Den här webbplatsen använder cookies för att kartlägga hur våra besökare använder webbplatsen och för att förbättra din upplevelse. Genom att fortsätta använda webbplatsen accepterar du användandet av cookies.

Jag är läkare, sjuksköterska, farmaceut eller motsvarande och söker
medicinsk information om botox®

Gå vidare

Letar du efter
behandlingsinformation om botox®
för dina patienter

Gå vidare

Jag är läkare, sjuksköterska, farmaceut eller motsvarande och söker
Information om botulinumtoxin för kosmetisk användning

Gå vidare
BOTOX® 30-09-2020

Hur AI kan utveckla behandlingen med botulinumtoxin typ A

Uppmärksamheten och intresset för artificiell intelligens, AI, ökar inom den nordiska sjukvården. De senaste decennierna har kostnaden för att samla, lagra och hantera data sjunkit, samtidigt som vår förståelse för algoritmer ökat. Hur skulle AI kunna stötta kliniker inom behandling av till exempel kronisk migrän och spasticitet efter stroke?

– Sjukvården kallas ofta analog och konventionell och intresset för AI ligger lite efter många andra industrier. Naturligtvis är det klokt att man inte vill experimentera för mycket med att införa nya saker, eftersom nya teknologier även medför nya risker. Dessutom finns omfattande regelverk inom vården som begränsar experimenterande med AI, säger Ingrid af Sandeberg, senior projektledare på konsultföretaget Arthur D. Little och stor erfarenhet av AI-projekt. Hon menar samtidigt att det börjar bli svårt att förneka att AI är på väg att bli en viktig del av framtiden även i vården 

Jämförs med människors intelligens 

Men vad är då AI? Mycket enkelt förklarat innebär AI att datorprogram och robotar löser problem och utför uppgifter med logik som kan anses påminna om människors och djurs beteendemönster. Framförallt handlar det om funktioner som ofta beskrivs som ”kognitiva”, som att lära sig saker av tidigare erfarenheter för att förstå språk, lösa problem och planera en handling.  

– Funktionaliteten är fortfarande begränsad i det avseendet att AI inte kan generalisera som människor kan. Å andra sidan kan AI analysera enorma mängder komplex information. Men trots de kognitiva begränsningarna finns det många tillämpningsområden för AI:s analyskraft i vården. Bild- och klusteranalys är två kända exempel som fått mycket uppmärksamhet inom medicinsk forskning. Där har bildanalys börjat användas för att till exempel identifiera tumörer i röntgenbilder. Klusteranalys används för att identifiera mönster och likheter i olika patientgrupper. 

Optimera schemaläggningen utifrån patientens behov 

Ingrid af Sandeberg menar att AI kan ha stor potential både inom klinisk forskning och sjukvård. Hon poängterar dock att AI är ett verktyg och att användningen behöver motiveras med något mer än att man bara vill utnyttja AI. Det måste skapa ett värde. 

– Man behöver fundera över vilka behov man har, vilka problem man vill lösa, eller vilka möjligheter man hoppas realisera – och för vem. En klinik som utför Botox-behandlingar skulle till exempel kunna börja använda digitala program för att automatisera schemaläggning. Om man samtidigt registrerar när patienterna kommer och går, så kan AI jämföra med tidigare planerad tid och förutsäga vilka patienter som kanske behöver lite längre tid än vanligt, vilka ärenden som brukar gå fort, och om några ärenden kanske kan klaras av via videokonferens eller chatt.

Ingrid af Sandberg
Ingrid af Sandeberg, senior projektledare på konsultföretaget Arthur D. Little

Identifiera rörelsemönster vid spasticitetsbehandling 

Ett annat potentiellt användningsområde för AI är identifiering av muskler för behandling av spasticitet.

– För att detta ska fungera i praktiken måste man först samla in data från en stor grupp patienter med känd diagnos genom att filma deras rörelsemönster och förklara för modellen vad den ser, till exempel ”Patienten med det här rörelsemönstret behöver injektioner i flexor digitorum profundus”. När modellen sett tillräckligt många exempel på patienter med samma kända behandlingsbehov, kan den identifiera liknande rörelsemönster hos nya patienter och föreslå behandling.  

Ingrid af Sandeberg menar dock att de mängder exempelfilmer som krävs gör det omöjligt för enskilda kliniker att utveckla och träna den här typen av AI-modell. Däremot skulle kliniker kunna bidra med exempelfilmer, så kallade ”träningsdata”. Men det kräver att någon bygger en gemensam lösning som klinikerna kan dra nytta av när det finns ett färdigt system.  

– Det är samtidigt viktigt att rekommendationerna från en sådan modell endast används som beslutsstöd till klinikerna och inte ses som en universell sanning.

När modellen sett tillräckligt många exempel på patienter med samma kända behandlingsbehov, kan den identifiera liknande rörelsemönster hos nya patienter och föreslå behandling.
- säger Ingrid af Sandeberg, om muskelidentifiering vid behandling av spasticitet som ett potentiellt användningsområde för AI

Appar för självdiagnosticering vid migrän

Ett annat exempel där AI kan stötta kliniker, utan att det medför större risker, är applikationer för självdiagnosticering. Om migränpatienter själva registrerar sitt smärtmönster digitalt och kontinuerligt så får läkaren ett mer exakt underlag än om patienten beskriver detta i efterhand vid sitt läkarbesök. Låter man även en AI-modell analysera data, kan den identifiera nya mönster som läkaren sedan kan tolka.
 

Det är dock viktigt att man samlar in all data på ett sådant sätt att algoritmen kan analysera den, avslutar Ingrid af Sandeberg och betonar att vi är långt ifrån en verklighet där AI helt kan ersätta mänsklig kompetens inom den här typen av områden. Men det hindrar inte att vi kan använda AI som ett verktyg för att förstärka våra egna förmågor och kapacitet.


Referenser

  • Inga tillgängliga referenser
Stäng