Kunstig intelligens i norsk helsesektor

Endringsledelse og transformasjon Kunstig intelligens

6 min. lesning

Kunstig intelligens (KI), eller Artificial Intelligence (AI), har blitt en sentral aktør og et virkemiddel for innovasjon og effektivitet. Norges nasjonale strategi for KI ble lagt fram allerede i januar 2020, og peker på at KI er en teknologi som kan få stor betydning for samfunnsutviklingen, forbedre offentlige tjenester og bidra til økt verdiskaping i næringslivet, dette gjelder også for norsk helsevesen.

Helsepersonellkommisjonen identifiserer blant annet kunstig intelligens som en av de teknologiene som potensielt kan bidra til økt effektivitet og forbedrede tjenester innenfor den norske helsetjenesten. Dette peker på anerkjennelsen av kunstig intelligens som en innovativ ressurs som kan spille en viktig rolle i å transformere og optimalisere helsevesenet i Norge.

I dette blogginnlegget ser vi på sikkerhet og etiske vurderinger knyttet til innføring og bruk av KI, eksempler på positive effekter og hvordan man bør gå frem for å komme i gang med KI.

Sikkerhet og etiske vurderinger

Selv om KI har et enormt potensial, er det viktig å vurdere sikkerhetsaspekter og etiske spørsmål knyttet til bruk av denne teknologien i helsevesenet. Beskyttelse av pasientdata, transparente algoritmer og etisk bruk av kunstig intelligens må være sentrale fokusområder for å sikre at KI-implementeringen gir maksimal nytte samtidig som personvernet blir ivaretatt på en god måte.

Forskere ved Nasjonalt senter for e-helseforskning har undersøkt hva som kreves, både drivere og potensielle risikoer ved å introdusere og implementere KI i det norske helsevesenet. Det pekes blant annet på en betydelig risiko når det gjelder personvern, etikk og ansvar for medisinske feil. Der balansering av risikoer og fordeler ved innføring av kunstig intelligens i helsevesenet vil kreve en felles innsats på tvers av teknologi, utviklere, beslutningstakere, helseinstitusjoner og pasienter. Ikke minst; det må være et menneske som tar de endelige beslutningene før tiltak iverksettes.

KI muliggjør raskere og bedre diagnostisering, mer personlig tilpasset behandling og medisinering

Et bruksområde vi allerede ser for KI er gjennom diagnostisering og prediktiv analyse. Ved å analysere datasett kan algoritmer tidlig oppdage sykdommer og forutsi sykdomsutbrudd. Dette vil kunne gi helsepersonell verdifull innsikt for effektive behandlingsplaner. Blant annet har man utviklet en egen app som benytter smarttelefonens mikrofon til å fange opp en pasients hoste. Slik kan man analysere om pasientens hoste er et symptom på en alvorlig sykdom. Dette kan du lese mer om i denne artikkelen fra MIT Technology review.

Fordi KI kan bidra til å analysere mye større datamengder på kortere tid enn mennesker klarer, kan teknologien bidra til mer skreddersydd individuell behandlingsplan. Den kan også åpne for mer målrettet medisinering, gjennom analyse av genetisk informasjon, individuelle pasientdata, livsstilsfaktorer og tidligere behandlingsrespons. Dette vil sannsynligvis også forbedre behandlingseffektivteten og redusere potensielle bivirkninger. En annen fordel med KI er evnen til å automatisere rutinemessige oppgaver, slik som administrasjon, planlegging og fakturering. Dette kan potensielt frigjøre verdifull tid for helsepersonell, reduserer administrasjonskostnader og forbedre kvaliteten på helsetjenestene.

I Norge er Vestre Viken det første helseforetaket i samarbeid med Sykehuspartner som har tatt i bruk KI i stor skala når det gjelder bruk av KI for tolkning av røntgenbilder. Dette har allerede ført til raskere avklaring og mindre ventetid for pasienter, samt frigjort tid for ansatte. Helseminister Ingvild Kjerkol berømmer satsningen og kaller det en merkedag for både helsepersonell, pasienter og pårørende.

Hva må til for å komme i gang med KI i helsesektoren?

Nasjonalt senter for e-helseforskning anbefaler 9 steg for å komme i gang med KI:

  1. Øke kunnskapen om KI blant helsepersonell og innbyggere
  2. Fokusere på behov og pasientperspektiver i implementeringsprosessen
  3. Viktig med samarbeid på tvers av fag og sektorer for å samordne initiativer
  4. Regelverket må tilpasses den nye teknologien
  5. Forbedre muligheter for finansiering og sikre fordeling av medisinske og datavitenskapelige ressurser til KI-implementering
  6. Forbedre utfordringer innen data, som kvalitet, tilgang, lagring og utveksling
  7. Oppgradere aktuell IKT-infrastruktur
  8. Standardisere implementering og prosedyrer for innkjøp
  9. Sørge for klinisk godkjenning før implementering av KI-systemer i helsetjenesten. Og sørge for vedlikehold for systemer som blir innført

Det kreves også gjerne en del forarbeid for å kunne benytte seg av KI. Derfor bør man bruke tid på å få oversikt over og innsikt i egne data, og ofte også klargjøre for bruk gjennom digitalisering av «analoge data». For eksempel jobber Metier for tiden i et prosjekt for Helse Sør-Øst, innenfor området patologi, med digitalisering av fysiske bilder som danner grunnlaget for senere å bruke kunstig intelligens. I første omgang frigjør digitaliseringen mye fysisk plass og bidrar til enklere og raskere bildedeling mellom helsepersonell. Deretter kan KI brukes og nye perspektiver innen helsefaget åpnes.

