Undersøkte bruken av dyre pakkeforløp med kunstig intelligens. Dette fant de ut

AI, eller kunstig intelligens, kan brukes til mye. Også til å sjekke de såkalte pakkeforløpene for kreftbehandling på sykehus. Problemet med slike er at de er innført med aller beste hensikt, men vi vet ikke hvor godt de virker og hvordan de påvirker andre diagnoser som ikke settes på slike «medisinske motorveier».

På Ahus - Akershus universitetssykehus - har de i samarbeid med Capgemini skaffet seg erfaring med å bruke IBMs Watson teknologi for å finne nåler i høystakker. I dette tilfelle er høystakkene medisinske journaler og nålene er mest mulig konkret informasjon om dem så de kan klassifiseres.

Tidligere har de brukt slik teknologi for å sjekke hvordan sykehuset lå an når de benyttet CT-undersøkelser på barn. En pasientgruppe som ikke bør bestråles mer enn nødvendig. CT kan gi livreddende informasjon, men for mye stråling er negativt. Så hvor mye CT-bruk er riktig?

Ved å se på sykehusets egne journaler, og analysere dem, har de kunnet verifisere at den CT-bruk Ahus praktiserte hadde akseptabel strålingsrisiko veid mot muligheten til å oppdage sykdom.

– Det vi har funnet kan benyttes som retningslinjer ved CT-undersøkelser. Stråleskader kan ha en kumulativ effekt. Derfor er det viktig at barn blir bestrålt så lite som mulig. Det er mye viktigere hos disse enn hos eldre pasienter, sier professor ved Ahus, Jon Terje Geitung.

• Les også: Her vil de utdanne roboter til å bli fremtidens kirurger

Høy datasikkerhet

Alle de watsonbaserte analysene som Ahus utfører foregår på pasientdata innenfor sykehusets brannmur. Dataene er avidentifiserte slik at de ikke inneholder personopplysninger, og analysene gjøres med tillatelse fra personvernombudet.

Det er dr. med. Petter Hurlen, ved divisjon for diagnostikk og teknologi, som har ledet det banebrytende dataanalysearbeidet ved Ahus. Det var hans folk som gjennomførte analysen for å kvalitetssikre sykehusets bruk av CT.

Nå har han gått videre med å se hvilke virkninger pakkeforløpene for kreft får i sykehuset – i første omgang ved å kvalitetssikre radiologens beskrivelser.

Politikerne har vedtatt at 28 ulike kreftdiagnoser skal kvalifisere til et såkalt pakkeforløp. Det betyr at det ikke skal ta mer enn en uke fra fastlegen fatter mistanke til diagnosen skal foreligge. Det høres ut svært bra ut, men det har også noen effekter på systemet.

– Dette har selvfølgelig konsekvenser for den øvrige driften på sykehuset. Vi ønsket å få mer innsikt i hvordan de nye reglene for pakkeforløp påvirker driften og ikke minst om det gjør driften enda mer rigid. Dessuten ville vi sjekke om de temmelig vide reglene for å komme inn i et pakkeforløp bidro til at flere kom inn under regelverket enn strengt tatt nødvendig, sier Geitung.

• Les også: Disse maskinene har potensial til å revolusjonere helsen din (Ekstra)

Trenger avanserte verktøy

Utgangspunktet for analysen var sykehusets egne pasientjournaler og en gruppe pasienter med mistanke om prostatakreft som var inne i et pakkeforløp.

– Vi benyttet svarene som radiologer hadde lagt inn i journalene til pasientene som grunnlag for analysen. Selve analysen er basert på at Watson leser alle svarene fra radiologene og finner den relevante informasjonen. Slike svar kan variere i lengde fra tilfelle til tilfelle når de kommenterte CT- og MR-bilder fra pasientene. Hver lege har sin måte å formulere seg på så det var nødvendig å trene opp systemet slik at det kunne spenne over alle de 1853 pasientene vi kontrollerte, sier Hurlen.

Svarene fra radiologene er ikke beregnet på vanlige folk. De er skrevet for at fastleger og urologer skal få en presis og kortfattet forståelse av billedtolkningen og er svært vanskelig å forstå for vanlige mennesker. Men for IBM Watsons spesielle programvare, med «opplæring» på A-hus, var det ikke vanskelig finne svarene de var på utkikk etter.

Samtidig tror de datateknologien vil kunne hjelpe radiologene til å skrive bedre svar i fremtiden.

– Så mange radiologiske svar er i utgangspunktet en høystakk av informasjon som vi må lete i. Derfor trenger vi nye avanserte verktøy som kan gjøre analysene på grunnlag av ustrukturert informasjon som radiologenes svar. Ulike radiologer skriver på forskjellige måter derfor må vi inn og trene opp systemet slik at det skjønte variasjonene. Men når det var gjort var dette en veldig presis måte å hent ut data på, sier Hurlen.

• Gründeren var nær ved å miste armen: Da oppsto ideen bak den potensielt livreddende maskinen (Ekstra)

Sannsynlighet for prostatakreft

Med IBMs verktøy, og kompetansen fra Capgemini, har de kunnet gruppere pasientene etter hvor stor sannsynlighet det er for at de undersøkte pasientene ikke har kreft, for at de sannsynligvis ikke har kreft, at de kanskje ikke har kreft, at de sannsynligvis har kreft og at de høyst sannsynlig har kreft.

– En slik inndeling som Watson kan gjøre på grunnlag av radiologiske svar, er svært interessant for å se hvor mange som er satt på pakkeforløp. Radiologene gjør jo sine egne klassifiseringer, men vi kan se at noen blir feil plassert og noen ganger glemmes det. Det prosjektet vi har gjennomført er først og fremst for å kvalitetssikre resultatene, men vi har sett at vi har fått interessante resultater som kan indikere et overforbruk av pakkeforløp når det er mistanke om prostatakreft. Vi søker nå om tillatelse til å studere dette nærmere.

• Denne medisinen er radioaktiv: Det krever en helt spesiell produksjonslinje (Ekstra)

For mange pakker

Resultatene fra analysen kan tyde på at flere settes på pakkeforløp enn de som trenger det. I mange tilfeller er konklusjonen at de ikke har kreft, eller sannsynligvis ikke har kreft.

Konsekvensene vil være at det koster penger, og kan redusere den fleksibiliteten man har i systemet når pasienter på pakkeforløp har prioritet.

– Resultatene fra analysene er så interessante at vi ønsker å fortsette arbeidet, spesielt for å se nærmere på de som vi klassifiserer som friske eller sannsynlig friske. Det vil være nyttig også med tanke å vurdere om regelverket for pakkeforløp bør strammes inn, for å kunne behandle andre pasienter innen en begrenset ressursramme. Vi sender folk hjem med beskjed om at de sannsynligvis ikke har kreft. Hvordan går det med dem etterpå, når de skal leve med den beskjeden? Vi vil gjerne også se på hvordan situasjonen er for andre pakkeforløp. Men dette krever at vi får midler til forskning, sier Hurlen.

• Les også: Dette norske gjennombruddet kan hjelpe millioner av diabetikere