Der er sundhedspolitisk og teknologisk momentum. Kræftområdet har fordel af solid opmærksomhed over tid og af stærke nationale samarbejds- og forskningsfora, der hviler på konsensus og modeller for validering og har både national og international udbredelse. Og så er området storforbruger af diagnostiske ydelser – et felt, hvor der er en stribe konkrete AI-løsninger, der ligger lige for.
På den baggrund kan kræftområdet fungere som spydspids og model for, hvordan AI-løsninger i det hele taget kan udbredes i sundhedsvæsenet.
Sådan konstateres det i en ny rapport fra Danish Comprehensive Cancer Center (DCCC), der analyserer mulighederne for en national udbredelse af »Klinisk anvendelse af kunstig intelligens på kræftområdet«, som rapportens titel lyder.
Rapporten er fuld af eksempler på løsninger, der allerede er ude og virke, eller som er på vej, på en stribe anvendelsesområder, hvor der er stort potentiale i forhold til at lade AI-løsninger erstatte eller assistere lægerne i en række af de mere rutineprægede opgaver.
Men det handler ikke bare om at få implementeret de nye løsninger over hals og hoved. Det er bydende nødvendigt at få skabt en sammenhængende sundhedsdatastruktur, ligesom vejen fra forskning til implementering ude i klinikkerne skal ryddes for de regulatoriske obstruktioner, der i dag besværliggør processen unødigt, hedder det i rapporten.
»Der mangler generelt gode processer for forskernes interaktion med myndighederne«, som det nøgternt konstateres.
Derfor er der, påpeger rapporten, behov for en samlet, national strategi for, hvordan AI skal anvendes klinisk ikke kun på kræftområdet, men på sundhedsområdet som sådan.
Netop en sammenhængende og koordineret indsats i implementeringen af AI-løsninger er afgørende, påpeger Cai Grau.
Han er professor og overlæge på Dansk Center for Partikelterapi på Aarhus Universitetshospital, var DCCC’s første formand for Fagligt Udvalg og leder af DCCC Stråleterapi. Han står på vegne af DCCC’s Faglige Udvalg bag rapporten som den ene af to forfattere. Den anden er Martin Bøgsted, der er professor og centerleder på Center for Clinical Data Science på Aalborg Universitet og Aalborg Universitetshospital.
»Hvis det er national strategi for brugen af kunstig intelligens i sundhedsvæsenet, vi taler om, så er kræftområdet klar. Vi har de samarbejdsstrukturer, der skal til – både til at give eksempler på, hvordan det virker, men også til at understøtte nye nationale samarbejder. Det er hjerteblod for DCCC«, siger Cai Grau.
»Men en national strategi ville i givet fald ikke være noget, man skulle udvikle for kræftområdet alene –kræftområdet kunne være en use case, men i tråd med Life Science Rådets rapport peger vi på, at der er behov for en bredere, national AI-strategi for hele sundhedsområdet«.
Der er ikke tvivl om, at AI-løsninger både kan frigøre og forbedre kvaliteten på en række områder, understreger han:
»Det kan vi jo se inden for de billedbaserede specialer som radiologien, stråleterapien og måske også patologien, selv om det område ikke er helt gennemdigitaliseret endnu og derfor ikke er nået så langt. Men på de tre områder er der ret lavthængende frugter, for her findes teknologien allerede, og vi har store datasæt, som modellerne er trænet på, og den algoritme, der udgør den kunstige intelligens i disse sammenhæng, er ikke så kompliceret«, siger Cai Grau.
Mere kompliceret – men også med et enormt potentiale – bliver det på næste niveau: risikostratificering og prædiktionsmodeller.
»I sådan en stor, holistisk model skal vi indsamle informationer fra mange forskellige datasæt – fra radiologien, fra patologien, data fra EPJ og genomiske data og så videre – for at lave den meget individualiserede behandling, træffe det optimale valg af opfølgningsprogrammer eller stille en meget specifik diagnose. Arbejdet med risikostratificering er knap så langt fremme, og det er endnu ikke så nemt at se, hvordan det kan frigøre ressourcer, men det er spændende at se, hvordan potentialet er for at forbedre behandlingen og forbedre den individualiserede tilgang til patienterne«.
Men i den afvejning er det vel behandlingskvaliteten, der er vigtigst?
