Vilket är drömscenariot gällande AI i sjukvården? Och vad fasar man för ute på vårdgolvet? Sjukhusläkaren frågade specialitetsföreningarna hur de ser på AI-utvecklingen.

• 15 april 2024
• 0
• AV: Anna Sofia Dahl

Det är ingen lätt sak att spå in i framtiden. Och när det dessutom handlar om ett område där möjligheterna känns oändliga kan det vara än svårare. Men när vi frågar specialitetsföreningarna om vad de skulle vilja se i fråga om AI om tio år blir det tydligt att det åtminstone finns många AI-drömmar inom sjukvården. Förbättrad bedömning och diagnostik, förbättrade beslutsstöd, verktyg som underlättar forskning eller statistiska analyser och vara en tillgång i att hitta ovanliga samband snabbare är några exempel som nämns. Men tydligast framträder önskan om att AI-utvecklingen ska leda till en minskad administrativ börda och ge mer tid till det kliniska arbetet och patienterna.

På samma sätt finns det en rad farhågor kopplade till AI-utvecklingen. Bland annat vad som händer om tekniken utvecklas utan professionens inblandning, hur det blir med ansvarsfrågan om någonting händer, hur man kan säkerställa att sekretessen bibehålls och att det mänskliga mötet ges mindre utrymme.

Svensk Arbetsmedicinsk och Arbets- och miljömedicinsk förening

Drömmar? Man kan förstås spekulera kring om AI-algoritmer kan hjälpa till med bättre riktad screening, diagnostik, surveillance av arbetsskador (mer ett indata-problem dock) etc. Mer närliggande kan man redan nu ibland spara lite tid genom att be en LLM söka igenom dokument som säkerhetsdatablad efter relevant information, översätta saker etc, och sånt bruksanvändande antar jag blir vanligare närmsta decenniet. Och man blir bättre på att veta när man kan lita på Ain.
Övrigt: Delvis kom jag att tänka på hur våra patienter påverkas redan idag och kommer att påverkas i framtiden av AI när AI blir våra patienters arbetsgivare/chefer. Redan idag pågår tvister mellan Arbetsmiljöverket och vissa företag som påstår att personer som jobbar med leverans av bl.a. olika produkter och mat får kallas för egenföretagare och inte anställda då arbetssättet går till så att de via en app ställer upp för att genomföra ett uppdrag. Detta är redan idag ett stort känt problem i bl.a. USA. Nästan hela denna patientgrupp saknar kollektivavtal, FHV, m.m. vilket gör att vi sällan kommer att träffa dem. Ovanstående exempel med lagerarbetare är också relevant i sammanhanget där de anställda blir beordrade av ett automatiserat (AI)-system som de har kontakt med via en dator medan deras chefer har knappt träffat dem någon gång. Detta kan vara en utmaning för oss på kliniken på flera sätt, inte minst att det blir ”nya” exponeringar i den organisatoriska och psykosociala arbetsmiljön som ska bedömas.
AI kommer att kunna fungera bra för röntgen och patologi, och kanske lab. Men för oss övriga är ju läkekonsten i det personliga mötet. Nu finns ju ”kunskapsstyrningen” som är kokbok för kollegorna, men de är ju skrivna i ”stuprör”. Patienterna är ju inte sjuka i stuprör, utan de har ju sina symtom som kan komma från flera spår, alltså är ju den kliniska kunskapen viktig att kunna plocka för denna patient rätt delar av flera stuprör.  Som människa använder vi ju våra spegelneuron för att få information från kropp till kropp, och detta har mig veterligt inte utvecklats artificiellt ännu(?).

Svensk Förening för Akutsjukvård

Drömmar? Vi från SWESEM förordar på kort sikt organisatoriska och administrativa AI-stöd, så vi kan lägga mer av vår tid på patienter och använda vårdens resurser på ett smartare sätt. Detta innebär inga direkta risker gentemot en enskild patient, så länge känsliga personuppgifter hanteras på ett säkert sätt. Med ett organisatoriskt stöd skulle man dag-för-dag bättre kunna prediktera framtida söktryck och behov inom primärvård, ambulans, akutmottagningsvård, röntgen och slutenvård för att identifiera flaskhalsar och överdimensionering i hela vårdsystemet och anpassa bemanning och övriga resurser efter detta. Idag ”hamnar” och fastnar patienten ofta på akutmottagningen när något i övriga vårdsystemet fallerar. Som administrativt stöd föreslås till exempel smart sammanställning av patientens journalhistorik inför ett nytt akutmottagningsbesök och transkribering av patient-läkarsamtalet till färdiga journalanteckningar och remisser. Längre fram ser vi potential för framför allt förbättrad diagnostik och riskstratifiering av patienter på akutmottagningen, med bland annat smartare larm och beslutsstöd för den direkta handläggningen av patientfall. Akutsjukvård är en verksamhet där vi troligen kommer att få se en del AI-stöd i framtiden, eftersom vården är tidskritisk och resurskrävande, pågår dygnet runt och bygger på stora mängder data.
Risker? Akutsjukvård är en mycket komplex process med många aktörer som påverkar flödet, både på själva akutmottagningen och utanför. En risk är att utomstående inte fullt ut förstår denna process och att vi därför bygger in oss i dåliga AI-lösningar som inte ger verklig patient- eller personalnytta. För att minska denna risk är det viktigt att akutsjukvårdspersonal med färsk klinisk erfarenhet finns med i varje del av utvecklingen, från vilket problem som ska lösas, via design och fram till implementering. En annan risk är att AI-stödet innehåller felaktigheter, bias, eller diskriminerar olika patientgrupper, till exempel äldre genom att fungera sämre för dem. För att minska risken behövs transparenta, tolkningsbara AI-stöd, noggranna valideringsstudier samt att akutsjukvårdspersonal, inte AI, alltid fattar det slutgiltiga beslutet.
Övrigt: Det finns säkert många goda idéer på ”golvet” som stannar där på grund av fördröjningar och hinder längs vägen mot implementering, såsom oklarhet om hur man ska tolka EU-lagen GDPR och den långa tid som krävs för att CE-märka medicintekniska produkter. Det saknas idag också i stor utsträckning kliniker med nödvändig kompetens för att vara ansvariga prövare för de kliniska studier som är centrala i utvärderingen av nya lösningar, vilket är ett till stor del förbisett problem. Det är viktigt att skapa förutsättningar för kliniker som vill ta sina idéer vidare.

