foto: kieferpix
/ istcok
tuation. Men det kan leda till en subjektiv bedömning som skulle kunna undvikas om rangordningen tas fram med AI . Johan Nilsson har varit med och utvecklat en algoritm för hjärttransplantationer. Den har tränats på data från en internationell databas och beräknar förväntad överlevnadstid utifrån donatorns och mottagarens riskprofil. – Nackdelen har varit att den bara tittade på hur det går efter transplantation, inte inför, för dem som står på väntelistan. Bäst för hela gruppen
vågar tacka ja till ett alternativ om hen får ett beslutsstöd från AI:n. Dessutom kommer man bort från den subjektiva biten i urvalsprocessen. – Det är lätt att bli påverkad av patienternas remitterande läkare som givetvis har rätt att lyfta sina patienters svåra si-
TRANSPLANTATIONER I SIFFROR (Källa: Socialstyrelsen) I Sverige transplanteras drygt 800 organ och 1 300 vävnader per år och varje år dör 30–50 personer i väntan på organtransplantation. Under 2020 transplanterades 429 njurar, 172 levrar, 54 hjärtan, 51 lungor och 13 bukspottkörtlar.
Verktyget utvecklades vidare av Dennis Medved, då forskarstuderade, genom att lägga till riskfaktorer inför transplantation och även göra en optimering för en helhetsbedömning av vad som var bäst för hela gruppen. En patient med hög risk att avlida i väntan på ett nytt organ men som förväntades leva länge efter transplantation gavs hög prioritering medan en patient som uppskattades kunna vänta i flera år på ett nytt organ men som ändå inte förväntades leva länge med det nya organet hamnar långt ner på prioriteringslistan. I simulerade försök kunde forskarna visa att metoden ökade den totala överlevnaden i gruppen och minimerade dödligheten på väntelistan. – Tyvärr innehåller den för många parametrar vilket gör det svårt att förklara hur den fungerar och fattar sina beslut. Det blir som en svart låda som läkare inte vågar lita på. Det här sätter fingret på ett allt vanligare problem och vikten av så kallad ”explainable AI”. Med det menas att användaren måste kunna förstå hur en sådan modell fungerar och vilka data den har tränats på för att våga lita på de förslag den ger. – Det är viktigt att systemet lärs upp med bra data så att vi inte bygger in så kallad ”bias”*. Det skulle kunna leda till att vissa grupper missgynnas eller diskrimineras. Därför är det viktigt att tänka till före och testa modellerna med ordentliga simuleringar innan de implementeras i sjukvården, säger Johan Nilsson.
LYSSNA PÅ PODD: AI OCH ETIKEN AI-tekniken öppnar för nya möjligheter inom sjukvården men det finns samtidigt många frågor, inte minst de etiska, som behöver diskuteras. För att ett AI-system ska bli bra behöver det tränas på stora mängder patientdata. Hur fungerar det med samtycke? I dag har patienter rätt till ny medicinsk bedömning, det som tidigare kallades second opinion. Men om alla använder samma AI-system, vem ska då ge second opinion? Att förstå vilka data systemet har tränats med och hur besluten fattas behöver vara begripligt. För hur ska vi annars våga lita på doktor dator? Andra frågor kan handla om sjukvårdens begränsade resurser och om AI:n tillför tillräckligt med mervärde för att det ska vara motiverat att köpa in till vården. Dessa och många andra frågor diskuteras i podden med Mats Johansson, filosof och docent i medicinsk etik vid Lunds universitet.
Du hittar podden på vetenskaphalsa.se/aietiken
EVA BARTONEK ROXÅ Längre version: vetenskaphalsa.se/ hjarttransplantationer-ai
*Bias: ung. partiskhet eller fördom 21
