27 februar 2018
En av de største utfordringene for tidligere generasjoners helsefagarbeidere var mangelen på informasjon. Den gang fantes kun et fåtall forskningsmetoder og tekniske innretninger som produserte digitale data og informasjon om pasientene ble samlet ved hjelp av sansene: øyne, ører og hendene.
All observasjon ble hovedsakelig dokumentert i form av fri tekst på papir i en pasientmappe, og fungerte både som datalager og kommunikasjonsmiddel mellom helsepersonell. Den enorme utviklingen innenfor legevitenskap, teknisk utstyr og datateknologi er nå i ferd med å snu problemet på hodet: i dag er det i stedet for mye data tilgjengelig. Spørsmålet blir hvordan vi kan utnytte denne for å gi best mulig behandling.
Dagens datatsunami, forårsaket av digitalisering, påvirker alle bransjer, og helsesektoren er blant de som opplever mest endringspress. I de nærmeste årene anslås mengden av digitale data å øke med cirka 30 prosent på årsbasis. I helsesektoren øker datamengden betydelig mer, anslagsvis med rundt 50 prosent, og allerede i dag, finnes det helseorganisasjoner som fordobler sin datamengde annethvert år.
Den massive økningen i mengden av kliniske data er kun én av utfordringene knyttet til databehandling. Den stadig økende variasjonen og kompleksiteten av data gir også betydelige utfordringer i helsesektoren. Nye forskningsmetoder, nytt medisinsk utstyr og nye medisinske fagområder som for eksempel genomikk, produserer svært komplekse data som prosesseres og kombineres på forskjellige måter. I fremtiden vil alt dette øke sammen med data fra forbruker/pasienters eget smartutstyr, blant annet vitale helsedata, data om søvnkvalitet og annen aktivitet.
Ved økende mengder av kliniske data, økt kompleksitet og kontinuerlige endringer innen legevitenskapen har man grunn til å anta at vi ikke vil klare å håndtere all tilgjengelig data, tilstrekkelig raskt og feilfritt. Vi vil trenge digitale hjelpemidler til å prosessere digitalt materiale og eliminere manuelle arbeidsfaser, som frigjør helsepersonellets tid til andre og mer krevende oppgaver. Heldigvis kan dagens løsninger basert på kunstig intelligens bidra til at helsepersonellets evne til å håndtere store datamengder effektiviseres i betydelig grad, samtidig som kvaliteten på beslutningstaking blir bedre.
Basert på kunstig intelligens, har det i helsesektoren blitt utviklet løsninger for blant annet radiologi og andre spesialfagområder som benytter seg av bildediagnostikk, Det er flere årsaker til dette, men hovedsakelig har teknologien rundt maskinsyn utviklet seg raskere de seneste årene. I bildediagnostisering har man benyttet seg av maskinsyn i flere tiår allerede.
Les mer om bruk av løsninger innen kunstig intelligens ved bildediagnostisering.