En kommende dataplatform for sundhedssektoren i Danmark vil på sigt gøre brug af machine learning til blandt andet at finde mønstre i befolkningens helbred og opdage sjældne sygdomme.
Artiklen er førstegang bragt i magasinet Insight. Du kan hente det på out.so/source-insight.
Rigshospitalet fik i oktober sidste år besøg af en usædvanlig praktikant. Der var ikke tale om en medicinstuderende af kød og blod, men om IBM’s supercomputer Watson, som skulle hjælpe lægerne med at diagnosticere forskellige kræftformer ved brug af kunstig intelligens.
Watson havde på forhånd kværnet millioner af forskningsartikler og andre datapunkter omkring kræft for at kunne stille de mest præcise diagnoser og foreslå tilsvarende behandling.
Forsøget på Rigshospitalet var blot et pilotprojekt, men giver alligevel en forsmag på, hvad der venter sundhedssektoren i Danmark om nogle år. Vi vil i stigende grad se, hvordan sundhedsdata bliver brugt til at skabe ny indsigt i sygdomsbekæmpelse ved hjælp af kunstig intelligens, eller machine learning, som det kaldes i it-fagsprog.
Således er staten i øjeblikket i færd med at tage en ny avanceret it-platform, Sunddataplatformen, i brug til arbejdet med de nationale sundhedsregistre. Og den skal på sigt bruges til at finde mønstre i danskernes sundhedsdata ved hjælp af kunstig intelligens.
“Det handler om at opnå bedre og mere målrettet behandling af patienter samt at accelerere forskningen,” siger direktør for Sundhedsdatastyrelsen, Lisbeth Nielsen, og fortsætter: “Vi vil kunne bruge machine learning til at genkende mønstre og finde sjældne sygdomme, fordi computeren har et bredere beslutningsgrundlag.”
Kunstig intelligens finder sjældne sygdomme tidligere
Der er allerede fundet eksempler, som demonstrerer computerens overlegenhed. I nogle tilfælde har det endda reddet liv. I et forsøg i Japan lykkedes det Watson at redde en dødeligt syg 60-årig kvindes liv. Computeren opdagede ved hjælp af machine learning, at kvinden havde en sjælden form for leukæmi, som lægerne ikke havde været i stand til at finde. Den foreslog tilmed en behandling, og i dag er kvinden symptomfri.
Det er netop i sådanne situationer, at kunstig intelligens kan komme på banen i fremtiden, mener Lisbeth Nielsen:
“Danmark er et lille land, hvorfor vi har meget få tilfælde af sjældne sygdomme. Derfor kan der være områder, hvor kunstig intelligens kan fange sygdommene før, de ellers ville være blevet opdaget,” siger hun.
Mulighederne stopper dog ikke ved den enkelte patient, men gælder også for større befolkningsgrupper. Eksempelvis er Sundhedsdatastyrelsen i gang med at kortlægge såkaldt ‘skrøbelige patienter’ - med andre ord de patientgrupper, der bliver indlagt flest gange og koster det offentlige flest penge - for at give praktiserende læger og kommuner baggrund for forebyggende tiltag, når man kender patienternes karakteristika.
Nødvendigt med fælles datamodeller Der går endnu noget tid, før machine learning-ambitionerne kan indfries i det offentlige. En af forudsætningerne er sammenhængende sundhedsdata, og det er myndighederne først nu ved at få sat i system med Sundhedsdataprogrammet. Eksempelvis har det været svært at følge den samme patient på tværs af registre i kommuner, regionernes hospitaler og hos staten. Med Sunddataplatformen får registrene for første gang en fælles datamodel at arbejde ud fra, således at data om patienter, dødsårsager, kræft, fertilitetsbehandling, aborter og meget andet lettere kan sammenlignes.
“Vi skal kravle, før vi kan gå. Første skridt er at stille data til rådighed på tværs af sundhedssektoren. Men derefter er der store tanker om, hvordan man kan bruge machine learning og big data til at forstå sygdomme bedre og behandle mere effektivt,” siger Lisbeth Nielsen.
KUNSTIG INTELLIGENS ELLER MACHINE LEARNING? Kunstig intelligens har været diskuteret i årtier, men har for nylig fået en genopblomstring under betegnelsen machine learning i kraft af den billigere adgang til hurtig regnekraft i cpu’er og ikke mindst gpu’er.
Machine learning bruges til at finde mønstre og lave forudsigelser på baggrund af store mængder af data.
Det bruges blandt andet af Google til at forudsige søgeresultater samt blokere for spam. Facebook bruger det til at genkende ansigter i milliarder af billeder, og politiet bruger det til at finde mistænkelig adfærd på blandt andet sociale medier.
Artiklen er førstegang bragt i magasinet Insight. Du kan hente det på out.so/source-insight.