Svensk Förening för anestesi och intensivvård

Drömmar?
* Preoperativa bedömningar: Redan idag kan generativ AI (LLM large language models, mest känd chatGTP) summera och strukturera information. Så som våra journalsystem är uppbyggda tar det ofta mycket tid att gå igenom detta material. AI kan sammanfatta och gå igenom detta material. Jag är övertygad om att det kan leda till högre patientsäkerhet.
Sammanfatta Take Care och NPÖ för väsentlig information som underlättar anestesibedömning
* Identifiera patienter som kan vara i behov av intensivvård: Om 10 år så bör de flesta patienter som är inlagda på sjukhus kunna vara övervakade kontinuerligt. Jämför med att fler och fler i sin vardag har klockor som registrerar puls och syresättning. Med den sota mängden data kommer det gå att utveckla AI-modeller som larmar inför att patienten försämras och kommer då kunna få snabbare bedömning.
* Resurser: Det finns redan AI-modeller som försöker prediktera när patient kan skrivas ut från IVA (finns projekt lanserade i Amsterdam). Det bör gå att göra prediktionsmodeller för risk för intubation, CRRT på IVA. Kanske kan det hjälpa till att förutspå behovet av antal IVA platser.
* Beslutsstöd: Beslutstöd för diagnoser, differentialdiagnoser
* Beräkna risk score för postoperativa komplikationer och död men även skapa dataset som möjliggör validering av riskmodeller (vilka man nu väljer)
* Läkemedel
*Automatisk AI analys av ex odlingar, röntgen, lab. Kontroll att rätt antibiotika och rätt dos.
* Dokumentation: Anteckningar som genereras med data som kommer från digitala IVA kurvor, pumpar, lab mm + enstaka stödord från behandlande läkare. Journalbedömningar, alltså igen sammanfatta väsentlig information som idag är mkt tids- och resurskrävande.
* Videoanalys: Om IVA patienter filmas, kommer AI kunna identifiera tecken till försämring, subtila förändringar för start av delirium mm. AI kommer att kunna ha ”sett” 100 000-tals patienter, medan erfarna narkos/IVA läkare betydligt färre.
* Ultraljudsmaskiner som markerar med färg och ev namn nerver, artärer, vener mm när man lägger på ultraljudet. Likaså för EKO/UCG, automatiska beräkningar av EF, Cardiac output mm.
* Sammanfatta litteratur av ”enklare” frågor, i tabellform med utvalda egenskaper av studier av intresse tex år, stickprovsstorlek, design, utfallsmått, resultat, statistik, metod
* Schemaläggning
Risker?
* En stor risk är att behandlande läkare slutar tänka själv, tänka kritiskt och i för stor utsträckning blint litar på de rekommendationer som AI ger.
* Integritet, se till att känslig information ej hamnar på fel ställe.
* Att patologiska fynd av betydelse inte upptäcks eller tolkas felaktigt. Att fynd inte kan korreleras till beslut om korrekt anestesiologiskt omhändertagande, tex:  Finns medicinska eller psykosociala skäl att göra avsteg från rutin? behövs optimering eller utredning?
Övrigt: Utvecklingen går extremt fort, och utvecklingen av LLMer, chatGTP har verkligen ”demokratiserat” användningen av AI. Där man tidigare behövde kunna programmera för att använda AI kan man nu enkelt skriva ”helt vanligt”. Vi kommer att kunna bli av med en stor administrativ börda och kommer kunna träffa fler patienter. Det kommer även leda till mer patientsäker vård.
Generellt tycker vi att man behöver införa AI-undervisning för läkare (både på utbildningen och som fortbildning). Det kommer bli en viktig del av vår vardag och vi måste ha grundläggande förståelse för hur AI funkar för att kunna ställa rätt frågor och också veta begränsningarna.
Det finns kliniker inom vår specialitet som bedriver forskning kopplat till AI gällande en AI-algoritm som kan förutspå blodtrycksfall under kirurgi, liknande HPI men förhoppningsvis med bättre prestanda. Man använder flera olika fysiologiska övervakningsdata från op för att träna algoritmen, bla artärblodtryck och ventilationsdata.

