Hälsovården är på väg att genomgå en snabb förändring när AI ger nya möjligheter

AI skapar nya möjligheter i många branscher, även inom hälso- och sjukvården. Tekniken kan hjälpa vårdpersonal att förebygga, upptäcka och behandla sjukdomar. Här följer exempel på forskning och tillämpningar som kan bidra till bättre vård.

Artificiell intelligens

AI-utvecklingen pågår snabbt. Vissa system kan effektivisera vårdens arbete, men lägre kostnader och mer jämlik tillgång följer inte automatiskt. Resultaten beror på hur tekniken utvecklas, valideras och används.

Artificiell intelligens omfattar olika beräkningsmetoder. Djupinlärning kan upptäcka mönster i stora datamängder, men systemen lär sig inte på samma sätt som en mänsklig hjärna. Prestanda i en studie är heller ingen garanti för säker användning i all vård.

AI förbättrar diagnos

Diagnostik är ett område där AI kan stödja vårdpersonal. System kan jämföra nya mätningar eller bilder med mönster från träningsdata och uppmärksamma avvikelser. Hur väl det fungerar beror bland annat på patientgrupp, datakvalitet och klinisk validering.

AI-stöd vid diagnos av hornhinneinfektioner

Ett exempel är en metaanalys publicerad i eClinicalMedicine. Studien¹, med Darren Ting vid University of Birmingham som seniorförfattare, sammanställde forskning om djupinlärning för diagnostik av infektiös keratit. Det var en genomgång av befintliga studier, inte utvecklingen av en enda ny egenutvecklad algoritm.

Keratit är inflammation i hornhinnan och kan vid infektion leda till sår, synnedsättning och blindhet. Infektiös keratit är en viktig orsak till hornhinneblindhet. Snabb bedömning och rätt behandling är därför betydelsefulla.

Källa – Webeye Cornea Scan

Forskargruppen granskade 35 studier. Modellerna i dessa studier hade tillsammans analyserat över 136 000 hornhinnebilder. Materialet visar potentialen hos djupinlärning, men styrker inte att en ny universell modell kan diagnostisera alla ögonproblem på några minuter.

AI-modellerna uppvisade en sammanvägd sensitivitet på 89,2 % och specificitet på 93,2 %, jämfört med 82,2 % respektive 89,6 % för ögonläkare. Sensitivitet beskriver förmågan att identifiera sjukdom, medan specificitet beskriver förmågan att korrekt identifiera frånvaro av sjukdom. Siffrorna ska inte betecknas som allmän diagnostisk träffsäkerhet.

Resultaten talar för att AI kan bli ett diagnostiskt stöd, även där specialistkompetens är begränsad. De visar inte att AI alltid är att föredra framför ögonläkare. Författarna efterlyste mer varierade data och ytterligare extern validering.

Diagnos av lungcancer

Lungcancer är en allvarlig sjukdom med hög dödlighet. Forskare vid universitetet och universitetssjukhuset i Köln utvecklade en AI-baserad digital patologiplattform. Studien ”Next generation lung cancer pathology: development and validation of diagnostic and prognostic algorithms” undersökte analys av vävnadssnitt, inte en metod som gör vävnadsprovtagning överflödig.

Plattformen analyserar digitaliserade vävnadsbilder för att ge diagnostisk och prognostisk information. Den automatiserade bildanalysen kan stödja patologer. Ett enda procenttal beskriver inte alla uppgifter och patientgrupper, och bredare klinisk användning kräver fortsatt validering.

Upptäckt av medicineringsfel

Läkemedelsfel kan uppstå vid ordination, beredning eller administrering. Inom anestesi är förväxlingar särskilt allvarliga eftersom läkemedel ofta ges under tidspress. Det är missvisande att framställa anestesirelaterade fel som de vanligaste inom all sjukvård.

Stress, tidspress, arbetsmiljö och utformningen av förpackningar kan bidra till misstag. Fel behöver därför förstås som ett problem för hela arbetsflödet, inte bara som bristande noggrannhet hos en enskild person.

Forskare vid University of Washington och samarbetspartner utvecklade ett bärbart kamerasystem med AI för att upptäcka möjliga läkemedelsförväxlingar. Systemet studerades som ett extra säkerhetsstöd, inte som en ersättning för personalens kontroller.

AI-hälsovård

Systemet analyserar bland annat etiketter samt visuella egenskaper hos flaskor och sprutor. En särskild bakgrundsklass hjälper modellen att undvika att blanda ihop det aktuella läkemedlet med förpackningar i omgivningen.

Forskarna samlade in 4K-video från 418 läkemedelsuppdragningar utförda av 13 personer inom anestesivården. För upptäckt av flaskförväxlingar rapporterades sensitivitet på 99,6 % och specificitet på 98,8 % i studiens utvärdering. Dessa resultat gäller den undersökta uppgiften och är inte ett mått på förmågan att upptäcka alla läkemedelsfel.

Studien visar potentialen hos kamerabaserat beslutsstöd i krävande vårdmiljöer. Den bevisar inte att hela läkemedelsadministreringen kan automatiseras säkert eller att systemet redan har minskat dödligheten i klinisk rutin.

