Så förändrar AI hälso- och sjukvården

Hälso- och sjukvårdssystem runt om i världen sätts på prov av åldrande befolkningar, ett växande antal patienter med kroniska besvär, stigande kostnader för behandlingar och läkemedel, samt personalbrist. Samtidigt bidrar omfattande dokumentationskrav till utbrändhet bland läkare och sjuksköterskor.

Den snabba utvecklingen inom prediktiv och generativ AI förbättrar redan arbetssätt för vårdpersonal, kliniska forskare och administratörer på sjukhus och försäkringsbolag, och ännu fler transformerande framsteg förväntas under de kommande åren. Dessa AI-system är särskilt bra på att upptäcka mönster i stora datamängder, att se detaljer som är svåra att urskilja i medicinska bilder, stödja diagnosställning i komplexa fall och rekommendera kostnadsbesparande verksamhetsförbättringar. Dessa framsteg kan leda till processreformer, produktivitetsvinster och förbättrade patientutfall. Fortsätt läsa för att få veta mer om fördelar, utmaningar och användningsområden för AI inom vården.

Vad är AI?

AI använder komplexa statistiska prediktiva modeller och kraftfull databehandling för att lösa komplexa problem, förstå och svara på frågor som formuleras på naturligt språk, skapa videor och andra former av onlineinnehåll, klassificera bilder, med mera. Neurala nätverk, inklusive stora språkmodeller, tränas på stora mängder historiska data för att konstruera AI-modeller som kan hjälpa användare att förutse och lösa en rad problem. Dessa modeller kan också gå igenom sina statistiska parametrar bakåt för att korrigera fel och överföra sin kunskap för att dra slutsatser om nya problem och domäner. Stora investeringar i datacenter och chip, som behövs för att träna AI-modeller och driva deras slutledning (den resonemangsprocess som de använder för att svara på användarfrågor), har drivit på AI-boomen.

Vad är AI i vården?

Läkare, kliniska forskare, läkemedelsföretag och vårdpersonal använder artificiell intelligens för att underlätta diagnosställning, patientundersökningar och läkemedelsutveckling samt effektivisera vårdcentraler och sjukhus. I USA har vårdinformationssystem använts i stor utsträckning på sjukhus och vårdmottagningar de senaste 15 åren, till stor del tack vare miljarder dollar i federala stimulansåtgärder. Medan dessa system ledde till bättre dokumentation och färre medicinska fel, har deras otympliga anteckningsfunktioner, svårnavigerade gränssnitt och ofta överflödiga varningar och inkorgsmeddelanden också betytt merarbete för vårdpersonalen. Vårdinformationssystem som förstärks med AI-agenter kan hjälpa vårdpersonal att bättre använda sin tid och tillbringa mer av den med patienten. Med hjälp av agenten kan de generera sammanfattningar av patientens tillstånd, läkemedel och provsvar innan de undersöker patienten, snabbt hoppa till viktiga funktioner och ge muntliga eller skriftliga kommandon till agenten på naturligt språk.

Inom radiologin kan AI-system hjälpa till att upptäcka områden i de diagnostiska bilderna med hög sannolikhet för onormal vävnadstillväxt eller mäta specifika indikatorer, såsom förändringar i njurvolymen, som kan hjälpa läkare att förutsäga funktionsförsämringar innan de syns i blodprov.

Många tillämpningar av AI inom vården syftar dock till att minska den administrativa bördan på sjukhus och andra vårdinrättningar, genom att exempelvis automatisera fakturering och tidbokning, hjälpa till att skriva brev om förhandsgodkännanden till försäkringsbolag eller kalla patienter till mammografi. IT-företag inom hälso- och sjukvårdsområdet bygger system med generativ AI som stöder diagnosställning genom att analysera patienternas anamnes och historik, undersökningsresultat och provsvar men som även går igenom befintliga kunskapsmassor om sjukdomar och drar slutsatser som kan hjälpa läkare i komplexa fall.

