I sidste uge præsenterede sundhedsminister Sophie Løhde (V) et nyt udspil: Regeringen vil afsætte en halv milliard kroner til at indføre mere kunstig intelligens (ai) i sundhedsvæsenet.

Håbet er, at ai kan afhjælpe manglen på sundhedspersonale – og lette personalets arbejdsdag, både i forhold til mængden af administration og i forhold til de beslutninger, der hele tiden skal træffes.

Ministerens udspil kom, efter at en supercomputer for nylig har været med til at sikre kortere indlæggelser, færre komplikationer og markante besparelser i forhold til kræftpatienter i Køge.

Men hvad kan ai komme til at betyde for FOAs faggrupper? Vi har bedt Peder Stein Burgaard, investeringsdirektør for Digital Care Capital, der opkøber hjemmeplejevirksomheder og digitaliserer dem med blandt andet, komme med nogle bud.

”Der kommer til at være mange muligheder for at anvende kunstig intelligens, hvor især de administrative opgaver vil være lavthængende frugter på grund af de mange gentagne opgaver. På sigt vil ai’en også blive god nok til mange former for beslutningsstøtte – for eksempel ude i den kommunale pleje,” siger han.

”Det kan groft sagt gøre mindre erfarne plejere i stand til at agere, som om de havde 20 års erfaring, når de skal træffe kvalificerede beslutninger i arbejdet med borgerne. Og det bliver endnu mere nyttigt, fordi der er en stor, erfaren generation, der er på vej på pension.”

Peder Stein Burgaard fortæller, at det kræver indgående kendskab til de underliggende analysemodeller og det træningsdatasæt, ai har skabt sin erfaring på, når man skal opbygge sådan en beslutningsstøtte.

Samme analysemodel kan give forskellige resultater i identiske situationer, fordi ai’en ud fra forskellige træningsdatasæt har opbygget forskellig erfaring. Derfor kræver implementering af mere ai-understøttet pleje mere uddannelse af personalet, mener han.

I praksis vil en beslutningsstøtte foregå ved, at ai automatisk giver anbefalinger til handlinger, der baserer sig på avanceret kunstig intelligens om, hvad der er den rigtige beslutning i en given situation i forhold til en given borger. Svaret kommer på baggrund af en lynhurtig analyse i en enorm database, der kan trække på erfaringer fra tusindvis af lignende situationer – og kombinere analysen med den sundhedsdata, der findes om den pågældende borger.

Man kan selvfølgelig ikke være sikker på, at ai træffer den optimale beslutning – det ville kræve et optimalt trænings-datasæt – men sandsynligheden er stor for, at det er en bedre beslutning, end en relativt uerfaren plejer ville tage. Og under alle omstændigheder vil beslutningen blive truffet hurtigt, når man er blevet fortrolig med det digitale hjælpeværktøj.

”Ai’ens vej til opbygning af erfaring kræver, at den kan lære fra sine fejl ligesom ethvert menneske. Den store forskel er, at ai’en kan træne på data svarende til over 100.000 plejeres erfaring. Derfor har ai’en behov for det optimale træningsdatasæt. Og derfor bør udrulningen også foregå i flere tempi afhængig af det underliggende træningsdatasæt. Det skal kunne dokumenteres og valideres klinisk med en større beslutningspræcision, end en uerfaren plejer har,” siger Peder Stein Burgaard og kommer med et par eksempler:

”Ai’en kan analysere sygdomshistorik ud fra et fælles sprog og for eksempel holde øje med afvigelser af frekvensen af toiletbesøg hos en borger og være med til at advare om, at der er en urinvejsinfektion på vej. Plejerne er så pressede, at de ikke har tid til at kigge et års data igennem og se de samme mønstre.”

”Du kan også bruge ai til at se på anvendelsen af nødkaldsalarmer. En andel af dem er i virkeligheden tryghedskald – nogle gange er det ensomhed, andre gange kan det være, fordi de ældre har en angst for at falde. Ai kan så analysere logfiler fra nødkald og nå frem til, at de typisk kommer på bestemte tidspunkter og i bestemte situationer. Måske er der en ond spiral i forhold til faktorer i hjemmet, der udløser usikkerhed og utryghed, men det vil så være noget, der kan håndteres ved, at den sædvanlige plejer omlægger sit besøg til dette tidspunkt.

Peder Stein Burgaard fremhæver, at man kan finde flere underliggende sammenhænge på situationer, når kunstig intelligens får adgang til meget store datasæt på tværs af faktorer.

”Mange menneskelige diagnoser tager ikke højde for kombinationen af for eksempel KOL, hjertesygdomme og psykiske sygdomme. Hvad er for eksempel en acceptabel hvilepuls i forskellige kombinationer af de forskellige diagnoser? Det vil ai kunne give et yderst kvalificeret svar på.”

Udsigterne til mere kunstig intelligens i plejesektoren er ikke noget, der umiddelbart skræmmer formanden for FOAs Social- og Sundhedssektor, Tanja Nielsen.

”Vi er store fortalere for at få så meget administrativt over på ai som muligt, så vi kan frigive mere af medarbejdernes tid til den direkte pleje,” siger hun.

På baggrund af nogle af de forsøg, der allerede har været i sundhedsvæsenet med ai, tror hun også på, at den kunstige intelligens kan være med til at mindske plejebehovet blandt borgere.

”Hvis kunstig intelligens kan være med til at sikre bedre sygdomsopsporing og behandling, vil det betyde, at nogle borgere kan blive i eget hjem i længere tid, før de skal have hjælp. Hvis folk er selvhjulpne i længere tid, vil det også kun være til glæde for dem selv. Diabetespatienter kan for eksempel få hjælp til hurtigere at opdage, når der er noget i gære,” siger Tanja Nielsen.

Hun har dog et vigtigt forbehold i hele diskussionen om den kunstige intelligens’ indtog i sundhedsvæsenet:

”Det er vigtigt, at medarbejderne er med inde over de løsninger, der kan fungere hos den enkelte borger, og at borgerne også er med på det. Der skal være tid til det.