Forebyggelse ved hjælp af kunstig intelligens bygger på data fra sundhedsvæsnet, som fx samkøres med andre data om en patient. Det kan være ting patienten selv indsamler som motionsvaner eller blodtryksmålinger. Eller det kan være kommunens sundhedsdata.

Forebyggelse kan også bygge på genprofiler eller forudsigelser fra billeddiagnostisering med kunstig intelligens, som techst talte med Michel Nemery, ledende overlæge på Herlev hospital om i artiklen Har vi lov til at lade være?

Grænsen mellem hjælp til rettidig omhug (forebyggelse) og overvågning er hårfin, og det er bl.a. det techst har talt med Henning Langberg, der er direktør i Data Redder Liv under Copenhagen Healthtech Cluster (CHC) om. CHC har et projekt omkring brug af kunstig intelligens, som handler om at undgå forebyggelige indlæggelser, dvs. indlæggelser som kunne være undgået, hvis borgeren fx havde drukket tilstrækkeligt væske eller taget sin medicin korrekt.

Der er store potentialer

– Vi får ikke flere ressourcer i sundhedsvæsnet fremover, og vi får behov for alle de hænder vi har, så der er nogen processer, vi er nødt til at gøre smartere, siger Henning Langberg. – Når vi snakker sundhedsdata og nogen af de nye teknologier som fx kunstig intelligens ligger der en masse potentialer, som vi ikke bruger nu.

Det har CHC taget konsekvensen af og har i samarbejde med DTU, Københavns Kommune og Region Hovedstaden startet et projekt, som tager udgangspunkt i, at kommunerne indsamler store mængder af sundhedsdata. Med baggrund i disse data vil projektgruppen med CHC i spidsen bruge kunstig intelligens til at forebygge sygdom og indlæggelser. Det skulle gerne føre til øget livskvalitet blandt borgere, men også til frigørelse af økonomiske resurser i kommunen og på sygehusene.

– Der er ni diagnoser som man betegner som forebyggelige indlæggelser, dvs. indlæggelser som, hvis man havde gjort det rigtige, ikke ville føre til indlæggelse, forklarer Henning Langberg. – Kommunerne betaler, hver gang der bliver givet en ydelse fra hospitalet, så kommunerne vil gerne forebygge den form for indlæggelser. Samtidig giver det også en masse bekymring for borgerne og deres pårørende, når bliver indlagt. Så der er god grund til at prøve at tage det i opløbet. Det handler primært om ældre borgere, som rammes af dehydrering, fald i hjemmet, urinvejsinfektioner, luftvejssygdomme osv.

En alarm, der arbejder med data

Projektet vil se på to grupper af borgere: nogen, der har været indlagt, og nogen, der ikke har, og sammenligne de to gruppers data: Hvor hyppigt har de været til læge? Har de fået bestemte typer eller kombinationer af medicin? Har de fået hjælpemidler, som gør det sværere fx at komme på toilettet, hvilket kan føre til urinvejsinfektion? Drikker man for lidt vand og bliver konfus? Og er der en sammenhæng mellem tingene?

– Hvis man drikker for lidt og bliver konfus, falder man let, så kommer man måske på hospitalet og får tilført væske i nogle dage og så kommer man hjem og er frisk igen, forklarer Henning Langberg. – Vi vil se, om vi kan lave en algoritme, som kigger på konkrete data fra borgeren, og sætter et alarmsystem op, så kommunen får besked, hvis en borger er i fare for at blive indlagt indenfor de næste tre- fire uger. Hvis data viser at borgeren er i risiko, hvilken indsats kræves der så? Skal nogen komme og sikre at borgeren drikke ekstra eller skal man tilse borgeren oftere for at sikre, at de kommer på toilettet? Skal vi lave nogen toiletforhold så borgeren lettere selv kan komme ud på toilettet?

Projektet starter med de data, der allerede findes i kommunen, og hvis det ikke er nok, skal data fra hospitaler og praktiserende læger også inddrages, og den samkøring af data kræver en tilladelse offentlige myndigheder, som CHC er ved at søge.