Svensk Förening för Klinisk Fysiologi

Drömmar? Hundratals möjliga tänkbara specifika applikationer inom tolkning, bedömning, segmentering, registrering, kvantifiering, textanalys mm. Möjlighet till effektivisering där två-läkarbedömning kan bli dr+AI (bröstcancerscreening) eller kvalitetsökning/patientsäkerhetshöjning där en-läkarbedömning kan bli dr+AI.
Monotona arbetsflöden som tex prioritering skulle kunna effektiviseras med AI-baserad textanalys. Ökad känslighet då stora datamängder kan analyseras mer noggrant och utan undersökar-uttröttbarhet.
Risker? Vad händer när AI börjar matas med AI-data. Tappar vi prestanda?  Tappar vi något när vi låter AI göra våra bedömningar. Vem gör rimlighetsbedömningar av det AI ger oss.
Ökad sårbarhet när vi gör oss beroende av AI – blir vi fast i leverantörernas våld? Vad gör vi när tekniken fallerar/slutar fungera? Ökat behov av vårdproduktion om sensitiviteten ökar och fler bifynd ska hanteras? Ägande av träningsdata? Höga kostnader för AI-applikationer. Svåra cost-benefit-överväganden.

Svensk Förening för Klinisk Neurofysiologi

Det pratas och diskuteras en del om AI inom vården och inom vår specialitet dels för att vi är en diagnostiskt specialitet, dels att vi använder mycket teknik. Mats Svantesson på kliniken i Linköping disputerar i ämnet under våren. Hans arbete heter “Self-supervised deep learning and EEG categorization” och handlar om EEG (Electroencefalografi) en metod som används för att diagnostisera epilepsi. Det är han som har svarat på frågorna.
Drömmar? Högt på önskelistan står att AI ska ge en betydande avlastning avseende de administrativa momenten. Mer specifikt för klinisk neurofysiologi önskar vi att nivån på de automatiska förtolkningar som finns har höjts rejält men också att de kommer finnas för fler typer av undersökningar. Ett viktigt exempel på en AI-baserad funktion vi önskar är en tillförlitlig automatisk detektion av anfallsaktivitet och status epilepticus i EEG. Ett sådant system skulle kunna göra stor nytta då det kan fungera som stöd för våra kollegor inom intensivvården under tider på dygnet när klinisk neurofysiologi ej är tillgänglig.
Risker? Riskerna med AI i stort gäller förstås även för klinisk neurofysiologi. Snedvridna eller helt felaktiga bedömningar är en känd risk. Risken ökar om tekniken används utan kompetens att värdera om resultaten den producerar är rimliga. Ytterligare en risk i sammanhanget är om AI för klinisk neurofysiologi utvecklas utan tillräcklig involvering av specialiteten. En ofrånkomlig risk om AI:n är framgångsrik är att den kompetens som specialiteten representerar idag kommer minska över tid. Sen finns det etiska och säkerhetsrelaterade risker. Stora AI-modeller kan memorera fakta, om de till exempel utvecklats med hjälp av patientdata kan det finnas spår av dessa som går att plocka fram. Det kan också vara så att när flera olika typer av information kan integreras kanske AI:n kan identifiera individer. Till detta adderas riskerna om stora datamängder måste skickas till externa aktörer.
Övrigt: Det kommer antagligen ta längre tid än vi tror att utveckla en bra AI och som dessutom kan användas i skarpt läge. Först måste man hitta rätt lösningar för att skapa denna AI. Den ska tränas på stora mängder kliniska data. Sedan måste den genomgå rigorös testning. Därefter kommer sjösättningen inom sjukvården. Att utveckla och driva en avancerad AI är enormt resurskrävande. Underdimensionerad datorkraft, reglering och praktiska detaljer avseende datahantering kommer att bromsa utvecklingen kraftigt för sjukvården generellt. Mer kraftfull AI bygger på att man kan integrera stora mängder data av olika typ och som t.ex. dagens reglering och IT-infrastruktur ser ut är det närmast en omöjlighet. Klinisk neurofysiologi är en liten specialitet, har därmed mindre resurser och riskerar att ha en eftersläpande utveckling. Om man ser till forskningen inom AI och klinisk neurofysiologi så är man fortfarande i en fas där man främst försöker lösa avgränsade problem. Så inom ett 10-årsperspektiv är det ändå ganska begränsat vad man kan förvänta sig. Det kommer mestadels röra sig om punktinsatser med AI-applikationer för specifika problem. Med detta sagt så kommer AI trots allt på sikt ge ett paradigmskifte i diagnostiken. Diagnosticering kan få en ökad sensitiviteten men även att nya mönster upptäcks och därmed ger en ökad specificitet eller möjligheter att diagnosticera nya sjukdomstillstånd. Detta kan förstärkas av att många olika modaliteter kan integreras i samma analys. AI kan bidra till att ge en jämnare kvalitet och mer rättvisa bedömningar. Den kan öka tillgängligheten, dels genom att bedömningar går snabbare med ökad produktivitet som följd, dels som stöd för andra specialiteter under till exempel jourtid då viss expertis kanske inte är tillgänglig. Konvergensen mot en mer generell AI kommer också ge mer intuitiva och användarvänliga system.

