Martin Lindvall är forskningsansvarig för ett projekt som fokuserar på hur AI kan användas i diagnosticeringen av tjocktarmscancer. Den specifika uppgiften för AI i projektet är att upptäcka metastaser i lymfkörtlarna efter operation och på så sätt kunna bedöma risken för spridning. Patologen granskar i vanliga fall vävnadsproverna med mikroskopi (analogt eller digitalt) för att se om det finns metastaser, vilket ligger till grund för beslutet om patienten ska behandlas med cellgifter. Det är ett exempel på en uppgift som är tidskrävande och där AI-verktyg skulle kunna vara värdefulla, menar Martin Lindvall.

– I studien har vi utgått från en nära framtid, där patologen sitter i framsätet med AI som stöd. Det kommer att dröja länge innan AI kan fatta alla beslut, dit kommer vi inte under vår livstid, säger han.

Hans studie visar att AI och patologen tillsammans genomgående är snabbare än när patologen arbetar på egen hand. Resultatet håller även något högre kvalitet, trots att AI-stödet ibland begår misstag och inte är lika skickligt som de seniora patologerna.

För de vårdanställda gäller det dock att ha förståelse för vad det är för slags kollega de får i form av AI.

– Normalt betraktar du en kollega som ungefär lika duktig som dig själv men så är inte fallet med AI. Du kan jämföra med en narkotikahund som är mer kompetent än en polis på vissa uppgifter, men som man inte skulle låta fatta några polisiära beslut, säger Claes Lundström.

Han menar att användandet av AI i högsta grad kommer att gagna patienterna. Idag är det ett stort problem med väntetider inom bland annat patologin, så allt som kan snabba på processen har stor betydelse för hela vårdförloppet.

Trots att Claes Lundström ser en stor potential med AI konstaterar han att det finns många hinder för att få ut tekniken i hälso- och sjukvården. Det handlar dels om en trötthet; när man kämpar med att få vardagen att gå ihop, och har haft det särskilt tufft under pandemin, finns inte ork för innovationer och digitalisering. Dessutom saknas strukturerna. Om han fick bestämma skulle varje avdelning inom vården ha en egen budget för innovation.

Ytterligare ett hinder är att det saknas incitament för behovsmotiverad och tvärvetenskaplig forskning, som i jämförelse med grundforskning är betydligt mindre meriterande för den akademiska karriären.

– Hela det akademiska systemet är silobetonat. Det är betydligt lättare att göra karriär som forskare och utveckla AI och algoritmer. Att utveckla AI utifrån faktiska behov i vården är betydligt mer otacksamt och svårare akademiskt, säger Claes Lundström. 

Han menar att det kommer att krävas ökade resurser både i form av pengar och kompetensutveckling för att AIDA ska nå sitt mål att få till stånd en storskalig användning av AI inom hälso- och sjukvården.

En viktig uppgift för AIDA är därför att bedriva utbildning med specialanpassade kurser riktade mot läkare som radiologer och patologer, som under tre dagar får lära sig grunderna inom AI med syftet att kunna identifiera verksamhetsbehoven och specificera dessa inför forskare och utvecklare. 

Men för att få de tekniska framstegen att nå hela vägen ut på vårdgolvet saknas ytterligare en pusselbit enligt Claes Lundström; det behövs fler personer med datavetenskaplig expertis som stöd ute i organisationen. Han efterlyser individer med såväl teknisk som beteendevetenskaplig kompetens och lyfter fram Martin Lindvall med sin expertis inom såväl kommunikations-vetenskap som teknik som ett ovanligt exempel.

– Det finns för få personer med den profilen. Som både kan programmera AI, har kunskaper i interaktionsdesign och dessutom en medicinsk förståelse, säger Claes Lundström.