?
Læs mere om arbejdspladslogin her.

Content area

Debat / 10. aug 2017

Kunstig intelligens: krystalkugle eller sæbeboble?

Debat

Ukritisk artikel i Ugeskriftet bibringer læseren en forvansket opfattelse af mulighederne ved kunstig intelligens, skriver debattør. Læs også chefredaktørens svar.

Dato
10. aug 2017
Forfattere
Niels Henrik Hjøllund Overlæge, professor E-mail: nhhjollund@gmail.com
💬 1

Artiklen om kunstig intelligens [1] beskriver et projekt på Regionshospitalet Horsens og tegner et billede, hvor kunstig intelligens kan forudsige, hvem der bliver indlagt med henblik på tidlig intervention. At metoden virker, ved man åbenbart, inden man går i gang, for ifølge artiklen er praktiske aspekter, lovgivning og manglende mod de største forhindringer for den efterfølgende implementering.

Svar:

Bo Hasseris, chefredaktør Ugeskrift for Læger

Kære Niels Henrik Hjøllund, tak for dit indlæg.

Hele det sundhedsfaglige område er påvirket af både den interne og eksterne teknologiske udvikling. Derfor er det også vigtigt at Ugeskriftet beskæftiger sig med relevante teknologiske udviklinger, som fx Big Data, machine learning eller kunstig intelligens.

Ugeskriftet har både en ambition og en opgave med at forklare og fortælle om disse begreber og den medfølgende udvikling, blandt andet fordi der er et stigende pres ude fra for at anvende teknologier, der ikke udspringer af den klassiske lægefaglighed.

 

I den aktuelle artikel fortæller vi hvad begrebet kunstig intelligens dækker over, men også hvad det teknologisk bygger på. Ambitionen er at fortælle hvordan andre fagligheder ser området, og hvorfor de ser det sundhedsfaglige område som et særligt egnet felt for kunstig intelligens. Men vi fortæller altså også om faldgruber og udfordringer, fx når det drejer som brugen af data. Det her er et af de områder, hvor det ikke er læger, der er den primære drivkraft bag indførelsen af ny teknologi. Men artiklen skaber en forståelsesramme, så læger forstår området og begreberne, så de kan forholde sig kritisk, når de støder ind i de her projekter.

Der er flere større projekter i gang rundt om i landet, og efterhånden som erfaringerne samles sammen, kommer Ugeskriftet også til at beskæftige sig med det. Og være kritiske overfor resultaterne.

 

 

Som for enhver screeningsmetode står og falder projektet i Horsens på sensitivitet, specificitet og prædiktiv værdi – begreber, som projektgruppen måske mener hører under, hvad der omtales som ”gammeldags kohortebaseret forskning”. Uanset hvilken metode der anvendes til at udvælge patienter til intervention, er det disse ”gammeldags” mål, som enhver screening nødvendigvis skal bedømmes på. Så lad os se dem først.

 

Kunstig intelligens er på fremmarch på en række meget specifikke områder, og beslutningsstøttesystemer bliver gradvist bedre [2-7]. Men kunstig intelligens bliver ikke en krystalkugle. Ugeskriftet refererer i samme nummer en perspektivartikel herom, som vurderer, at området ”now rides atop the peak of inflated expectations”, og konkluderer blandt andet, at ”clinical data alone have relatively limited predictive power for hospital readmissions” [8].

 

Selvforherligelse og fravær af selvkritisk sans er desværre karakteristisk for en sværm af projekter som starter op – og søger penge – med tidens modeord. Nu er det ”big data”. Ordet ”unik” bruges flere gange om projektet i Horsens. Artiklen er aldeles ukritisk og bibringer læseren en forvansket opfattelse af mulighederne. Ved at bringe artikler som denne, og endda med en kæk forsidehenvisning til vores angiveligt manglende mod, er Ugeskriftet med sin autoritet i høj grad med til at understøtte projektet.

 

Det er mit indtryk, at man hører mindre om ”unikke” projekter, når de er færdige. Hvor mange bliver efterfølgende implementeret? Eller har projektmagerne skyndt sig videre til deres næste ”unikke” projekt? Det burde være en sag for Ugeskriftet at gå ti år tilbage og sammenholde superoptimistiske projekter med, hvad der skete sidenhen. Telemedicin vil være et rigtigt godt sted at starte.

 

Blad nummer: 

1. Felholt L. Kunstig intelligens kan revolutionere sundhed. Men det kræver, at vi tør. Tør vi? Ugeskr Læger 2017;179:1284-8.

2. Wang S, Summers RM. Machine learning and radiology. Med Image Anal 2012;16:933-51.

3. Chen Y, Elenee Argentinis JD, Weber G. IBM Watson: How cognitive computing can be applied to big data challenges in life sciences research. Clin Ther 2016;38:688-701.

4. Wei L, Zou Q. Recent progress in machine learning-based methods for protein fold recognition. Int J Mol Sci 2016;17:10.3390/ijms17122118.

5. Swerdlow DR, Cleary K, Wilson E et al. Robotic arm-assisted sonography: review of technical developments and potential clinical applications. AJR Am J Roentgenol 2017;208:733-8.

6. Hamet P, Tremblay J. Artificial intelligence in medicine. Metabolism 2017;69S:S36-S40.

7. Arnaud M, Begaud B, Thurin N et al. Methods for safety signal detection in healthcare databases: a literature review. Expert Opin Drug Saf 2017;16:721-32.

8. Chen JH, Asch SM. Machine learning and prediction in medicine – beyond the peak of inflated expectations. N Engl J Med 2017;376:2507-9.

💬 1 Kommentarer

Right side

Nr. 17/2017

EmediateAd

EmediateAd

Senest kommenteret

Ja, det nære sundhedsvæsen skal varetage flere opgaver
💬
1
Christian Schlütter 21. aug 2017 14:37
Du er læge – og pårørende
💬
3
Kirsten Bække Franck 21. aug 2017 10:11
PLO går stadig efter en aftale med regionerne
💬
1
Christian Schlütter 19. aug 2017 11:23
Afgørende møde for almen praksis’ fremtid i dag
💬
3
Christian Schlütter 19. aug 2017 11:18

EmediateAd

EmediateAd

EmediateAd

EmediateAd