Svensk Förening för Nuklearmedicin

Drömmar? Det finns flera potentiella vinster som jag ser det. Dels skulle AI kunna vara till hjälp vid granskning av undersökningar, t.ex. underlätta granskning av den enskilda undersökningen och jämförelse över tid genom att på ett standardiserat sätt markera ut lesioner och fynd. En annan potentiell vinst är att genom en första automatiserad granskning flagga upp undersökningar med brådskande fynd, och på så sätt underlätta för nuklearmedicinare att prioritera vilken undersökning som ska besvaras härnäst.
Risker? Den viktigaste potentiella risken jag ser är att det köps in AI-lösningar som inte leder till förbättrad kvalitet och effektivitet, utan i värsta fall gör att undersökningarna tar längre tid att granska. T.ex. kan detta vara genom att hitta många falskt positiva fynd som nuklearmedicinare därefter måste ta ställning till och avfärda.
Övrigt: Det finns många potentiella förbättringar av vårdens digitala system, där AI kan utgöra en delmängd. Det är dock viktigt att andra saker, såsom att systemen är snabba och lätta att arbeta i, inte glöms bort. Ett ensidigt fokus på AI utgör på så vis en risk för arbetsmiljön och produktionstakten. Nyckeln är troligen att (som i så många andra frågor) låta professionen bestämma, och att hålla upphandlingar etc. på en rimlig storleksnivå.

Svensk Förening för Obstetrik och Gynekologi

För många av oss är AI ännu nytt dock finns det flera kollegor som jobbar med AI utveckling där vi kan se vinster inom vår specialitet såsom gynekologisk ultraljudsdiagnostik (professor Elisabeth Epstein, SÖS) och CTG analys (Malin Holzmann KI). Ingen har uttryckt några specifika farhågor utan AI tillämpning bör givetvis användas där det kan ge stöd i beslutsfattande och att det är en läkare som gör slutbedömningen och är ansvarig för svaret/bedömningen med den lagstiftning som finns idag.

Svensk Förening för Palliativ Medicin

Palliativ medicin bygger till stor del på att skapa en trygghet för patienter inför livets slut, stor vikt ställs, förutom symtomlindring, på kommunikation och samtal mellan läkare och patient.
Drömmar? Jag tycker det är svårt att överblicka hur AI kommer att utvecklas och regleras 10 års perspektivet blir lätt svindlande och min kunskap i ämnet är begränsat! AI ger oss bra saker som kunskapsstöd och att ge vägledning till patienter och kan säkerligen hitta ovanliga samband snabbare. Utveckling av diagnostik och val av behandlingar är säkerligen värdefullt likväl att ge stöd att avsluta behandlingar som riskerar att skapa mer skada än nytta.
Risker? Palliativ medicinska bedömningar skiljer sig oftast åt utifrån person och situation något som AI möjligen har svårt att hantera. Risken är alltid att AI inte tar hänsyn till och kan tolka person eller situation som patienten uppfattar ger samma trygghet som en person gör. Kan AI ge trygghet och stöd till patienter där botande eller bromsande behandling saknas?
Övrigt: Jag tror AI kan vara värdefullt för sjukvården som ofta har mycket komplexa förlopp och svårigheter att på ett effektivt sätt planera resurser efter behov. Vissa medicinska beslut och tolkningar kommer troligtvis helt vara AI baserat medan mer avancerade tolkningar med många okända variabler inte kommer ha lika stor nytta av AI.

Svensk Föreningen Patologi

Drömmar? Vi ser med entusiasm fram emot de positiva förändringar som AI-utvecklingen kommer att medföra inom vår sektor. Vi föreställer oss en framtid där AI förbättrar diagnostisk precision genom avancerad bildanalys och genom att underlätta kvalitativ bedömning av biomarkörer, som exempelvis inom patologi. Detta kan leda till tidigare upptäckt av sjukdomar och förbättrad planering av behandlingar. Redan nu ser vi exempel på detta inom bröstcancerpatientvården på Sankt Görans Sjukhus. Vidare ser vi potentialen för AI att optimera arbetsflöden inom sjukvården, minska administrativ börda och främja en mer patientcentrerad vård. Genom sin förmåga att analysera stora datamängder och identifiera mönster som människor kanske inte kan, kan AI också bidra till att accelerera forskning och upptäckter som kan rädda liv.
Risker? Dock medför kraften hos AI också risker som måste beaktas. En av de främsta riskerna är kvaliteten och tillförlitligheten hos de algoritmer som används. Felaktiga eller partiska algoritmer kan leda till felaktiga diagnoser eller rekommendationer, vilket kan ha allvarliga konsekvenser för patienterna. Dessutom är det viktigt att noggrant hantera känslig patientinformation och säkerställa dataskydd för att undvika integritetsintrång.
Övrigt: Trots de potentiella riskerna tror vi att AI har möjlighet att revolutionera vården på många sätt. Det är av yttersta vikt att vi använder AI-teknik på ett ansvarsfullt sätt och håller fokus på att förbättra patientresultat och vården som helhet. Inom vår sektor ser vi med glädje på möjligheten att använda AI för att förbättra diagnostiska processer, behandlingsplanering och långsiktig patientövervakning. Det är dock avgörande att vi alltid upprätthåller ett etiskt och patientcentrerat tillvägagångssätt i all användning av AI inom vården för att säkerställa att vi når bästa möjliga resultat för våra patienter.

Svensk Förening för Rehabiliteringsmedicin

Drömmar? Utvärdera behandlingar, underlätta klinisk arbete.
Risker? Nej inte som jag ser det i nuläget.