Övervaka behandlingsresultat

AI kan också hjälpa forskare och vårdpersonal att analysera behandlingsresultat över tid. Modeller kan väga samman många uppgifter, men samband i data räcker inte i sig för att avgöra vilken behandling en viss patient behöver.

Data om behandling och uppföljning kan användas för att undersöka effekter, biverkningar och skillnader mellan patientgrupper. Simuleringar kan komplettera forskningen och prioritera vad som ska studeras, men ersätter inte nödvändiga kliniska prövningar.

AI i kroppsburna enheter

Kroppsburna enheter omfattar bland annat aktivitetsklockor och biosensorer. Bättre komponenter kan göra dem mindre och bekvämare. Vilka hälsouppgifter de kan mäta tillförlitligt varierar mellan produkter och användningsområden.

AI kan möjliggöra lokal analys direkt i en enhet. Andra funktioner använder en mobiltelefon eller molntjänst. Det är därför inte korrekt att säga att de flesta kroppsburna enheter måste ansluta till internet för att slutföra all behandling av data.

Källa – Scnsoft

Lokal bearbetning kan minska behovet av dataöverföring och möjliggöra snabb återkoppling. Noggrannheten måste ändå prövas för varje uppgift. Språkmodeller kan underlätta röst- eller textdialog, men är inte förklaringen till att själva elektroniken blivit mindre och töjbar.

AI-hälsovård

Studien ”A wearable in-sensor computing platform based on stretchable organic electrochemical transistors”, publicerad i Nature Electronics, beskrev en plattform med töjbara organiska elektrokemiska transistorer. Forskarna demonstrerade sensornära beräkning. Studien fastställer inte att alla sådana produkter redan är billigare att tillverka.

Plattformen kombinerade sensorer, lokal beräkning och töjbar elektronik med ett litet avläsningssystem. Forskningsresultatet kan bidra till framtida kroppsburna system, men ska skiljas från en färdig, kliniskt validerad konsumentprodukt.

Nya behandlingsprocedurer

Nanopartiklar används och undersöks som bärare för läkemedel. Nanorobotar är ett annat forskningsområde och ska inte blandas ihop med alla nanopartiklar. Storleken i sig avgör inte om en bärare når rätt vävnad eller är säker.

AI kan användas för att utforma eller analysera experiment med små läkemedelsbärare. Det innebär inte att autonoma nanorobotar rutinmässigt styrs genom kroppen eller kan leverera läkemedel till varje del av ett organ.

Vilka företag kommer att dra nytta av AI-hälsovårdsrevolutionen?

Medicinteknikföretag kan använda AI för bland annat bildanalys och beslutsstöd. Affärsmöjligheterna beror på klinisk nytta, regulatoriska krav, kostnader och konkurrens. En växande teknikmarknad garanterar inte högre intäkter eller aktiekurser.

Medtronic

Medtronic grundades 1949, inte 1940. Företaget har verksamhet i bland annat Irland och Minnesota och har länge utvecklat medicinteknik, inklusive pacemakers. Det är för brett att beskriva det som det första företaget som över huvud taget erbjöd pacemakers på 1960-talet.

MDT Prisdiagram

Medtronic distribuerar GI Genius, en AI-baserad modul som hjälper läkare att upptäcka möjliga polyper under koloskopi. Den är ett stöd för endoskopisten och ersätter inte läkarens bedömning eller vävnadsanalys.

StealthStation är ett kirurgiskt navigationssystem, medan Mazor X är en plattform för robotassisterad ryggkirurgi. De har olika funktioner och bör inte beskrivas som två likvärdiga autonoma operationsrobotar. Resultaten beror på ingreppet och den kliniska användningen.

Medtronic erbjuder bland annat pacemakers, defibrillatorer, hjärtklaffar och stentar. Produktbredd och efterfrågan kan påverka verksamheten, men gör inte aktien till ett självklart köp. En investeringsbedömning behöver också väga in värdering, resultat, konkurrens och risker.

Framtiden för AI-hälsovård

Framtida vårdsystem kan kombinera AI med nya material och tillverkningsmetoder. Scenarier där en holografisk skrivare skriver nanorobotar genom huden är däremot spekulativa och ska inte presenteras som en etablerad behandlingskedja.

AI kan förbättra tillgången till vissa tjänster i områden med få specialister. Nyttan beror på bland annat infrastruktur, lokal validering, utbildad personal och möjligheten att följa upp patienter. Tekniken ensam skapar inte ett jämlikt globalt vårdsystem.

AI-hälsovård – en ljusare framtid

AI kan hitta mönster som stödjer vårdpersonal och forskning. Mer AI är dock inte automatiskt bättre vård. Värdet avgörs av hur väl varje system fungerar i praktiken och om det förbättrar patienternas resultat.

Läs om andra spännande AI-projekt nu.

Studierreferens:

^{1. University of Birmingham. (21 oktober 2024). AI i nivå med ögonläkare vid diagnos av hornhinneinfektioner, visar studie. https://www.birmingham.ac.uk/news/2024/ai-eye-to-eye-with-ophthalmologists-in-diagnosing-corneal-infections-study-finds}