Aktører: Datafrygt står i vejen for, at kunstig intelligens kan aflaste sundhedsvæsenet

Skannings- og røntgenbilleder bliver brugt som aldrig før i det danske sundhedsvæsen. Antallet af avancerede radiologiske 3D undersøgelser stiger cirka 15 procent per år, og samtidig fordobles mængden af billeddata per undersøgelse.

Den øgede billedmængde og den dertilhørende analysekompleksitet samt den alvorlige mangel på radiologer fører til nødvendigheden af at lade kunstig intelligens understøtte røntgenlægerne i deres arbejde.

Kunstig intelligens som redning
Kunstig intelligens kan blandt andet hjælpe med at vurdere, hvorvidt der ses sygdom på billedet eller ej, hvordan behandlingen skal prioriteres, og hvordan patientrejsen samt personalets arbejdsprocesser kan effektiviseres.

Men før den fulde effekt af kunstig intelligens kan opnås, skal algoritmerne trænes på faktiske billeder. Det kan være for at finde eksempelvis knoglebrud, kræftknuder og blodpropper.

Samtidig skal algoritmer, der er trænet på data fra andre lande, testes og valideres op imod lokale danske data. En validering er vigtig for at sikre, at algoritmen tilpasses danske borgere og dansk klinisk praksis og repræsenterer den højeste faglige standard og sikkerhed. En sådan validering bør være dansk standard-praksis, hvilket langtfra er virkeligheden i dag.

Vi starter forfra hver gang
Problemerne opstår desværre allerede, når vi vil indsamle radiologiske billeder til de nødvendige validerings-datasæt.

Med radiologien og kunstig intelligens i front kan sundhedsvæsenet løftes

Charlotte Trap-Kinberg, Mikael Boesen, Freddy Lykke og Claus Balslev
Senior projektleder og Co-founder, RAIT, formand, IT-Branchens sundheds-it udvalg og direktør, Public and Healthcare, NNIT

I dag findes der ikke nogen fælles dansk, konsolideret og kvalitetssikret medicinsk billeddatabase. Den skal vi bygge fra projekt til projekt, og det koster nemt op imod en halv million kroner per gang. Det trækker desuden på vores meget knappe ressource, nemlig røntgenlægerne.

Samtidig mødes vi desværre alt for ofte med et krav om, at datasættet skal slettes efter brug, da det specifikke formål med dataindsamlingen er opnået ved projektafslutning.

Derved ødelægger vi potentialet for, at vi kan genbruge disse datasæt til for eksempel at teste andre algoritmer inden for samme sygdomsområde. Vi skal med andre ord klatre op ad det samme bjerg igen og igen, hver gang vi vil træne eller validere en algoritme.

Vi har brug for en national database og fremsynede jurister
Hvis ikke radiologien skal ende som en flaskehals for et presset sundhedsvæsen, har vi brug for en national database med danske, validerede, radiologiske billeddata, der må genbruges og sammenkøres med nye datasæt.

Hertil skal politikere og regionens jurister se alvoren i, at hvis de bliver ved med at fastholde det gamle paradigmes synsvinkel på ny datadreven teknologi, kan de risikere at blokere for livsvigtig forskning og innovation.

Vi ser, at kombinationen af manglende juridiske kompetencer på området og en ofte ubegrundet frygt for uhensigtsmæssig brug af persondata fører til en snæver GDPR-fortolkning. Men det kommer ikke til at tæmme den datadrevne udvikling. Den fortsætter globalt - og udenom det danske sundhedsvæsen og de danske patienter.

Med radiologien og kunstig intelligens i front kan sundhedsvæsenet løftes, men det kræver fremsynethed, uddannelse, samarbejde og væsentlige politiske investeringer.