”Jeg håber, at AI forandrer sundhedsvæsenet ved, at vi får en højere kvalitet"

Kunstig intelligens er rykket ind i sundhedssektoren, hvor det bl.a. kan bruges til at skabe en slags trustpilot for patienter og læger. Læs CfLs toplederstafet med Jannick Brennum, centerdirektør på Neurocentret på Rigshospitalet. Få hans udlægning af de mange perspektiver i AI i sundhed. 

Af Pia Fuglsang Bach, communitychef i CfL, november 2023. Foto: Lars Bech

AI vil revolutionere sundhedssektoren. Det er jubeludlægningen af, hvordan kunstig intelligens vil forandre sundhedsvæsnet - til det bedre forstås. Ikke alene i forhold til diagnostik, behandling og ventelister, men også når det handler om løbske sundhedsudgifter, manglen på kvalificeret arbejdskraft og ulighed i behandlingen.

Spørger vi Jannick Brennum, centerdirektør på Neurocentret på Rigshospitalet, er svaret betydeligt mere nuanceret for ikke at sige kompliceret, men grundlæggende ser han et stort potentiale i kunstig intelligens.

”Jeg håber, at AI forandrer sundhedsvæsenet ved, at vi får en højere kvalitet. Vi plejer at sige, at det er menneskeligt at fejle, og jo mere komplekst og jo større datamængder, vi udsætter vores personale for, desto sværere bliver det at orientere sig i det.”

”Med de enorme datamængder, vi har i Sundhedsplatformen, kan vores normale dataanalytiske principper ikke længere håndtere dem på en fornuftig måde. Algoritmer derimod kan hjælpe både personale og patienter med at fange ting, vi ikke fangede i forvejen,” lyder centerdirektørens helt korte svar på fordelene ved at bruge kunstig intelligens.

Relativ kritisk sans

Interviewet med Jannick Brennum er det foreløbigt sidste i CfLs toplederstafet om kunstig intelligens, og spørgsmålet om, hvordan AI vil forandre sundhedsvæsnet, er stillet af Julie Sommerlund, rektor på Danmarks Medie- og Journalisthøjskole.

Kvaliteten er det første centerdirektøren fremhæver, men han tror også, at algoritmer vil kunne hjælpe med at nivellere uligheden i sundhed, fordi vi som mennesker altid er påvirket af hinandens adfærd. 

”Hvis klinikeren er klædt godt på med data på forhånd, så kan den pågældende koncentrere sig om relationen til patienten og den gode dialog i stedet for at udfylde skemaer,” forklarer han.

Brennum bruger konsekvent udtrykket algoritmer – og han tager konsekvent en række forbehold:  

”Vi har i mange år talt om datadrevet ledelse. Nu skal vi måske til at tale om et datadrevet sundhedsvæsen og datadrevet patientbehandling, men et eller andet sted skurrer udtrykket. Der ligger rigtigt meget i de ord vi vælger, og risikoen er, at vi begynder at tro for meget algoritmerne.”

”Jeg vil hellere bruge udtrykket datainspireret, fordi en behandling aldrig bliver bedre end de data, vi har i systemet, og relationen mellem den overordnede AI-analyse og så det enkelte individ,” siger Jannick Brennum og maner til en ”relativ kritisk sans i forhold til alt det, der implementeres.”

Artiklen fortsætter under boksen. 

Det dobbelte demografiske pres

Sundhedssektoren har arbejdet med data og mønstergenkendelse i dekader, og kritisk sans har altid har været en grundsten i analysearbejdet - om det så har været i billeddiagnostik, laboratorieforsøg eller randomiserede undersøgelser.   

Det er først i de senere år, vi er begyndt at tale om kunstig intelligens, og det rejser ifølge Jannick Brennum en hel ny samfundsdiskussion.  

Overordnet handler hele AI-diskussionen om de udfordringer, sundhedssektoren står over for, og Jannick Brennum illustrerer problemet ved at pege på det gap, han fra 2020 til 2030 selv kigger ind i på Neurocenteret på Rigshospitalet.

Han beskriver det som et dobbelt demografisk pres:

”Mængden af neurosygdommene siger hastigt med alderen, og den demografiske udvikling vil i sig selv skabe større behov for behandling. Hvis vi så også kigger på pipelinen af nye undersøgelses- og behandlingsmuligheder, så skal vi lave 30 procent mere i 2030, end vi gjorde i 2020.”

