Hvordan implementerer vi AI i sundhedsvæsenet?

Ved den seneste møde i RAIN, Regional-AI-Netværk den 30. august 2021, var der fokus på implementering af kunstig intelligens (AI) i sundhedsvæsenet. Den svære implementering fristes man til at sige. For de fleste er enige om, at implementering er en af de store udfordring, når det handler om at bruge AI-løsninger i sundhedsvæsenet.

’Guldstandard’ for implementering

På OUH foregår der mange projekter, også projekter med involvering af AI. Det handler fx om video, MitSyghus-appen, hjemmemonitorering mv. OUH har altså mange projektledere, som bærer rundt på erfaringer med og viden om implementering – positive og negative.

Kristian Kidholm, professor, Klinisk IT, Odense Universitetshospital (OUH), har gjort brug af projektledernes store viden til at beskrive hvad, der fungerer, når projekter skal implementering.

I en stor undersøgelse tager han udgangspunkt i den såkaldte Consolidated Framework for Implementation Research - CFIR-model. Her danner en lang række begreber grundlag for at spørge projektlederne (forskellig baggrund men alle klinikere) om deres erfaringer.

På den baggrund har Kristian Kidholm identificeret faktorer – facilitatorer og barrierer, som er særlig vigtige at være opmærksom på i forbindelse med succesfuld implementering. To vigtige faktorer for vellykket implementering er at være opmærksom på overgangen fra ledelsens beslutning til, at teknologien bruges i daglig klinisk praksis, og at personalet er med i hele processen.

Automatisk analyse af røntgenbilleder

Martin Axelsen, Co-founder og Chief Scientific Officer i virksomheden Radiobotics, har lang erfaring med at gennemføre AI-projekter i tæt samarbejde med sygehuse både nationalt på Odense Universitetshospital og Bispebjerg Hospital og internationalt.

Radiobotics er blandt de førende i at bruge AI i radiologien med automatisk analyse af røntgenbilleder af knogler. AI bruges især til rutineprægede analyser, så det menneskelige øje kan fokusere på de mere komplicerede analyser. Behovet er stort fordi mængden af billeder stiger samtidigt med, at der er mangel på radiologer.

For virksomheden er samarbejde med sygehuse essentielt. Det er i det samarbejde, at virksomhedens produkter integreres og afprøves i driften også i forhold til brugertilfredshed.

Martin Axelsen forklarer, at denne evaluering af det medicinske udstyr med AI er afhængig af engagerede og dedikerede personer på hvert site, der er motiveret af projektet, og som giver løbende feedback. Det sikrer i sidste ende klinisk validering, implementering og dermed regulatorisk godkendelse i EU og USA, så produkterne kan markedsføres og sælges.

Martin Axelsen fik sendt stor ros afsted til It-afdelingen på OUH, som han kaldte den mest effektive it-afdeling med et, ”… så er det sagt.”

Breakoutsessioner

Efter begge indlæg drøftede deltagerne i grupper de to cases.

Kristian Kidholms indlæg dannede baggrund for en drøftelse af:

• Hvilke typer af udfordringer inden for de fem CFIR-domæner er særligt vigtige for implementering af nye teknologier i din organisation?
• Hvordan kan man konkret håndtere disse udfordringer, næste gang man skal implementere ny teknologi i din organisation?

Mens Martin Axelsens indlæg dannede baggrund for en drøftelse af:

• Hvorfor er det relevant/vigtigt at samarbejde med private parter?
• Hvordan skaber vi betingelserne for succesfuld afprøvning?

Drøftelserne i breakout sessioner bliver samlet op, for at skabe grundlag for Region Syddanmarks videre arbejde med AI i sundhedsvæsenet og de efterfølgende RAIN arrangementer.