Elisabeth Epstein ser att AI kan bidra på många sätt inom hälso- och sjukvården.
– I mitt arbete med bildiagnostik och cancer kan AI hjälpa till att prioritera och öka kvaliteten. Vi kan till exempel minska onödiga remisser och onödiga operationer, samtidigt som vi blir bättre på att hitta de patienter som har störst behov av vård. På så sätt undviker vi förseningar i diagnostik. I vissa fall kan vi också hitta cancer på ett tidigare stadium, säger hon.
Inom ramen för hennes forskning tillsammans med KTH startar nu ett pilotprojekt i klinisk miljö där AI ska kunna skicka tillbaka svar på en bild redan under pågående behandling av en patient.
AI-modeller ämnade för bilddiagnostik behöver vara utvecklade på bilder från olika sjukhus, tagna med olika maskiner och med en bred spridning av diagnoser. Annars finns det en risk att de inte är generaliserbara och kanske inte fungerar lika bra när de utsätts för nya bilder från andra populationer. Ett sätt att säkerställa att godkända AI-modeller klarar att generalisera på den egna patient-populationen är att testa AI på ett historiskt material från enheten innan lösningen tas i kliniskt bruk.
– När man får in en AI-modell i en verksamhet måste man lägga ner tid på att utbilda läkare och annan personal i hur de ska arbeta med modellen, säger Elisabeth Epstein.
Elisabeth Epstein är noga med att poängtera att AI inte kan arbeta ensamt.
– AI kan inte ersätta en människa utan är ett stöd. Det måste alltid finnas en person som tar ansvar och som läkare måste jag kunna bedöma om svaret jag får från AI är rimligt, säger hon.
Foto: Johan Adelgren, Fotogruppen Sös