Viktiga lärdomar

• De vårdinformationssystem som utvecklas nu bygger in generativ AI som sammanfattar patientens journal och provsvar åt läkare och filtrerar information för att framhäva det som är relevant för specifika besvär.
• Diagnostiska verktyg som använder AI kan bespara radiologer tid och förfina deras tolkningar genom att visa områden i de diagnostiska bilderna med hög sannolikhet för tumörvävnad, eller mäta specifika indikatorer, såsom förändringar i njurvolymen, som kan hjälpa läkare att förutsäga funktionsförsämringar innan de syns i blodprov.
• AI kan hjälpa till att dra slutsatser från data med olika källor som kan vara relevanta för forskning och behandling av patienter, exempelvis patientjournaler, utdata från medicintekniska produkter och resultat från genetisk utredning.
• På den administrativa sidan av verksamheten kan AI hjälpa ekonomiavdelningar att maximera intäkter, automatisera tidbokning, kalla patienter till screening och generera utkast till brev om förhandsgodkännande av försäkring.

Fördelar med att använda AI i vården

AI är i färd med att leverera en rad fördelar inom medicinsk forskning, läkemedelsutveckling, klinisk diagnosställning och patientvård samt vårdadministration.

• Vårdinformationssystem: System som får stöd av generativ AI kan spara tid åt läkarna genom att hjälpa dem att förbereda sig inför patientbesök tack vare kortfattade patientöversikter samt genom att förenkla navigeringen i systemet och automatisera anteckningar.
• Bilddiagnostik: På sjukhusens radiologiska avdelningar används AI för att analysera diagnostiska bilder och identifiera organ och potentiella problem samt förutsäga sjukdomar på ett tidigare stadium och mer exakt än innan.
• Schemaläggning och planering på sjukhus: System för bokning och schemaläggning med AI-stöd kan hjälpa administratörer att placera personal och utrustning där behovet är störst. Robotar med inbyggd AI kan lära sig nya rutiner för effektiv utdelning av läkemedel, laboratorieprover, måltider och andra förbrukningsvaror.
• Kliniska prövningar: Läkemedelsföretag går noggrant igenom data om hälsoutfall och basuppgifter från patientjournaler för att hitta lämpliga försökspersoner till kliniska prövningar. Forskning på Cambridge Centre for AI in Medicine är inriktad på att hitta undergrupper av patienter från misslyckade kliniska prövningar som faktiskt upplevde en positiv effekt av en behandling. Läkemedelsutveckling i laboratorier använder AI-modeller som kan upptäcka mönster för hur molekylära föreningar interagerar med patogener, för att identifiera de föreningar som det skulle vara intressant att studera mer ingående.
• Medicinsk forskning: I vårdinformationssystem finns oerhörda mängder anteckningar som innehåller värdefull information om behandlingar och utfall, men sådana ostrukturerade data har varit svåra att extrahera för forskningssyften. Databehandling av naturligt språk kan samla in data från de kliniska anteckningarna som kan hjälpa till att upptäcka läkemedelsbiverkningar eller tidiga varningstecken på sjukdomar. Branschstandarder som Minimal Common Oncology Data Elements (mCODE) för cancer kan göra journaldata från olika programvaruplattformar tillgängliga för forskare så att de kan jämföra behandlingsalternativ.
• Läkemedelssäkerhet: På området läkemedelssäkerhet går det snart att dra nytta av AI-system som utvinner kliniska data ur vårdinformationssystem för att mäta läkemedels effekt och risker hos olika demografiska grupper. Stora språkmodeller kan, med hjälp av en teknik som kallas hämtningsförstärkt generering (Retrieval-Augmented Generation, RAG), slå samman läkemedelsföretags datauppsättningar för att hjälpa till att hitta patienter som löper en högre risk att drabbas av biverkningar.