”Når jeg samtidigt kigger på udviklingen og trenden i vores muligheder for personalerekruttering, så skal vi formodentlig gøre det med 10 procent færre kolleger.”

”Det er den nød, jeg sammen med gode kolleger kan bruge resten af mit arbejdsliv på at knække. Her er det helt naturligt, at vi kigger på kunstig intelligens.”

Alt i alt har Region Hovedstaden i dag 32 forskningsprojekter hvor de fleste arbejde med AI i deres eget cloudløsningsmiljø; for et år siden var det 3-4.

Hertil kommer en række andre projekter, som Brennum ikke har nye tal på, men da det blev gjort op for et par år siden, blev der arbejdet på i størrelsesordenen 100 AI-projekter i Region Hovedstaden. Enten egenudviklede eller co-udviklede i samarbejde med industrien. 

Artiklen fortsætter under boksen.

Eksempel 1: Trustpilot for patienter

Siden Sundhedsplatformen blev lanceret i 2016, har Region Hovedstaden og Region Sjælland samlet data på mere end 3,1 million patienter. Det svarer til alle dem, der har været i kontakt med hospitalsvæsnet i Østdanmark.

Med så omfattende datasæt vil man i princippet kunne se, hvordan det reelt er gået med patienterne, hvem der burde tilbydes en given behandling, og hvem der ikke ville få så stor effekt af det.

Så langt er de to regioner ikke endnu, men potentialet er enormt, og som et eksempel nævner Jannick Brennum det, han kalder ”Patienter som mig-systemer”:  

• Forestil dig, at vi har en 65-årige kvinde med kræft i tyktarmen, og at vi på et dashboard straks får vist, hvordan det er gået de seneste 100 patienter, som ligner kvinden i forhold til aldersspænd, sygdomsbillede med mere. 

• Næste step er at berige data med de tidligere patienters behandling: Hvor lang tid var de indlagt, hvilke komplikationer havde de, fik de en overlevelsesgevinst ud af det, hvordan så det ud mellem behandlingerne, og hvor tilfredse var de bagefter?

”Med et sådant system kan vi kan pludselig oplyse lægen og patienten på en hel ny måde og give dem en meget grundigere mulighed, før de tager stilling til en behandling. Det vil være et meget mere transparent sundhedsvæsen, hvor vi også kan hjælpe lægerne med at oplyse patienterne om det, der foregår,” siger Jannick Brennum og tilføjer:

”Vi er på vej over i noget, der ligner trustpilot. Det er sådan vi i dag begår os, når vi køber alle mulige andre varer. Hvad siger leverandøren, hvad siger andre kunder om det produkt, de køber? Det er et af de systemer, AI kan hjælpe os med i sundhedsvæsnet.”

Eksempel 2: Trustpilot for indkøbere  

Et andet eksempel på en slags trustpilot er hentet fra indkøbssiden, hvor det er nødvendigt at tænke anderledes, end når man køber et operationsmikroskop eller andet udstyr til hospitalet, forklarer direktøren: 

• Forestil dig en algoritme, der kigger på røntgenbilleder af lungerne og sorterer de normale fra, så lægerne ikke behøver at bruge tid på det. Det har fungeret godt i et stort amerikansk studium, hvor man har sorteret 35 procent fra, men når algoritmen anvendes på dansk materiale, er tallet under 5 procent. Hvorfor? 

• Fordi det amerikanske sundhedsvæsen er meget anderledes end det danske. I USA laver man måske rutinemæssige røntgenbilleder på alle, der skal opereres. Det er en del af en praksis – af en forretningsgang, hvor man sætter det på regningen - mens vi herhjemme kun bestiller røntgenbilleder af dem, der har behov for det.

”Derfor finder vi næsten ingen normale røntgenbilleder. Vi har set det samme med andre algoritmer, der f.eks. skulle finde tegn på blodforgiftning på indlagte patienter. De fungerede supergodt i USA, men når vi testede i Danmark, fik vi næsten ingenting ud af det.”

”Hele output-delen handler også om, at vores kulturelle og etiske indstilling kan være meget anderledes end i andre lande, og derfor tror jeg, at vi ofte er nødt til at udvikle vores egne algoritmer,” siger han. 

Artiklen fortsætter under boksen.

