Norge vil om noen tiår trenge dobbelt så mange helsearbeidere – om vi ikke organiseres annerledes. Eksempelvis er leger og tannleger opptatt av at helsetjenestene skal holde samme kvalitet- eller bedres.
Økonomer, jurister og IT-folk regner på økonomien: Hvordan hindre at utgiftene stiger i forhold til antall ansatte?
Vi ser nå at KI er en vesentlig del av planen. Baksiden – for høyt utdannede leger og tannleger – er at “nedbemanning” i forhold til dagens situasjon nettopp kan ramme denne gruppen: Lavere utdannede sekretærer, sykepleiere og tannpleiere kan komme til å overta mange oppgaver som i dag er forbehold leger og tannleger; støttet av en rivende utvikling innen KI.
Kunstig intelligens (KI) kan allerede i dag gjøre enkelte oppgaver bedre enn et menneske kan. Store mengder helsedata, rimelig regnekraft og bedre algoritmer har ført til gjennombrudd innen kunstig intelligens på helseområdet. For eksempel kan intelligente maskiner allerede nå vurdere bilder av mulig føflekkreft bedre enn hva hudleger klarer.
Linker og beskrivelse
Kunstig intelligens vil endre helsetjenesten
Artikkel fra Tidsskriftet for leger 5.12.2019: Eksempelvis den teknologiske utviklingen i operasjonssalen og hvordan teknologiseringen av helsevesenet har ført til økt kvalitet på pasientbehandlingen. Utviklingen innen radiologi, genetikk, sensorteknologi og en rekke andre områder muliggjør innsamling av enorme mengder pasientdata. Dette gir sikrere diagnoser og er fundamentet for skreddersydde behandlinger. De enorme datamengdene vi kan høste, kombinert med økt mulighet for persontilpasset behandling, gjør at vi står overfor et paradigmeskifte. Høy kompleksitet og overveldende datamengder vil føre til at kunstig intelligens får en sentral rolle i fremtidens helsevesen.“Det er innen bildegjenkjenning dyplæring har hatt spesielt gode resultater, og dyplæring er allerede på vei inn i klinisk virksomhet” |
| Rapporten fra Helsedirektoratet omfatter oppsummering av kunnskap, vurdering av behovet til ulike aktører for triageringsverktøy og forslag til installasjon og utprøving av et triangeringsverktøy.
Rapportene kommer også inn på e-konsultasjon – et langt skritt mot at pasientene slipper å reise til fastlegen (tannlegen), men kan få konsultasjon via sin egen PC eller smartmobil.
Les hele rapporten fra Helsedirektoratet
Les hele rapporten fra E-helsedirektoratet |
| Lager chattetjeneste med kunstig intelligens
Sykepleien.no har i 2017 en artikkel som beskriver et forskningsprosjekt som skal forsøke å lage en ny, automatisk chattetjeneste for ungdom, basert på kunstig intelligens og store mengder data som vesentlig er hentet fra ung.no. Forskerteamet er tverrfaglig sammensatt av forskere både fra Sintef, Oslo universitetssykehus og Universitetet i Oslo. En av deltakerne er professor Ole-Christoffer Granmo ved Universitetet i Agder, som er en av Norges fremste spesialister på kunstig intelligens og stordata.
– Målet er å bidra til gode helsetjenester for befolkningen. Hvis vi utvikler en rådgivningstjeneste som er til stede døgnet rundt, vil det ha en enorm verdi for samfunnet, sier Granmo i en pressemelding fra Universitetet i Agder |
|
Definisjoner
| Dyp læring (engelsk deep learning) er en læreprosess som går ut på å «trene opp» såkalte «dype kunstige nevrale nettverk» (også kjent som «nevrale nettverk»). Dette er en sentral metode innen maskinlæring – hvor det er et prinsipp at datamaskiner skal tilegne seg kunnskap (lære) om noe den ikke vet eller kan fra før.[1] Dyp læring er basert på et sett med algoritmer som forsøker å modellere abstraksjoner i data på høynivå ved å bruke mange prosesslag med komplekse strukturer, som består av mange affine og ikke-lineære transformasjoner.[2][3] Læreprosessen kan bli overvåket, semi-overvåket eller uten tilsyn, og har hatt en stor innvirkning på områder som bilde klassifisering, datamaskin syn (engelsk computer vision), språkbehandling, biostatistikk og lydgjenkjenning.[3][4]
Kunstig intelligens -KI = Artificial intelligence – AI
Triage (fransk for sortering) er en prosess for å bestemme prioritering i behandling av pasienter basert på hvor alvorlig deres medisinske tilstand er. Dette skal gjøre pasientbehandlingen mer effektiv når ressursene er for utilstrekkelige til at alle kan bli behandlet med en gang. Triage kan for eksempel brukes for pasienter som ankommer et akuttmottak. Triage oppsto under første verdenskrig da franske leger behandlet sårede soldater på slagmarken ved hjelp av medisinske stasjoner bak fronten.
På et grunnleggende nivå kan triage deles inn i tre kategorier:
- De som sannsynligvis vil overleve, uavhengig av hvilken videre behandling de får.
- De som sannsynligvis vil dø, uavhengig av hvilken videre behandling de får.
- De tilfeller hvor umiddelbar behandling kan utgjøre en positiv forskjell med henblikk på overlevelse.
|
|