Svensk Förening för Socialmedicin och Folkhälsa

Drömmar? Vi hoppas att AI-utvecklingen effektiviserar kartläggning och interventioner för förbättrad folkhälsa, och bidrar till att minska hälso-och vårdklyftor genom bättre tillgänglighet och resursallokering som är mer behovsstyrt och mindre efterfråganstyrt. AI kan förbättra beslutsstöd för hälso- och sjukvårdspersonal och utforma mer målinriktade folkhälsoprogram som adresserar specifika behov hos olika befolkningsgrupper. AI kan ge effektiviseringar av sjukvårdens administration som kan frigöra medel och tid för de patienter som på sikt inte kan eller vill använda verktygen för egenvård.
Risker? Risken för kränkning av privatlivet och dataskyddet är en stor farhåga, liksom risken för att tekniken förstärker befintliga ojämlikheter i hälsa. De bästa AI-modellerna utvecklas just nu av privata företag och oberoende forskare har inte beretts insyn. Ojämlikheter i hälsa kan förstärkas genom bias i algoritmer eller genom att traditionellt resurssvaga grupper inte agerar så att de får del av teknikens hälsofördelar. I det korta perspektivet finns risk att ett beroende av AI minskar vikten av mänskligt omdöme och försämrar vårdkvaliteten om inte tekniken används med förståelse för dess begränsningar.
Övrigt: AI kräver omfattande implementeringsinsatser i vården. Tvärsektoriellt samarbete är nödvändigt för att tekniken ska kunna adressera folkhälsans utmaningar, och utbildning av vårdpersonal i AI:s möjligheter och begränsningar är central. Teknik är aldrig ensamt en lösning, det behöver bäddas in i rutiner, struktur och kultur för att leverera hälsofördelar. All teknik kan användas på gott och ont – läkare behöver bli duktigare på att beställa och bjudas in mer för att samskapa AI-tjänster i hälso- och sjukvården.

Svensk Gastroenterologisk Förening

Drömmar?
* Ökad detektion och precision i bilddiagnostik vis endoskopi
* Ökad detektion och precision vid histologisk och radiologisk bedömning av gastroenterologiska sjukdomar
* Att vi snabbare kan komma till diagnos gällande mer ovanliga tillstånd genom förslag på differentialdiagnoser
* Ökad möjlighet för egenvård för patienter
* Automatisera dokumentation, bokning och annan admin
* Hjälpa precisionsmedicin bli verklighet genom hantering av stora datamängder både i utveckling och klinisk vardag
Risker? 
* Samma som för övriga specialiteter – över och underdiagnostik och behandling, påverkan inom utbildning

Svensk Handkirurgisk Förening

Drömmar? Minska administrationen. Skapa bedömningsunderlag och stöd för behandlingsbeslut baserat på data från vårt kvalitetsregister HAKIR och patientspecifika faktorer och riskfaktorer. Underlätta forskning / statistiska analyser.
Risker? Svårt att se specifika risker. Vilket kanske är en risk i sig. Det är nog mer generella risker med dataintrång och cyberattacker.

Svensk Kirurgisk förening

Drömmar? Vi tror att AI kommer att bli ett stöd inom diagnostik, såsom radiologi, endoskopi och patologi, och där har ju utvecklingen kommit en bit med mönsterigenkänning. Även stöd vid andra diagnostiska underlag är rimligt att det kommer att bidra med, utveckling av beslutsstöd och riskvärderingar, t ex inför kirurgi.
AI kan användas för att hitta information, även ostrukturerade data, i stora textmassor (journaler), t ex för forskning eller kvalitetsdata. AI kan underlätta syntes av evidens som ger underlag till t ex riktlinjer, men också hypotesskapande data.
Det bör också kunna användas för att generera journaltext och kvalitetsdata.
Vi förväntar oss att AI blir till stöd i simulatorer av olika slag, t ex operationssimulatorer, och även integrering i tex minimalinvasiv kirurgi där man hypotetiskt kan koppla preoperativa utredningar till operationen och integrera med och tolka bildvisningen vid ingreppet, tex markera trolig plats för lymfkörtlar eller urinledare.
Risker? Farorna är potentiellt många. Ett beroende av AI är ett problem i sig. Att AI får rätt dataunderlag för sina slutsatser, och kan värdera vad som är sant/äkta/bra kvalitet etc. Utmaningen i att skapa nya hypoteser som är relevanta för situationen, patienter och människan i sig. (tänk den klassiska lösningen – hur utrotar vi alla krig, enkla svaret är att utrota människan – ett extremt exempel, men hypotesgenererandet kan vara svårt). Ansvarsfrågan. Transparens. Och så pengar, makt, missbruk med onda avsiktar etc.
Och till slut – i vården ska vi bygga våra beslut på en relation till patienten, där vi ser patientens personliga behov. De är inte alltid de ”medicinskt korrekta” – för vad är det? Längst, liv, bäst livskvalitet, lugn och ro, eller intensiva behandlingar? Jag tror fortfarande det tar ett tag innan vi kan ha annat än mänskliga relationer som kan bedöma det. Förvisso är vi dock redan algoritmstyrda i vården med dålig kontinuitet ibland, och då gör det kanske mindre skillnad….

Svensk Ortopedisk Förening

Drömmar? Optimalt skulle AI ge oss mer tid till patienter och mindre till administration, ny simultan interaktion med radiologi och i patientmöten, optimerad luftkvalitet på operationssal till exempel.
Risker? Potentiell risk är att inte bara patientdata utan även data om behandlande läkare används på otillbörligt sätt när data insamlas via gränssnitt i vården. Det finns ju lagar men dessa är inte alltid uppdaterade. Och det är en egen risk, att juridiken inte ska hinna med utvecklingen.
Övrigt: Vi måste säkerställa etiska riktlinjer för hur AI används inom vården som för allt annat. Där springer vi efter utvecklingen nu.

