Teknologi i sundhedsvæsenet skal hjælpe os med papir-nusser-arbejdet, så vi læger kan bruge vores tid foran patienten, operere, holde i hånden og være empatiske, som kun rigtige mennesker kan være det.
Det har været kongstanken længe. Indtil vi blev klogere. Mere om det senere. Med udbredelsen af generativ kunstig intelligens (AI), herunder specielt nyere sprogmodeller som ChatGPT, Llama 2 og Bard, har sundhedsvæsenet fået et redskab, der kan være en betydelig løftestang til bedre sundhed, bedre arbejdsmiljø, mindre udbrændthed og højere produktivitet.
Det lyder jo næsten for godt til at være sandt med sådan et columbusæg. Men teknologien er naturligvis kun en del af løsningen på alle sundhedsvæsenets udfordringer. Tre ud af 20 anbefalinger fra Robusthedskommissionen omhandler teknologi. De anbefaler, at »der indføres et fælles princip om ,digitalt og teknologisk først’«, at »der skal sikres bedre rammer for hurtig ibrugtagning af dokumenteret arbejdskraftbesparende teknologi«, samt at »digitale kompetencer og teknologiforståelse styrkes«. Lad os se nærmere på sprogmodellerne i den kontekst.
Gennem tiden har vi set flere sundhedsteknologiske selvmål med arbejdskraftslugende teknologier, hvor der udelukkende blev sat strøm til en manuel proces, hvorefter digitaliseringspotentialet hyldes her i det næstmest digitaliserede land i verden med den næstmest lykkelige befolkning. Desværre har digitaliseringen i flere tilfælde kostet personalet tid, overskud og givet mange grå hår. Her kan eksempelvis nævnes ikkefærdigbyggede journalsystemer, uendelige dokumentationsbehov og ikkeintegrerede it-systemer. Men der er også masser af lyspunkter.
Kunstig intelligens har været en matematisk disciplin i snart 70 år, og moderne AI-metoder som generativ AI er blevet til ved hjælp af en tiltagende adgang til kvalitetsdata, processorkraft og ikke mindst finansiering. At bygge og drive de allerstørste sprogmodeller er svinedyrt, hvor det er estimeret, at ChatGPT koster OpenAI næsten 5 millioner kroner om dagen [1]! Tidligere AI-algoritmer blev trænet med en lang liste af regler, der ville få selv Emma Gad til at beklage sig, men de nyere sprogmodeller er ikke trænet med samme stringente specifikke regelsæt eller metodik. De er – groft sagt – bare trænet på tidligere tiders måder at samle ord på i sætninger, som giver mening i en kontekst. Med den viden finder jeg det imponerende, næsten ufatteligt, at sprogmodellernes output kan virke så kompetent og rent faktisk menneskeligt. Alt sammen ud fra matematiske sandsynlighedsberegninger. Sprogmodellerne vælger altså blot det næste mest sandsynlige ord i en sætning ud fra de forrige ord og den givne sammenhæng, og flere af de store modeller er trænet på et enormt antal tekster fra internettet. Med alle de fejl og mangler og bias, disse tekster naturligvis indeholder.
»ChatGPT blev vurderet til at have en fire gange så høj kvalitet og ti gange så høj empati som lægerne. Ja, du læste rigtigt. Maskinen fremstod mere empatisk end lægerne«Andreas Pihl
Siden ChatGPT blev offentliggjort i november 2022, har teknologien virkelig fået vind i sejlene. Efter en måned havde ChatGPT en million brugere, og efter to måneder 100 millioner brugere, hvilket er den hurtigstvoksende brugertilslutning til dato [2]. Til sammenligning tog det Instagram 2,5 år at få 100 millioner brugere. På den baggrund er det forståeligt, at Microsoft har finansieret over 70 milliarder kroner i foretagendet. Mange har altså prøvet denne frit tilgængelige teknologi, herunder også mange af vores patienter. Også sundhedsminister Sophie Løhde har set lyset og efterspørger hurtigere national implementering af AI. og hun vil afsætte 500 millioner kroner til nye AI-projekter.
