Webbläsaren som du använder stöds inte av denna webbplats. Alla versioner av Internet Explorer stöds inte längre, av oss eller Microsoft (läs mer här: * https://www.microsoft.com/en-us/microsoft-365/windows/end-of-ie-support).

Var god och använd en modern webbläsare för att ta del av denna webbplats, som t.ex. nyaste versioner av Edge, Chrome, Firefox eller Safari osv.

Forskare ska undersöka hur självlärande datorprogram kan ge bättre vård

Jonas Björk, professor i epidemiologi vid Institutionen för laboratoriemedicin, Lunds universitet. Foto: Åsa Hansdotter.
Jonas Björk, professor i epidemiologi vid Institutionen för laboratoriemedicin, Lunds universitet. Foto: Åsa Hansdotter.

Artificiell intelligens (AI) och maskinlärning är heta områden inom hälso- och sjukvården. Genom att bearbeta stora datamängder kan självlärande datorprogram upptäcka komplexa samband hos patienter, hitta tidiga markörer för sjukdom och ställa mer korrekta diagnoser. Men med den nya tekniken kommer även risker. Ett tvärvetenskapligt forskningsprojekt vid bland annat Lunds universitet, erhållit 13 miljoner från Vetenskapsrådet för att kartlägga för- och nackdelar med AI och maskininlärning.

För varje patient inom vården samlas en stor mängd data in från olika källor. Datalandskapet är svårt för läkare och annan vårdpersonal att navigera i och det finns därför potentiellt stora möjligheter med att använda sig av AI och maskininlärningsmetoder, dvs metoder som går ut på att träna datorprogram att klara en viss uppgift, i beslutsstöd för att förbättra vårdens kvalitet. Dessutom fungerar AI lika bra oberoende av stress eller av vilken tid på dygnet det är. Men AI-metoder kan också vara svårbegripliga och icke-transparenta:

– Enkelt uttryckt så skickar vi in en massa data i ett komplext system och ut kommer en diagnos eller en risk, men systemet har svårt att förklara varför diagnosen är ställd eller varför risken är förhöjd. Jämfört med enklare beslutsregler, som till exempel rekommenderade åtgärder om ett blodprovssvar är förhöjt, är reglerna för dessa system mycket mer sammansatta, säger Jonas Björk, professor i epidemiologi vid Lunds universitet och projektledare för forskningsprojektet.

Det finns även integritetsrisker förknippade med ökad sammanlänkning av känsliga registeruppgifter och juridiska frågor kring ansvar och öppenhet. Det kan förekomma etiska dilemman och risk för missvisande eller diskriminerande beslutsförslag från de metoder som används.

– Vi behöver alltså en bredare genomlysning av metoderna – både dess för- och nackdelar – och att man förfinar de ansatser som finns för att få självlärande datorprogram att ge begripliga förklaringar. Projektet är unikt genom dess breda ansats – vi försöker både att utveckla komplexa system inom hälso- och sjukvården samt studera konsekvenserna av att använda dem.   

I projektet fokuserar man på hjärt- kärlsjukdomar och tre specifika tillämpningsområden för självlärande datorprogram: prevention, diagnos och prognos. Målsättningen, om projektet blir framgångsrikt, är att det så småningom ska gå att implementera fler beslutsstöd av det här slaget inom hälso- och sjukvården. Samtidigt är det viktigt att betona att AI är ett hjälpmedel och att det alltid är en ansvarig läkare som fattar beslut om patientens vård.

–Det ska bli spännande att arbeta tvärvetenskapligt med såväl forskare inom olika ämnesområden som kliniskt verksamma experter. Halmstad högskola är dessutom långt framme när det gäller teknikutveckling inom maskininlärning och Region Halland har en fantastisk datainfrastruktur med registerdata sammanlänkade från olika vårdgivare. Vi hoppas även kunna bidra till att etiska riktlinjer utvecklas för att dessa stödsystem ska kunna användas på ett rättvist, öppet och säkert sätt, avslutar Jonas Björk.


Forskningsprojektet, som pågår t om 2023, är ett samarbete mellan Lunds universitet – Medicinska fakulteten, Juridiska fakulteten, LTH, Naturvetenskapliga fakulteten och Ekonomihögskolan – samt Halmstad högskola.

Åsa Hansdotter