Svensk Plastikkirurgisk Förening

Drömmar? Användning av AI skulle kunna vara fördelaktigt både i det rent kliniska arbetet inom plastikkirurgin, och för mer administrativa uppgifter för vården i stort. Plastikkirurgi är en mycket varierande specialitet, och möjligheterna för klinisk användning skulle därför kunna vara många. Min forskning handlar om användning av AI för talbedömningar hos barn med läpp-käk-gomspalt. Dessa bedömningar är i nuläget i första hand perceptuella bedömningar gjorda av specialiserade logopeder. Även om dessa görs på ett mycket strukturerat sätt är det en subjektiv bedömningsmetod och kräver mycket träning, medan AI skulle kunna tillhandahålla en mer lättåtkomlig och objektiv bedömning av talet. Detta är såklart bara ett exempel på hur AI skulle kunna användas.
Generellt skulle AI kunna underlätta mätningar, bedömningar och liknande som är svåra eller tidskrävande för människor att utföra, och där den mänskliga faktorn kan påverka resultatet negativt. Det skulle kunna röra sig om bedömningar av exempelvis en tumörs avgränsningar (för att säkerställa att man opererar bort allt, men inte tar med för mycket), för att följa läkningen av ett sår, eller bedömningar av röntgenbilder (exempelvis för planering av operationer). AI skulle också kunna användas för planering av komplicerade rekonstruktioner som är svåra att visualisera utan hjälpmedel. Man skulle också kunna använda AI för att göra en strukturerad bedömning av nyttan jämfört med riskerna av en operation, baserat på t.ex. riskfaktorer för komplikationer. Inom plastikkirurgin, där relativt stor del av operationerna inte är absolut nödvändiga ur en hälsomässig synvinkel, är dessa överväganden mycket viktiga när vi beslutar om vi ska genomföra en operation eller ej. Generellt inom sjukvården tror jag att AI kan underlätta många av de tidskrävande administrativa uppdragen såsom remissbedömningar, planering av operations- och mottagningsdagar, dokumentation, bemanning och liknande.
Risker? Om vi ska använda AI inom vården måste vi helt kunna lita på att de AI-verktyg vi använder är helt tillförlitliga, eftersom konsekvenserna annars kan bli stora för våra patienter. Detta är något som jag tror bromsar utvecklingen vad gäller AI inom hälso- och sjukvård.
Man kan också överväga om vår kompetens inom vissa delar av plastikkirurgin skulle bli sämre om vi överlåter vissa arbetsuppgifter till AI, då vårdpersonalen helt enkelt får mindre erfarenhet av och träning i dessa uppgifter. Förhoppningsvis kan detta dock leda till att vi i stället kan fokusera på att förbättra vår kompetens inom andra områden där AI inte är tillräckligt.
En annan risk är att AI skulle kunna misslyckas med att ta hänsyn till den individuella patientens förutsättningar, önskemål, etc. när det gäller beslut kring om och hur patienten ska opereras eller behandlas. Ett perfekt AI-verktyg skulle naturligtvis ta hänsyn till alla dessa parametrar, men frågan är om ett sådant verktyg någonsin kommer att existera.
Övrigt: Jag tror att vi ska ha en positiv inställning till AI och modern teknologi, både inom vården generellt och inom plastikkirurgin. Om bra AI-verktyg används på rätt sätt kan de säkerligen utföra vissa arbetsuppgifter på ett mer effektivt och bättre sätt än vi människor kan. Dock behöver vi vara observanta på AIs svagheter och komma ihåg vilka överväganden vi som plastikkirurger behöver göra, och inte enbart förlita oss på AI.

Svensk Rättsmedicinsk Förening

Drömmar? Implementering av AI inom rättsmedicin kan ge revolutionerande möjligheter för rättssäkerhet och resursoptimering. Till stor del handlar rättsmedicinska bedömningar, både i obduktionsärenden och i klinisk rättsmedicin med exempelvis undersökning av brottsoffer, om komplex mönsterigenkänning. Exempelvis en skadebild som sammantaget med kontext ger bevis som leder en polisutredning vidare eller t.om. har avgörande betydelse för ett domslut. Idag vilar rättsmedicinska bedömningarna i första hand på enskilda läkares kompetens. Som jag ser det kan AI bidra både i arbetet med enskilda fall, genom bland annat en robust mönsterigenkänning, och till accelererad metodutveckling. Sammantaget ger detta ett språng i arbetet med att stärka evidensbaserad rättsmedicin.
Realistiskt sett kan det om tio år finnas en AI-baserad kontrollfunktion som granskar alla rättsmedicinska bedömningar så att tolkningen av fynden går i linje med tidigare bedömningar. På så sätts säkerställs att fynden varken är över- eller undertolkade. AI kan också kvantifiera bevisets styrka, på så sätt förenklas sammanvägning av flera olika typer av bevis och tolkningen blir mer tillgänglig för rättsväsendet. Sammantaget ökar detta rättssäkerheten eftersom bedömning av samma fynd görs likvärdigt oavsett läkares kompetens och i enlighet med kunskapsläget i evidensbaserad rättsmedicin.
Är vi riktigt optimistiska kan vi ana en AI-baserad rättsmedicinsk utredningsgång där AI utför realtidstolkning av undersökningsfynd, tolkar tilläggsundersökningar som rättskemi, radiologi och histologi samt guidar den fortsatta utredningsgången och sammanställer den slutliga bedömningen, allt med ökad evidens, robusthet och resursoptimering.
Risker? I nuläget ser jag snarare risker med att svensk rättsmedicin inte redan är inne i större AI-utvecklingsprojekt. För att ligga i framkanten av AI-utvecklingen krävs livskraftiga rättsmedicinska forskningsmiljöer på våra universitet där innovation blandas med en entreprenöranda. När väl AI-utvecklingen är i gång så bör riskerna minimeras genom att bedömningar valideras och att rättsläkare kontrollerar rimligheten i bedömningarna. Detta ser jag inte som AI-specifika risker, utan snarare risker associerade med all utveckling där resursutnyttjandet optimeras.
Övrigt: Det gemensamma fokuset bör vara att se AI som en enorm möjlighet gällande både kvalitetshöjning och resursoptimering. För att inte protektionism ska ta överhand krävs en förändringsbenägen profession som arbetar tillsammans med teknikspecialister för att optimera utvecklingen.