Generativ AI kan ud fra brugerens spørgsmål/prompt generere et output, f.eks. tekst, billeder, lyd eller video, og jo bedre man prompter, desto bedre output får man. På samme måde som man kan være mere eller mindre kompetent i at søge korrekt på Google eller lave en søgestreng til en videnskabelig informationssøgning. Stiller man dårlige prompts, får man dårlige svar, på samme måde som nogle patienter er gode til at beskrive deres situation og symptomer og stille de rigtige spørgsmål. Og måske på den baggrund får en bedre behandling.
Det generative sprogelement i AI er specielt anvendeligt i sundhedsvæsenet, fordi store dele af vores arbejde omhandler kommunikation og sprog.
Tilbage til det med empatien. I foråret 2023 blev ChatGPT’s evne til at svare på patienters kliniske spørgsmål sammenlignet med lægers svar [3]. Dernæst vurderede en anden gruppe læger kvaliteten og empatien i svarene, og resultaterne viste overraskende, at ChatGPT blev vurderet til at have en fire gange så høj kvalitet og ti gange så høj empati som lægerne. Ja, du læste rigtigt. Maskinen fremstod mere empatisk end lægerne. Det er egentlig ikke så overraskende, for i en travl hverdag er der ikke altid tid til så meget »udenomssnak« - ChatGPT’s kerneekspertise. Og eftersom størstedelen af de klager, læger får, omhandler kommunikation, bør vi måske overveje at implementere dette kommunikationsværktøj til at hjælpe os med at hjælpe os selv og vores patienter.
Hvad kan de så, sprogmodellerne? Der er ingen tvivl om, at de kan hjælpe os, og nogle MIT-forskere har estimeret en produktivitetsforøgelse på 40% [4]. Jeg er med på, at omtalen af vores arbejde som »produktion« er upassende, men bær over med mig. Et nyt studie fra Stanford University finder yderligere, at sprogmodellerne er bedre, dvs. mere fyldestgørende og mere korrekte, end læger til at opsummere klinisk materiale, både i beskrivelse og opsummering af radiologiske beskrivelser, opsummering af journalnotater og i forskellige former for kommunikation med patienter [5]. Tænk på, hvor mange timer der går i sundhedsvæsenet med at beskrive billeder, skrive indlæggelsesjournaler, epikriser og svare på skriftlige spørgsmål fra patienter og pårørende. Flere tusinde årsværk vil være mit bud.
Prøv at forestille dig en virtuel assistent, der laver skabeloner klar til redigering og signering af lægen: at alle dine patienter i almen praksis altid havde et opdateret journalresumé inkluderende alle behandlingsforløb og -planer, at indlæggelsesjournalen allerede er skrevet, og hospitals-KBU-lægen undgår at spilde sin og patientens tid med at spørge gamle Olga for 120. gang, hvor meget alkohol hun drikker, og forestil dig også, at der ikke findes negligerede epikrisebakker, der mangler at blive skrevet, eller patienthenvendelser, der mangler at blive taget hånd om, eller som der bliver besvaret suboptimalt. Det er ikke fremtidsmusik – det er allerede muligt. Sprogmodellerne er rigtig gode til at oversætte lægelatin og være pædagogiske, og de er derfor et glimrende værktøj i patienters hænder til at udforske symptomer og sygdomme.
Naturligvis skal vi ikke – i første omgang – blindt lade en AI-model tage vare på alle disse kerneopgaver alene, uden at et par af de eftertragtede lægehænder og -øjne har været indover. For de eksisterende modeller begår masser af fejl og kan faktisk konfabulere mere end selv en erfaren speciallæge. Men vi skal dog være beredte på, at vores hverdag i større grad bliver præget af AI, men det er slet ikke sikkert, at vi lægger mærke til det. Simpelthen fordi det virker!
Hvis du ikke selv har erfaring med teknologien, kan jeg varmt anbefale at gå ind på Bing Chat, OpenAI eller Google Bard og prøve det. Jeg håber, vi inden længe kan implementere en sikker udgave af ChatGPT i sundhedsvæsenet, og at patienter vil bruge værktøjet til at søge information og forberede sig. For teknologien kan hjælpe os med at få et mere robust sundhedsvæsen, og det har vi brug for med de dystre demografiske dommedagsprofetier.
(Denne tekst er skrevet uden brug af ChatGPT).
