Ny KI-utviklingsplattform gjør det enklere å utvikle og ta i bruk KI for bedre pasientbehandling

Nevroradiolog Karoline Skogen ved Oslo universitetssykehus (OUS) er en av klinikerne som har vært med på å utvikle og forbedre en KI-modell som kan hjelpe radiologer med å oppdage slike blødninger.

Foto: Sykehuspartner

For Karoline begynte arbeidet med et konkret behov: støtte i vurderingen av CT-bilder av pasienter med mistanke om hjerneblødning. Hvert år undersøkes mange pasienter etter hodeskader, og CT er den viktigste undersøkelsen for å avdekke eller utelukke blødning.

KI-modellen VIOLA-AI er utviklet for å oppdage og måle slike blødninger.

Gjennom NeoMedSys har Karoline og kollegene kunnet markere blødninger i bildene, undersøke hvor modellen gjør feil og bidra til å forbedre resultatene.

– Vi må ta utgangspunkt i hvor skoen trykker. Jeg vil ha noe som kan hjelpe meg i hverdagen. Det må være forankret i klinisk nytte, sier Karoline.

Radiologiske bilder kan sendes direkte til NeoMedSys for analyse. Resultatene sendes tilbake til det radiologiske systemet i løpet av få minutter, slik at helsepersonell kan bruke dem som støtte i sine vurderinger.

Erfaringene fra arbeidet med VIOLA-AI viser hvordan kunstig intelligens kan utvikles med utgangspunkt i konkrete kliniske behov. Samtidig illustrerer prosjektet hvorfor sykehusene trenger verktøy som gjør det enklere å utvikle, teste og forbedre slike løsninger.

Det er nettopp dette NeoMedSys er utviklet for.

Fra klinisk behov til bedre KI-løsninger

Den egenutviklede KI-plattformen NeoMedSys gjør det enklere for sykehusene å utvikle, teste og ta i bruk KI-løsninger, enten de er utviklet internt eller av andre.

NeoMedSys er utviklet av forskningsgruppen Computational Radiology and Artificial Intelligence (CRAI) ved Klinikk for radiologi og nukleærmedisin ved Oslo universitetssykehus (OUS).

En av plattformens viktigste styrker er at klinikere kan være med på å utvikle og forbedre løsningene over tid. De kan evaluere resultatene, korrigere feil og bruke erfaringene til å gjøre modellene bedre. Slik utvikles løsningene med utgangspunkt i reelle behov i pasientbehandlingen.

Forbedringer underveis

De første versjonene av modellen viste hvor viktig samarbeidet mellom klinikere og utviklere er. Modellen overså enkelte blødninger. Da følsomheten ble økt, markerte den samtidig flere funn som blødninger enn ønskelig. Det førte til ekstra kontrollarbeid for radiologene.

Ved hjelp av NeoMedSys kunne teamet hente inn flere data, analysere resultatene og forbedre modellen videre.

– Kollegaene fikk være med på hele reisen. Etter hvert fikk flere et eierskap til modellen. Den var vår, og vi kunne bidra til å gjøre den bedre.

Erfaringene viser at kunstig intelligens ikke blir nyttig i helsetjenesten av seg selv. Løsningene må utvikles i tett samarbeid med dem som skal bruke dem, og de må løse konkrete utfordringer i pasientbehandlingen.

Illustrasjon: CRAI/Oslo universitetssykehus, gjengitt fra artikkelen "Examining deployment and refinement of the VIOLA-AI intracranial hemorrhage model using an interactive NeoMedSys platform".

Bedre modeller gir bedre beslutningsstøtte

En publisert studie av VIOLA-AI og NeoMedSys viste at modellens evne til å oppdage hjerneblødninger økte fra 79,2 til 90,3 prosent etter to runder med videreutvikling og trening. Modellen ble også bedre til å skille mellom undersøkelser med og uten blødning.

Resultatene viser at modellen har blitt mer treffsikker. Det er imidlertid foreløpig ikke dokumentert at løsningen gir kortere pasientforløp eller bedre behandlingsresultater.