Svenska Endokrinologföreningen

Drömmar? Vi hoppas att AI framöver kommer att kunna underlätta vårt arbete genom att utföra stora delar av det administrativa arbetet och därigenom skapa större utrymme för det kliniska arbetet. Vi tänker oss att AI kan hjälpa med att leta fram data i journaler, registerarbete och kanske i utvecklingen av algoritmer som snabbt och säkert kan hjälpa och stötta vid diagnostisering av olika tillstånd.
Risker? Risker är om AI inte är anpassat tillräckligt bra för sjukvård, att sekretessen inte kan bevaras, att algoritmerna leder till feltolkningar och att den mänskliga kontakten blir lidande. Tolkning av endokrina data är mångfacetterad och många gångar komplicerad samt kräver ett dynamisk tänkande. Allt detta kan bli svårt att få in i en algoritm som AI kan arbeta med.
Övrigt: AI kan sannolikt utvecklas och bli ett bra komplement fram för hjälp med allt administrativt arbete. Det kan bli ett problem att avgränsa bruket av AI och kanske också att ha tillräcklig kontroll över detta.

Svenska Rättspsykiatriska Föreningen

Drömmar? Inom rättspsykiatrin kan AI-utvecklingen potentiellt leda till flera positiva förändringar om tio år. Till exempel:
* Förbättrad bedömning och diagnostik: AI kan hjälpa till att analysera och tolka stora mängder data för att stödja mer exakta bedömningar och diagnoser av psykiska störningar och riskbeteenden.
* Riskbedömning och återfallsprevention: Genom att använda avancerade algoritmer kan AI hjälpa till att identifiera riskfaktorer för återfall i brottsligt beteende och föreslå lämpliga interventioner för att minska dessa risker.
* Effektivare behandlingsmetoder: AI-baserade verktyg kan användas för att skräddarsy behandlingsmetoder och stödprogram för individer med psykiska störningar, vilket kan leda till bättre behandlingsresultat och minskad återfallsfrekvens.
* Automatiserad övervakning och uppföljning: AI kan användas för att övervaka och analysera beteendemönster hos individer under och efter behandling, vilket kan hjälpa till att upptäcka tidiga varningssignaler för återfall och behov av ytterligare stöd.
* Effektivare resursallokering: Genom att analysera data om patienters behov och behandlingsresultat kan AI stödja beslutsfattare inom rättspsykiatrin att effektivt fördela resurser för att maximera behandlingseffektivitet och samhällssäkerhet.
Sammanfattningsvis kan AI-teknik ha potential att förbättra både individuella vårdinsatser och systemnivån inom rättspsykiatrin genom att tillhandahålla mer precist, effektivt och datadrivet beslutsstöd.
Risker? *Bias och diskriminering: Om AI-system tränas på data som är partiska eller diskriminerande kan de reproducera och förstärka dessa ojämlikheter. Det kan leda till orättvisa bedömningar och beslut som påverkar individer med olika bakgrund på ett orättvist sätt.
* Sekretess och integritet: Användningen av AI för att analysera känsliga hälso- och beteendedata kan innebära risker för integriteten och sekretessen för de personer som är föremål för bedömningar och behandlingar.
* Felaktiga bedömningar: Om AI-system inte är tillräckligt noggrant tränade eller om de inte tar hänsyn till kontextuella faktorer kan de göra felaktiga bedömningar som kan leda till felaktiga behandlingsplaner eller orättvisa rättsliga beslut. Vi vill påpeka den särskilt känsliga och svåra frågan om att korrekt förutsäga mänskligt beteende så som vid riskbedömningar kring återfall i brottslighet. I den frågan bör AI användas med allra största försiktighet.
* Brist på mänsklig insyn och ansvar: Eftersom AI-system kan vara komplexa och svåra att förstå kan det vara svårt att fastställa ansvar om något går fel eller om en individ drabbas av orättvisa konsekvenser av AI-baserade beslut.
* Ökad beroende av teknik: Om rättspsykiatriska institutioner blir alltför beroende av AI-teknik kan det innebära risker för att traditionella bedömnings- och behandlingsmetoder försummas eller att personalen förlorar förmågan att fatta självständiga och kritiska beslut.
Dessa risker betonar vikten av att utveckla och använda AI-teknik inom rättspsykiatrin med försiktighet och medvetenhet om potentiella konsekvenser, samt att införa lämpliga regleringar och etiska riktlinjer för att minimera riskerna och skydda individers rättigheter och välbefinnande.
Övrigt: Inom den svenska sjukvården och särskilt inom rättspsykiatrin kan AI-teknik ha flera potentiellt positiva effekter och utmaningar att beakta:
* Effektivitet och tillgänglighet: Genom att använda AI-baserade verktyg och system kan sjukvården potentiellt öka effektiviteten och tillgängligheten för vård och behandling.
* Precisionsmedicin: AI kan användas för att analysera stora mängder patientdata och identifiera mönster och samband som kan leda till skräddarsydda behandlingsmetoder och bättre resultat för individuella patienter, inklusive de inom rättspsykiatrin.
* Säkerhet och övervakning: AI-teknik kan stödja säkerhetspersonal inom rättspsykiatrin genom att övervaka och analysera beteendemönster hos patienter för att upptäcka tidiga varningssignaler för riskbeteenden eller kriser.
* Utbildning och kompetensutveckling: Genom att integrera AI i utbildningsprogram för vårdpersonal och rättspsykiatriska specialister kan sjukvården förbättra utbildningskvaliteten och främja kontinuerlig kompetensutveckling.
Utmaningar som bör beaktas inkluderar behovet av att hantera frågor kring integritet, etik och säkerhet när det gäller insamling och användning av känsliga hälso- och beteendedata. Dessutom är det viktigt att säkerställa att AI-system är tillförlitliga, transparenta och icke-diskriminerande för att undvika orättvisa konsekvenser för individer som är föremål för rättspsykiatrisk vård och behandling. Att främja en ansvarsfull och etisk användning av AI i sjukvården är avgörande för att maximera dess potential att förbättra vården och välbefinnandet för alla patienter.