Utmaningar när AI används i vården

Att tillämpa AI på data från vårdinformationssystem leder inte automatiskt till bättre insikter, patientvård och sjukhusprocesser. Vårdpersonal, administratörer och annan personal måste lita tillräckligt på tekniken för att använda den regelbundet och vara medvetna om risken för fel. Sjukhus med strikta ekonomiska ramar behöver sätta sig in i de betydande kostnaderna för att städa upp och anonymisera patientdata så att dessa data kan användas till att träna upp AI-modeller. Läs mer om dessa och andra utmaningar.

• Läkarförtroende: Vårdpersonal kan vara ovilliga att använda system som kan resultera i fel eller ersätta deras arbete. AI-baserade system måste fungera som assistenter som hjälper till att förbättra vården, och försiktigt gå från användningsfall med låg risk till de med högre risk.
• Regler för sekretess och integritetsskydd: Strikta regler för hur vårdinformation kan delas och vem som ska ha åtkomst har begränsat vilka data som finns tillgängliga för träning av AI-modeller. Men bestämmelser i olika delar av världen håller på att förändras för att göra det möjligt att använda vårddata för att träna upp modeller och stödja kliniska beslut. Förordningen om det europeiska hälsodataområdet har exempelvis inrättat en gemensam ram för dataformat och regler om återanvändning av medicinska data. Storbritanniens Data Use and Access Bill syftar till att göra data om befintliga sjukdomstillstånd, bokade besök och tester tillgängliga inom hela National Health Service, oavsett inom vilket IT-system data skapades.
• Datakvalitet: Fullständiga och standardiserade medicinska data är nödvändiga för effektiva AI-baserade diagnoser och behandlingar. Men processen med att rensa data för att säkerställa dess kvalitet kan belasta vårdgivarnas ekonomi, särskilt sjukhus och andra vårdinrättningar med små vinstmarginaler.
• Datasilor: Bristen på interoperabilitet mellan vårdinformationssystem från olika leverantörer har begränsat datautbytet mellan olika vårdgivare. En annan begränsande faktor är bristande interoperabilitet mellan olika system hos kliniska forskningsgrupper, läkemedelsbolag och myndigheter. Branschstandarder och statliga utbyten av data hjälper i det avseendet.

Tio användningsfall och exempel på AI i vården

Vårdpersonal använder AI på en rad områden för att förbättra diagnostiska insikter och kliniska beslut, förutsäga patientutfall och mycket mer. Här är tio av de vanligaste användningsfallen för AI inom hälso- och sjukvård och biovetenskap.

1. Bilddiagnostik: AI-analys av röntgenbilder, MR-, och CT-undersökningar kan hjälpa läkare att ställa diagnos. Exempelvis genom att identifiera förändringar i njurvolymen för att förutsäga funktionsförsämringar i ett tidigt skede. AI-verktyg kan hjälpa till att upptäcka de områden i diagnostiska bilder som har högst sannolikhet för onormal vävnadstillväxt.
2. Prediktivt beslutsfattande: En vårdgivare som driver rehabiliteringssjukhus i USA använder AI-modeller för att förutsäga patientfall och flagga utskrivna patienter som kan löpa högre risk för återinskrivning. Vårdgivare använder också AI för att fatta bättre beslut baserat på prognoser om sjukdomsrisker och patientutfall.
3. Kliniskt beslutsstöd: I en begränsad studie som publicerades i JAMA Network Open 2024 stämde medicinska diagnoser som enbart grundade sig på sex fall som matats in i OpenAI:s chattrobot med generativ AI, GPT-4, i mycket högre grad än de diagnoser som ställdes av läkare som bara använde chattroboten för hjälp och de som inte använde den alls.
4. Teknik för naturligt språk: AI-algoritmer kan automatisera anteckningar under patientundersökningar tack vare röstigenkänning. De kan även hjälpa till att framhäva insikter från journalanteckningar.
5. Läkemedelsutveckling: Genom att granska effekten av olika molekylära föreningar i ett läkemedelsföretags bibliotek kan AI skynda på upptäckten av nya behandlingar och terapier. AI kan också användas för att förutsäga läkemedels säkerhet och biverkningar.
6. Precisionsläkemedel: AI-algoritmer kan ge insikter om hur patienter kommer att svara på läkemedel utifrån genetiska analyser och hjälpa läkare att avgöra optimal behandlingstid och dos.
7. Administrativ automation: Programvara med inbyggd AI kan förenkla bokning av patientbesök, uppföljning, fakturering och dokumentation samt hjälpa vårdgivare att hålla kostnaderna nere genom att förutsäga behov av vårdpersonal och utrustning.
8. Fjärrövervakning av patienter: Sensorer och enheter med integrerad AI som bärs av patienter kan hjälpa läkare att övervaka patienternas hjärtproblem, diabetes, cancer och andra tillstånd så att de kan ingripa när patienter inte följer ordinerad behandling, motion, kost eller andra planer.
9. Virtuella assistenter för hälsa: AI-baserade chattrobotar kan hjälpa till att ge patienter råd om sjukdomar och behandlingar och rekommendera livsstils- eller kostförändringar. Vårdgivare kan också använda chattrobotar som hjälper patienter att boka tider och förbereda sig för besök.
10. Robotkirurgi: Kirurgstyrda, datorstödda system med kameror, mekaniska armar och instrument som förstärks av AI kan arbeta med större precision än läkare som använder handhållna instrument, vilket potentiellt bidrar till färre komplikationer, mindre blödningar och kortare postoperativa återhämtningstider. AI-algoritmer kan också underlätta planeringen av robotkirurgiska ingrepp, positioneringen av instrument och klassificeringen av medicinska bilder.