»Helt sikkert, men på cancerområdet har vi også brug for at frigøre nogle ressourcer. Vi mærker allerede den demografiske udvikling, der fremover vil betyde større arbejdspres, og vi har stigende udgifter og et fald i arbejdsstyrken, så det er kun fint, at der er nogle lavthængende frugter. Hvis AI-løsninger kan hjælpe os med de mere rutineprægede opgaver, der i dag varetages af læger og andre fagpersonaler, og hvis man på den måde kan frigøre nogle af deres ressourcer til at udvikle resten af behandlingsområdet, vil det være rigtig godt«, konstaterer Cai Grau.
Igen handler det om at sikre koordination, understreger han:
»En af de umiddelbare fordele, som vi også peger på i rapporten, og som vi er meget optaget af, er, at det her vil komme alle kræftpatienter i hele landet til gavn – på tværs af specialer og afdelinger – hvis vi sikrer en koordineret indsats. Vi skal ikke ende med, at vi køber ét program på én afdeling, hvor man så begynder at bruge det uden at afstemme det med, hvad der foregår på andre afdelinger.
Det har vi jo netop på kræftområdet gennem de sidste par årtier arbejdet for at undgå gennem nationale retningslinjer, fælles behandlingsprotokoller, fælles kliniske forsøg og så videre. Og det fodslag vil vi meget nødigt miste, fordi kunstig intelligens nu skal varetage nogle opgaver, og vi så ikke får det introduceret på en åben og koordineret måde«.
At arbejde og udvikle så koordineret og konsensusbaseret, som det er tilfældet på kræftområdet, er en kolossal styrke – men:
»Det betyder også, at det er et lidt tungere system: Der er mange patienter, mange specialer og mange sektorer, så når vi skal lave koordinerede ændringer, kræver det en ret massiv indsats. Det er klart, at hvis man vil være frontløber i mere traditionel forstand, vil man gerne være mere agil og også kunne lave nogle ,quick and dirty-tiltag’ indimellem. Men det vil vi bare helst ikke have inden for kræftområdet. Vi vil gerne handle ensartet og koordineret«.
Men det betyder ikke, understreger han, at udgangspunktet ikke kan være lokale projekter:
»De fleste eksempler i rapporten er netop udviklet lokalt og så efterfølgende valideret nationalt og internationalt og til sidst indført som standardbehandling. Så længe man overhovedet kan gå den vej, er det det rigtige.
Og det har vi jo setuppet til i Danmark, fordi vi har de nationale samarbejdsfora i DMCG’erne: Så snart, der er noget, som er klar til at blive løftet fra en afdeling og videre ud, så er der også en struktur, der kan hjælpe med det. Så selv om kræftområdet måske ligner en supertanker, så er der mange eksempler på, at netop det sker. Så vi er nok snarere en flåde af mindre, stærke fartøjer, hvor vi er gode til at koordinere kursen«, siger Cai Grau.
Men hvis flåden skal kunne sejle sikkert fremad, kræver det mere end national koordination. Der er en række regulatoriske hindringer, der skal fjernes, og så skal der skabes en samlet datainfrastruktur, hedder det i rapporten.
»De danske sundhedsdata er allerede guld værd, men de ville være endnu mere værd, hvis forskere og klinikere kunne få direkte adgang uden selv nærmest at skulle starte deres eget it-projekt. Det påpeger Life Science Rådet også, og jeg tror bestemt, der er bred enighed om, at vi skal have en fælles dansk løsning – en national platform eller databus – men det er klart, at det kommer til at tage tid at få det udrullet«.
I forhold til de lavthængende frugter er reglerne for f.eks. CE-mærkning en hæmsko: Der er krav om CE-mærkning for hver matrikel, der tager en AI-løsning i brug, og mulighederne for at indbygge selvlæring i løsningerne er også hæmmet af mærkningskravene. I december 2023 vedtog de 27 EU-lande en ny AI-forordning, og det giver også rynker i panden, siger Cai Grau, der »håber, at man i implementeringen af forordningen kan finde en mere pragmatisk løsning« på det medicinske område.
Uanset hvad, så kræver hele øvelsen med at indføre AI-løsninger under alle omstændigheder, at kræftområdet – og sundhedsområdet – fortsætter med samarbejde og koordinere, understreger Cai Grau.
»Selv om det nogle gange kunne være nemmere at lave sit eget lille system på en afdeling inden for et speciale, så skal vi tænke tingene ind i den store sammenhæng. Selv et lille AI-system involverer jo både forskning og klinik og mange faggrupper. Der er jo ikke et AI-projekt, der er lille – det er alt sammen ret komplekst. Og det ville være spild af ressourcer, hvis alle afdelinger skulle udvikle deres egne systemer. Vi bliver nødt til at insistere på det tætte samarbejde«.
Find hele DCCC-rapporten på dccc.dk