Svenska Smärtläkarföreningen

Drömmar? Björn Äng, professor vid Högskolan Dalarna, bedriver ”cutting edge” NRS-baserad smärtforskning inom precis detta område. En annan positiv utveckling där man byggt på AI är ett litet företag som har utvecklat ett godkänt ”hjälp till självhjälp”-verktyg. En av de stora möjliga vinsterna med AI är att ge patienter att själva skapa individanpassad vård, dvs precisionsmedicin. Den terminologin är inte enbart onkologi, även om de mer eller mindre lagt beslag på det!
Det skulle kunna ge bättre resultat för de som klarar att använda instrumenten.
Risker? Risken är, förutom IT-relaterade sekretessfrågor, att vi kan hamna i en situation där det personliga mötet inte får plats. VI vet ju att den sociala kontakten är oerhört viktig för hälsan, men om resultatet blir att de som har större behov av sjukvården som social support får mer plats, så har vi vunnit mycket!

Svenska Sällskapet för Dermatologi och Venereologi

Drömmar? De flesta hudläkare är positivt inställda till en utveckling med ökad användning av AI inom vårt område. Vi har faktiskt gjort internationella attitydstudier kopplat till detta. Inom 10 år kommer vi inom hud- och könssjukvård helt säkert ha upphandlat flera CE-märkta applikationer som hjälper hudläkare att öka sensitivitet och specificitet för att exempelvis upptäcka hudcancer. Hudcancerdiagnostiken kommer sannolikt vara den domän inom dermatologin som kommit allra längst, men även för inflammatoriska sjukdomar kommer vi se flera tillämpningar och här tänker jag främst på segmentering för utbredning av utslag i samband med uppföljning. AI kan på så vis bidra till att hjälpa hudläkare ställa korrekt diagnos och eventuell minska risken för interobservatörs-variabilitet. Förutsatt att det är CE-godkända algoritmer som har förmåga att dockas in i det kliniska flödet kommer denna utveckling vara fördelaktig.
Risker? Ett tänkbart problem är att våra patienter okritiskt använder ”patientappar” utan överseende av läkare.
En annan uppenbar risk som ofta diskuteras är hur representerade våra patienter är i den träningsdata som faktiskt används för att träna upp våra algoritmer. Individer med melaninrik hud kommer exempelvis vara väldigt lite representerade avseende hudtumörer då det är mycket mindre vanligt bland dessa patienter. Vi måste alltså ta stor hänsyn till vilka träningsset som används för att konstruera modellerna.
Vi har nog bekymmer av olika appar som används via apoteket där de inte kan utesluta farliga hudförändringar utan hänvisas till hudsjukvården. Det kan också bli problem att hänvisa till rätt vårdnivå efter självdiagnostik och vad som skall omhändertas inom offentlig vård respektive privat vård.
Övrigt: Den ökade användningen av AI inom dermatologin kommer ställa krav på grundutbildningen till läkare och annan hälso- och sjukvårdspersonal. Utvecklingen kommer sätta höga krav på utbildning för framtida specialistläkare (SK-kurser). Hudläkare kommer naturligtvis behöva kontinuerlig uppdatering kring hur AI-algoritmerna ska användas och vi behöver ständigt ställa oss frågan vilket mervärde våra algoritmer ger. De som upphandlar dessa system måste ha en livlig dialog med de som faktiskt kommer använda dem på golvet. AI får i sig själv inte bidra till att skapa ett vårdbehov som inte finns utan måste däremot designas så att det dockas väl in i det kliniska flödet. Det är mycket viktigt att hudläkare tar kommandot i vilka algoritmer som används och att de används på ett förnuftigt sätt. Vi får balansera risk för eventuell överdiagnostik med vinsterna att i tidigt stadie upptäcka exempelvis melanom. Detta gäller helt sannolikt inom alla discipliner och inte bara inom hud- och könssjukvård.