Mer treffsikre KI-modeller kan likevel gi helsepersonell bedre grunnlag for å vurdere undersøkelser og prioritere oppfølging. Målet er ikke å erstatte faglige vurderinger, men å gi klinikerne bedre beslutningsstøtte i vurderingen av pasientbehandling.

Karoline forteller at erfaringene fra utprøvingen har vist hvordan KI kan fungere som en nyttig støtte i arbeidshverdagen.

– Det er beslutningsstøtte, ikke automatiserte beslutninger, understreker hun.

Hun beskriver resultatene fra KI-modellen som en ekstra vurdering som kan brukes sammen med radiologens egen faglige vurdering.

Et viktig mål for det videre arbeidet er å undersøke om slik beslutningsstøtte kan bidra til raskere avklaringer og bedre oppfølging av pasienter med hodeskader.

Korter veien fra klinisk behov til ny løsning

Karoline mener en av de største gevinstene med NeoMedSys er at klinikere kan delta aktivt i utviklingen av løsningene.

– Bare det å hente inn bilder, markere funn, lagre og få materialet ut igjen kan være svært krevende. NeoMedSys er en bro mellom forskning og klinikk som gjør at vi kan komme raskere videre, sier hun.

Når bildehåndtering, markering av funn, testing og evaluering samles i én plattform, blir det enklere å samarbeide på tvers av fagmiljøer. Det gjør også veien kortere fra kliniske behov til nye løsninger.

Fagmiljøet arbeider nå videre med å undersøke hvordan VIOLA-AI kan gi mer informasjon om hvordan en blødning påvirker hjernen. Andre prosjekter retter seg mot blant annet oppfølging av hjernehinnesvulster.

For Karoline er noe av det viktigste at flere klinikere kan være med på å utvikle løsningene de selv skal bruke. Det øker sjansen for at kunstig intelligens faktisk løser utfordringer i pasientbehandlingen og blir et nyttig verktøy i klinisk arbeid.

Bygger grunnlaget for videre bruk av KI i helsetjenesten

Gode KI-løsninger krever mer enn gode idéer. De må også kunne brukes trygt og sikkert i sykehusdriften. NeoMedSys er selv en komplett teknisk plattform, fra operativsystem til applikasjoner, med innebygd kryptering, tilgangskontroll og sporing av all bruk.

- Sykehuspartner har stått for driftsmiljøet i datasenteret og har sikret forbindelsene til sykehusenes regionale bildesystem i HSØ, forteller tech lead Bård Bosløven i data og brukerdrevet forskning, innovasjon og utvikling (DBU).

Foto: Thomas Brun / NTB Kommunikasjon

Virksomhetsdirektør Kenneth Iversen i DBU forteller at Sykehuspartner også arbeider med å etablere en moderne plattform for sikker deling og sammenstilling av data mellom forskning og klinisk virksomhet. Målet er å gjøre det enklere å bruke data fra ulike kilder, som pasientjournaler og andre kliniske systemer, på en sikker og standardisert måte.

Dette kan åpne for nye muligheter innen kunstig intelligens, innovasjon og persontilpasset medisin langt utover radiologi.

CRAI har allerede samarbeidet med fagmiljøer ved Oslo universitetssykehus og andre helseforetak om løsninger innen blant annet hjerneslag, nevrodegenerative sykdommer, kreft, mammografi, stråleterapi og analyse av kroppssammensetning. 

Foreløpig er NeoMedSys tilgjengelig ved Oslo universitetssykehus. Ambisjonen er at erfaringene, arbeidsmetodene og løsningene fra plattformen etter hvert skal komme flere helseforetak til gode.

Målet er å gjøre det enklere å utvikle og ta i bruk KI-løsninger som gir helsepersonell bedre beslutningsstøtte, bidrar til mer effektiv ressursbruk og på sikt kan gi pasientene enda bedre oppfølging og behandling.