Hur ser framtiden ut för AI i vården?

Ytterligare utveckling och införande av nationella bestämmelser och branschstandarder kommer att hjälpa hälso- och sjukvårdsorganisationer och myndigheter att dela mer data, vilket ger en starkare grund för AI-drivna insikter. Men ekonomiskt pressade sjukhus kommer att behöva hitta sätt att investera i de senaste verktygen och förbereda sina data för AI-analys.

Något som troligtvis kommer att bli vanligare är sjukhusrobotar som sjuksköterskor och annan personal styr från sina telefoner för att transportera laboratorieprover, medicinsk utrustning och vårdmaterial för att förkorta leveranstiderna och frigöra personalens tid till annat. Vårdinformationssystem som använder generativ AI för att snabbt förse läkare med relevant information i rätt tid och minimera komplex navigering i gränssnitt börjar också lanseras på marknaden.

Inom det närmaste årtiondet kommer läkare sannolikt att kunna dra nytta av AI-system som stöder medicinskt beslutsfattande under patientbesök genom att föreslå diagnoser via en dator eller surfplatta baserat på vad läkaren har sagt, den befintliga litteraturen och data om liknande tidigare fall. Systemen skulle också kunna rekommendera tester och läkemedel.

Modernisera er hälso- och sjukvård med Oracle

Produkter från Oracle Health förbättrar olika aspekter av vården, bland annat genom generativ AI. De kan hjälpa till att anpassa arbetsflöden för personal, effektivisera hanteringen av patienter och tillhandahålla relevant information före undersökningar.

Oracle Health Klinisk AI-agent registrerar samtal mellan läkaren och patienten för att generera utkast till journalanteckningar och låter läkare hämta fram data från patienters anamnes via röstkommandon. Med Oracle Health Datainsikter kan vårdgivare utföra AI-analyser av kliniska och ekonomiska data. Tjänsterna kan prioritera högriskpatienter, flagga försenad screening och uppmana patienter att boka besök.

Vanliga frågor om AI inom vården

Hur används AI i vården?

Artificiell intelligens förändrar många aspekter av patientvården och vårdadministrationen, inklusive genom diagnostiskt stöd, personliga behandlingsplaner, dokumentation, kliniska prövningar och verksamhetsplanering.

Vad är ett exempel på hur AI används i vården?

AI-förbättrad programvara för vården kan snabbt samla in information om patienters historik från elektroniska patientjournaler, hjälpa läkare att snabbare dokumentera patientbesök, läkemedelsföretag att utforma kliniska prövningar och sjukhus att planera bemanning.