Strategi for infrastruktur, jura og uddannelse

På det strategiske niveau har Jannick Brennum og hans kolleger kigget på de udfordringer, Region Hovedstaden og Region Sjælland samlet set står over for, hvis de for alvor vil udnytte de kæmpe datamængder, vi har i sundhedsvæsenet.  

Det har dannet grundlagt for en datastrategi, der blev godkendt tilbage i 2021 (Se også boks i bunden). Med centerdirektørens forklaring opererer strategien med tre pejlemærker: 

• Infrastruktur: Hvordan tillader vi og giver mulighed for at kigge på alle de data, vi har – selvfølgelig inden for den lovmæssige hjemmel. Hvordan sørger vi for, at folk har et miljø til at arbejde med algoritmeudvikling og testning? Og hvordan sikrer vi bagefter, at vi kan sætte algoritmerne i drift?
  
  
• Juridiske udfordringer: Rigtigt meget af det lovarbejde, vi har i Danmark, er skrevet i en tid, før vi for alvor begyndte at interessere os for big data og kunstig intelligens. Juraen er fra dengang, vi havde papirjournaler, og vi prøver derfor at finde nye veje ind i det lovgivningsapparat, der findes både nationalt og i EU. Resultatet kan være, at vi er nødt til at gå til de ansvarlige myndigheder og styrelser og sige, at vi har en udfordring, hvis vi gerne vi bruge vores data. 

• Uddannelse: Her kigger vi på, hvad AI betyder for vores interne forståelse og vores uddannelsessystem. Det handler om data literacy. Har vi det, der skal til? Et er, at man kan fremstille data og udvikle algoritmer, men det kræver at dem der bruger systemerne, har en dyb forståelse for hvad man kan med data.
  
  

For tidligt at forudsige grænser for AI

Et tilbagevendende tema i toplederstafetten er, om og hvordan vi skal sætte grænser for AI. Det spørgsmål bider Jannick Brennum ikke på.  

”I øjeblikket bruger vi en masse ressourcer på AI-infrastruktur, fordi vi grundlæggende tror på, at det er vejen frem, men når vi kigger 2-3 år frem, så ser verden anderledes ud. Vi får helt nye muligheder, så det er alt for tidligt at sige, hvor grænserne går.”

”Det vil bare reflektere min kognitive forestillingsevne, men jeg tror, det bliver en rejse – også en kulturel rejse i relation til befolkningen og sundhedsvæsenet og hvad det er, vi vil acceptere.”

Centerdirektøren deler dog gerne sine refleksioner i forhold til samarbejde og datasikkerhed.

”Hvis vi ikke er meget omhyggelige - hvad vi er – risikerer vi så på et tidspunkt at bryde en tillidskontrakt? I lifescience-strategien vil vi f.eks. gerne samarbejde med industrien, men hvordan sikrer vi data privacy?

”Grundlæggende er det patienternes data, så hvordan får vi adgang til og bruger den guldgrube af data, der er på både levende og afdøde patienter? Det er utrolig vigtigt at gå i dialog med befolkningen, politikerne og det juridiske apparat, så vi sikrer, at vi bruger data på en god og ordentlig måde,” pointerer han.

Tilliden til offentlige it-projekter

Jannick Brennum er den øverst ansvarlige for Region Hovedstadens datastrategi, og hans største ledelsesopgave er med egne ord at sætte retningen og få alle sine dygtige folk - og gerne endnu flere – med ombord til at arbejde med data og dataanalyse. Og så prøve at fjerne barrierer hen ad vejen.

Og så er der arbejdet med tilliden til offentlige it-projekter.

”Vi ved godt, at it-projekter ikke altid er nemme at få ud over rampen i første forsøg – og slet ikke når vi betræder nyt grund, hvor ingen har gjort det før os i samme setting. ”

”Ledelsesmæssigt skal vi kunne rumme, at vi løber tre skridt frem, men nogle gange er nødt til at træde to tilbage på en parallelvej for at finde løsningen inden for de rammer, vi har. Det er for mig et super, super spændende univers at prøve at drive den udvikling frem.” 

Hvis du vil læse mere   

Der findes en del offentligt tilgængeligt materiale om, hvordan Region Hovedstaden arbejder med data og AI. Et par eksempler:

• Datastrategi for Region Hovedstaden, 2021 
  
  
• Casekatalog for 2021: Kunstig Intelligens kommer patienterne til gavn