Ritstjórnargrein

doi 10.17992/lbl.2023.0708.749

Á undanförnum áratugum hefur álag á heilbrigðisstarfsfólk aukist verulega á heimsvísu. Fólksfjölgun, aukin notkun og betra aðgengi að heilbrigðisþjónustu ásamt undirmönnun heilbrigðisstétta hafa leitt til þess að sífellt færri sinna fleiri sjúklingum. Þannig hefur skapast vítahringur með aukinni tíðni kulnunar heilbrigðisstarfsfólks í starfi og tilfærslur í önnur störf, sem gerir ástandið enn verra. Veruleg þörf er á lausnum sem geta dregið úr álagi á heilbrigðisstarfsfólk og er gervigreind oft nefnd í því samhengi.

Gervigreind er hugtak sem er þrungið dulúð og bregður oft fyrir í ýktum fréttafyrirsögnum og dómsdagsspám. Það nær yfir breiðan hóp aðferða sem ómögulegt er að fjalla um sem eina heild. Tiltölulega einföld gervigreindarlíkön hafa verið notuð í áratugi til þess að greina og draga ályktanir af gögnum í vísindarannsóknum og veita gagnlegar ráðleggingar um áhættu sjúklinga á ákveðnum útkomum, til dæmis áhættureiknir Hjartaverndar. Síðastliðinn áratug hafa annars konar líkön, svokölluð djúp tauganet, rutt sér til rúms með tilkomu aukins reikniafls og stærri gagnasafna. Þetta eru margfalt stærri líkön en áður hafa þekkst og byggja á gríðarlegum fjölda stillanlegra stika (parameters). Með hverju ári verða tauganetin stærri og eru þjálfuð á stærri og betri gagnasöfnum sem gerir þau betri í þeim verkefnum sem þau eiga að leysa. Tauganet opna fyrir nýjum möguleikum og áskorunum þar sem þau leysa ýmis vitsmunaleg verkefni með góðum árangri í ákveðnum aðstæðum og gætu því átt erindi í verkefni á breiðara sviði en áður hefur þekkst.

Áhrifa gervigreindar í heilbrigðiskerfinu gætir nú þegar erlendis með forskimun og einkennastigun (triage) rannsókna og sjúklinga. Gervigreindarlíkön geta forskimað rannsóknir áður en læknir les úr þeim og sem dæmi má nefna ýmsar gerðir myndrannsókna, hjartalínurit og augnbotnamyndir. Einnig má beita gervigreindarlíkönum til að einkennastiga¹ sjúklinga og þannig er unnt að fækka komum sjúklinga með væg einkenni, draga úr sýklalyfjaávísunum og myndrannsóknum og vísa fólki á réttan stað innan heilbrigðiskerfisins. Með aukinni tæknivæðingu verða möguleikarnir enn fjölbreyttari. Fjöldi rafrænna samskipta hefur margfaldast á undanförnum árum, sem getur aukið notkun gervigreindarlíkana sem mynda svör sjálfvirkt út frá spurningum sjúklinga fyrir heilbrigðisstarfsfólk, til að umbreyta eða staðfesta, og lofa rannsóknir á slíkum líkönum góðu.² Þannig mætti létta verulega vottorðavinnu, eftirfylgd með rannsóknum og öllum rafrænum samskiptum. Með tilkomu ChatGPT³ og stórra mállíkana mun gervigreind í auknum mæli lesa í gegnum sjúkraskrár sjúklinga, taka saman gögn sem skipta máli fyrir greiningu og meðferð og birta lækninum ásamt ráðleggingum.⁴ Hægt verður að spyrja mállíkönin út í atriði úr sjúkraskrám sjúklinga með svipuðum hætti og ChatGPT og munu þau geta skrifað lyfseðla, tilvísanir og blóðprufubeiðnir út frá upplýsingum sjúklingsins fyrir lækni að staðfesta eða hafna.

Þörf er á mikilli þróunar- og rannsóknarvinnu til að tryggja að gervigreindarlíkön, sem opna á möguleikana sem nefndir eru að ofan, virki vel og séu örugg til notkunar í klínískum aðstæðum. Skoða þarf betur vandamál sem fylgja stærri líkönum, en þau geta verið bjöguð, innihaldið villur og erfitt getur reynst að túlka innri virkni þeirra. Það þarf að framkvæma stórar vandaðar klínískar rannsóknir á líkönum sem veita ráðleggingar um greiningu og meðferð sjúklinga og skoða áhrif þeirra á útkomur. Enn er verulegur skortur á slíkum rannsóknum en einungis 3% líkana sem samþykkt voru af FDA (Food and Drug Administration) á milli 2015 og 2020 höfðu verið rannsökuð með framskyggnri rannsókn,⁵ sem er verulega lágt hlutfall. Með meiri áherslu á klínískar rannsóknir verður þátttaka heilbrigðisstarfsfólks lykilatriði og klínísk þekking og reynsla er nauðsynleg til að tryggja að ný tækni passi vel inn í vinnuflæði í klíník.

Heilbrigðisstarfsfólk þekkir það vel hversu mikilvægt er að vanda til verka við innleiðingu á nýjum lausnum sem eiga að auðvelda vinnuna en hafa á endanum oft öfug áhrif. Þegar öllu er á botninn hvolft er gervigreind verkfæri sem getur haft jákvæð og neikvæð áhrif á heilbrigðiskerfið en til að hámarka líkurnar á jákvæðum breytingum er mikilvægt að heilbrigðisstarfsfólk taki þátt í rannsóknum og þróun gervigreindarlíkana og þeim verkfærum sem út úr þessari þróun koma. Því er ástæða til að hvetja heilbrigðisstarfsfólk og ekki síst vísindasinnaða kollega til þess að íhuga gervigreindina þegar kemur að rannsóknum. Nóg er af efniviði og möguleikarnir nánast ótakmarkaðir.

Heimildir

 

1. Ellertsson S, Hlynsson HD, Loftsson H, et al. Triaging Patients With Artificial Intelligence for Respiratory Symptoms in Primary Care to Improve Patient Outcomes: A Retrospective Diagnostic Accuracy Study. Ann Fam Med 2023; 21: 240-8. https://doi.org/10.1370/afm.2970 PMid:37217331 PMCid:PMC10202502

2. Ayers JW, Poliak A, Dredze M, et al. Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Int MED

3. Liu Y, Han T, Ma S, et al. Summary of ChatGPT/GPT-4 Research and Perspective Towards the Future of Large Language Models. Published online May 10, 2023.

4. Ellertsson S, Loftsson H, Sigurdsson EL. Artificial intelligence in the GPs office: a retrospective study on diagnostic accuracy. Scand J Primary Health Care 2021; 0: 1-11. https://doi.org/10.1080/02813432.2021.1973255 PMid:34585629 PMCid:PMC8725823

5. Wu E, Wu K, Daneshjou R, et al. How medical AI devices are evaluated: limitations and recommendations from an analysis of FDA approvals. Nat Med 2021; 27: 582-4. https://doi.org/10.1038/s41591-021-01312-x PMid:33820998