Konsulentene i Metier har gjort sine erfaringer med kunstig intelligens fra forskjellige prosjekter og har utviklet en modell for å komme i gang med denne nye teknologien.

Metiers 5 steg for utvikling av KI-strategi

Metier sin modell kan anvendes både i helsesektoren og andre bransjer. I blogginnlegget fra smidigbloggen, 5 steg for utvikling av AI-strategi, kan du lese mer om modellen. Dette er hovedpunktene:

  1. Mobiliser og akselerer: Opprett et «KI-team» for hurtig mobilisering, drift av prosess samt å sette retning.
  2. Kartlegg: Analyser og identifiser repetitive prosesser med mye data
  3. Velg bruksområder: Kartlegg områder hvor skoen trykker mest
  4. Bruk og integrer: Implementering av AI-verktøyet i de første bruksområdene bør skje hurtig
  5. Operasjonaliser og lær: Bestem hvordan organisasjonen skal arbeide med AI kontinuerlig

Kunstig intelligens vil utvilsomt være en viktig medspiller i å forme fremtidens helsevesen. Fra diagnostikk og behandling til administrasjon og pasientengasjement. Kunstig intelligens har potensial til å forandre måten vi opplever og anvender helsevesenet på.

Mens det er viktig å omfavne disse innovative teknologiene, må det balanseres opp mot de etiske og sikkerhetsmessige utfordringene som følger med dem. Vi må sikre at kunstig intelligens tjener pasientenes beste og forbedrer helsen til befolkningen som helhet. Eller som Open AI (utviklerne av ChatGPT) sier det: "benefits all of humanity

New call-to-action


Alf B. Prøven er en dyktig og erfaren prosjektleder med en imponerende bredde i sin karriere. Med over 10 års erfaring i forsikringsbransjen, inkludert roller hos kjente aktører som Gjensidige og Protector, har han et solid fundament i både praktisk og teoretisk prosjektstyring. Hans omfattende erfaring strekker seg også til utdanningssektoren og IT-bransjen, hvor han har hastt ulike roller som Product Owner, Business Architect, og Business Analyst. Nå er han ansvarlig prosjektleder for å innføre M365 i norske offentlige organisasjoner. Dette inkluderer planlegging og utførelse av teknisk implementering, sikkerhet og samsvar, styring, informasjonsforvaltning, dataoverføring, og endringsledelse. Han har en sterk forståelse for overgangen fra lokale løsninger til skybaserte tjenester, og hvordan man utnytter nye arbeidsmetoder. Daniel Rosenlund har over 15 års fartstid fra prosjektarbeid, og er en erfaren prosjektleder fra både privat og offentlig sektor. Han har de siste 8 årene primært jobbet med å bistå digitaliseringsarbeidet og innføring av nye digitale tjenester innenfor norsk helsesektor.


Likte du dette blogginnlegget? Da tror vi at disse også passer for deg

Hvordan navigere i endring: En prosjektleders guide til vellykkede transformasjoner

Som prosjektleder har du sikkert opplevd følelsen av å stå midt i en organisasjonsomveltning, lik en sjømann i storm? Endringer er uunngåelige i dagens arbeidsliv, men de kan også være utfordrende å håndtere. Som prosjektleder hviler mye ansvar på dine skuldre for å styre gjennom disse endringene på en smidig måte. Din evne til å navigere er avgjørende for prosjektets suksess og organisasjonens evne til å tilpasse seg nye krav. La oss utforske hvordan du som prosjektleder kan sikre at endringene blir gjennomført på en positiv og produktiv måte, selv når ressursene er begrenset og presset er stort.

Hva er forskjellen mellom digital omstilling og digital transformasjon?

Digital teknologi utvikler seg stadig raskere, og virksomheter står overfor et press om å tilpasse seg hurtigere for å forbli relevante og konkurransedyktige. Dette har ført til økt fokus på digital omstilling og digital transformasjon, to begreper som ofte blir brukt om hverandre, men som representerer to forskjellige tilnærminger til endring. Begge begrepene representerer utnyttelse av digital teknologi for å forbedre virksomheten, men de innebærer ulikt ambisjonsnivå og endringsomfang. I dette blogginnlegget ser vi nærmere på hva som skiller begrepene digital omstilling og digital transformasjon, og hvordan de påvirker virksomheter i praksis.

Innføring av e-helse - hvordan lykkes bedre med å hente ut gevinstene?

I 2030 vil det være flere eldre enn barn i Norge. Økningen i antall eldre og mangelen på helsepersonell gjør digitalisering av helse- og omsorgstjenestene til et viktig virkemiddel for å møte disse utfordringene. I Nasjonal helse- og samhandlingsplan 2024–2027 er ny strategi for digitalisering av helse- og omsorgstjenestene ett av hovedgrepene for raskere gjennomføring og realisering av nytte (Meld. St. 9). Gode e-helseløsninger vil bidra til mer tid til pasienten, tjenester som gis på nye måter, og til at pasienter og brukere kan delta og bidra mer i egen behandling. Dette fordrer hensiktsmessig implementering og bruk i et samarbeid mellom helsepersonell, pasienter, og pårørende. Nytten og behovet for digitalisering er udiskutabel, men hvorfor er det da så vanskelig å beregne gevinstene og realisere dem? Hvilke forutsetninger må være på plass for å hente ut gevinstene, og hvorfor mangler vi ofte målinger av bruk og nytte?