– Vi bruger aktuelt anonymiserede data, siger Henning Langberg. – For i denne fase, er det ikke vigtigt om det er Ole eller Grethe, her er det datakoblingen, der er vigtig. Når man begynder at skulle bruge algoritmen, så er det vigtigt at finde ud af, hvem er den konkrete person, der har brug for fx at drikke noget mere vand eller komme oftere på toilettet. Men det behøver vi ikke i forskningsprojektet, for da skal vi bare finde ud af, om vi kan lave algoritmen god nok.

Er det overvågning?

Henning Langberg medgiver, at alt efter, hvordan man ser på det, kan det både opfattes som overvågning og som rettidig omhu. Og det betyder også, at hvis det lykkes at lave sådan en alarm vil det være op til den enkelte, om de har lyst til at være med. Men dette er et svært dilemma, for hvilke krav kan man stille til deltagelse i et gratis sundhedssystem, som det danske, i forhold til forebyggelse af sygdomme?

– Hvor langt kan vi gå, og hvad kan samfundet tillade sig at stille krav om? Spørger han. – Når vi ved at rygning er farligt, må den enkelte borger så selv bestemme, om man vil ryge? Må jeg selv bestemme om mit gode liv er 20 år med rygning eller 30 år uden? Det er i bund og grund dilemmaet omkring forebyggelse. Vi ved også at fysisk aktivitet er godt. Vi ved at det er farligt at drikke og ryge, og at det er vigtigt at spise varieret. Men man har også behov for at bestemme over ens eget liv og de valg man har lyst til at træffe.

– Problemet er, at man sjældent kun har en udfordring. Ofte er sundhedsudfordringer blot et problem, men hvad hvis man også er udfordret på hjemmefronten, eller arbejde, økonomisk eller socialt? , fortsætter Henning Langberg. – Her kunne en løsning være at bruge teknologien sådan, at hvis du som borger eller patient gerne vil gøre noget for dit helbred, så må vi sørge for at have noget på hylderne, som er nemt at bruge og som passer ind i folks liv. Det gør vi ikke i dag. Vi har masser på hylderne for de velfungerende, for dem med overskud, teknisk snilde og råd til det. Derfor får vi en slagside på sundhedsområdet, hvor de borgere, der er udsatte på alle mulige andre områder, også er det på sundhedsområdet.

Data skal i arbejde

I sundhedssystemet vil man gerne bruge data mere end man gør i dag. Det kan både være for at forebygge, men også til mere personaliseret medicin og for at reducere bivirkninger og forbedre effekten, så man ikke betaler for dyr medicin med tvivlsom effekt.

Det er der nogen etiske udfordringer ved, siger Henning Langberg. – Dels skal vi være sikre på, at det kun er de rigtige, der ser data. Som borger vil jeg gerne vide: Hvem ser mine data, og hvorfor ser de på dem? Så vi skal lavet et system, hvor man kan se dét. Og så skal vi sikre, at vi, når vi begynder at kombinere data, tager de rigtige beslutninger. Hvis vi begynder at regne i risici eller sandsynligheder, skal vi passe på med at sygeliggøre en masse borgere, som ikke er syge, eller fortæller folk at de er i risiko for at blive syge uden at have en behandling til dem. De bagsider, skal vi på en eller anden måde have håndteret. Vil man vide, at man potentielt risikerer at blive syg? Og hvornår ønsker man at vide det?

Det kan jo også være etisk forkert at undlade at gøre noget?

Lige nøjagtigt. Vi har et stort samarbejde med de fleste patientforeningerne, og deres holdning er ofte, at vi samler data ind, som vi ikke bruger til noget, slutter Henning Langberg. Så når vi snakker etik kan det både være: hvordan skal vi bruge data? Men i øjeblikket også, at vi undlader at bruge data. Det er vigtigt at have med, ellers bliver etik noget, der begrænser. Der er i dag patienter vi kunne hjælpe bedre, hvis vi brugte data bedre.

Dette er den sjette artikel i en serie på otte om etik og kunstig intelligens.