
Kampen mot sykehuskøer
Kan kunstig intelligens hjelpe med operasjonsplanlegging? St. Olavs hospital er skeptiske.
Fra den tiden en kirurg begynner å skjære i en pasient til pasienten er sydd igjen vil man helst ikke ha noen inn og ut av operasjonsstuen på grunn av smitte- og infeksjonsfare for pasienten. Per i dag har de utenfor operasjonssalen ingen innsikt i når en operasjon starter og slutter.
— En kan ikke bare stikke inn hodet og si «ja, er du ferdig snart?» sier forsker Leendert Wienhofen ved Sintef IKT.
Selv om man har ganske grei statistikk på hvor lang tid ulike operasjoner tar, er det alltid en viss usikkerhet. Wienhofen har tatt i bruk case-basert resonnering og utformet et dataprogram som en del av et helse/IKT-prosjekt ved NTNU. Ekspertsystemet er allerede tatt i bruk i tekstil- og grafikkindustrien, og har fått gode tilbakemeldinger.
— Denne typen teknologi vet vi fungerer, men om det gir like gode resultater innen helsesektoren gjenstår å se, sier Wienhofen.
Det faglige ankeret
Dataprogrammet som skal tas i bruk i helse-sektoren er basert på et datasett med rundt 1750 fedmeoperasjoner fra Vanderbilt University i Nashville.
— Alt man kan måle og har målt assosiert med operasjonen er blitt lagret. I tillegg får man i USA kun betalt for operasjonstid. Jeg har derfor helt konkrete tall på når operasjoenen startet og sluttet, sier han.
Med disse tallene vil Wienhofen prøve å gi operasjonskoordinatorer et verktøy for å kunne planlegge operasjoner bedre. For å få gode datasett må operasjonene ha noen indikatorer som forteller hvor man er i operasjonsprosessen.
— På den type fedmeoperasjoner jeg har statistikk over er en såkalt ST2-verdi en slik indikator. En ST2-verdi kan indikere to ting: Enten at pasienten blir snudd, det må man gjøre i denne typen operasjoner, eller at pasienten har fått hjerteinfarkt. Selvsagt oftest førstnevnte. Datasystemet vil prøve å finne andre caser med liknende mønster. Det fine med case-basert resonnering er at det ikke trenger å klaffe helt, mønsteret trenger bare å likne. Slik fungerer teknologien kalt «nearest neighbor approach».
Fedmeoperasjon minutt for minutt
Valideringen av dataprogrammet er nært forestående.
— I november skal jeg til Nashville der datasettet stammer fra. Målet er å få systemet ferdig validert med koordinatorene og anestesiavdelingen på sykehuset innen november, sier Wienhofen. Wienhofen vil da kjøre data fra en nylig gjennom-ført fedmeoperasjon minutt for minutt gjennom programmet for å se om dataprogrammet holder mål.
— Jeg vet hvor lang tid den operasjonen har tatt, jeg ser hva systemet forteller meg, og jeg kan da se hvorvidt det stemmer eller ikke.
Mindre aktuelt for St. Olavs
— Mange pasienter har komplekse diagnoser som gjør det vanskelig å standardisere operasjonen, uttaler driftskoordinator Solveig Ratchje Svengaard ved Kirurgisk operasjonsavdeling ved St.Olavs Hospital.
Det er ofte stor forskjell mellom sykehus. Hos St. Olavs har man en større andel av svært syke pasienter enn ved andre sykehus. Årsaken til dette er at det er et universitetssykehus, og mye spesialkompetanse er samlet her. Ved Orkdal Sykehus eller på private helseklinikker som Aleris har man en større andel pasienter uten tilleggsdiagnoser. Her vil standardisering lettere la seg gjøre ifølge henne.
Ikke glem pasienten
Per dags dato kan ikke Svengaard se en veldig stor gevinst ved å innføre et nytt system.
— Vi bruker nå et system utviklet av Hemit og det fungerer ganske godt. Det vil ta mye tid å innarbeide et nytt system for alle ansatte og studentene i opplæring.
Det er en kontinuerlig kommunikasjon mellom operasjonsstua og koordinatorene. Logistikkmessig har de et godt system på St. Olavs, sier Svengaard.
— Vi har hatt liknende forsøk før, da har ofte pasienten blitt glemt i all kompleksiteten. Det er viktig å huske på at vi er mennesker som skal gjøre operasjonene og at det er mennesker vi opererer, vi må ikke dra effektiviseringen for langt, sier hun.
Det viktigste for pasientene er at de ikke blir utsatt i operasjonskøen, såkalt strøket fra operasjonsplanen. Dette medfører også ofte vanskeligheter for sykehuset. Helsedirektoratet har laget en målsetting at sykehus skal ha under 5 prosent strykninger, St. Olavs har ligget på rundt 6—7 prosent.
Håper å få utvidet dataprogrammet
Dette programmet er nå begrenset til kun én type operasjon: laproskopisk fedmeoperasjon. Det må da utvides med andre typer algoritmer for andre typer operasjoner og hvilke parametere som er viktige for de ulike type operasjonene. Det vil ikke være vanskelig, men det vil være tidkrevende, mener Wienhofen.
— Det er viktig med lav risiko for komplikasjoner, og at det er et mønster og mulig å finne noen «naboer».
Her må man dra inn ekspertviten, sier Wienhofen. Programmer basert på kunstig intelligens har enormt mye større kapasitet enn et menneske og kan prosessere mye ulik data og bruke det effektivt. En viktig ting Wienhofen understreker at kunstig intelligens ikke har, er magefølelse. Og den bør ikke undervurderes.
— Det å lage algoritmer for magefølelse blir det neste. Da begynner det å bli virkelig artig og farlig samtidig, sier Wienhofen.