvæsen er klar til at implementere de nye løsninger. Og hvilke udfordringer, der opstår i mødet mellem digital forskning og hverdagen på et travlt sygehus.

Der er derfor brug for politisk handling og endnu mere fokus på den digitale udvikling i sundhedssektoren. Og der er brug for flere tværfaglige samarbejder mellem landets supersygehuse, universiteter, it-forskere og teknologivirksomheder.

På sundhedsområdet er der virkelig en opgave at tage fat på, og AI er et af midlerne, som kan bringe det danske sundhedsvæsen tilbage i den hvide førerkittel, hvis vi prioriterer opgaven rigtigt.

Vi skal ikke blindt lade os forføre af løfter om teknologiens uendelige muligheder, men vi skal arbejde målrettet med at udnytte de faktiske muligheder – og fjerne eller mindske de barrierer, som forstyrrer.

Fem barrierer for at implementere nye teknologier i sundhedssektoren

På Digital Tech Summit i oktober mødtes teknologivirksomheder, forskere, innovatører og sundhedsprofessionelle for at tale om implementering af nye teknologier i det danske sundhedsvæsen.

Sessionen var arrangeret af DIREC, Pioneer Center for AI, CBS, DTU og Danish Life Science Cluster.

Ifølge eksperter er de største udfordringer for udvikling og implementering af AI på landets sygehuse:

Der er stadig for mange juridiske barrierer. En godkendelse af en algoritme kan f.eks. godt kræve mere end 20 godkendelser.

• Adgang til data og stramme lovkrav til, hvordan data kan bruges.
• Løsninger skal udvikles i fællesskab mellem forskere, virksomheder og sundhedsprofessionelle, og der er behov for at øge samarbejdet på tværs.
• Der er en mangel på AI-specialister til at udvikle og implementere teknologien. Det gælder både hos virksomheder og på hospitalerne.
• Implementering kræver organisatorisk parathed i hele systemet – fra regionschefen til afdelingsledere. Det vil kræve strukturelle ændringer at få teknologien i spil.
• Selvom AI-udviklingen går stærkt er problemerne inden for sundhedsvæsenet meget komplekse, og der er behov for yderligere udvikling af både håndtering af store datamængder, udvikling af nye og bedre algoritmer og udvikling af AI-baserede forklaringsmodeller.