Sessions

Det pågår en intensiv kapplöpning för att utveckla superhuman digital intelligens. Utvecklingen domineras av teknikjättarna, som genom massiva investeringar i beräkningskraft, algoritmutveckling och datainsamling har åstadkommit banbrytande resultat inom medicinsk forskning och sjukvård. År 2024 lyckades forskare från Google DeepMind dechiffrera 200 miljoner proteinstrukturer – en enorm bedrift som skulle ha krävt miljontals forskare åratal av arbete att genomföra. Samma år demonstrerades AI med bättre diagnostisk precision än specialistläkare, och patienterna upplevde AI-bedömningar som mer empatiska, respektfulla och kommunikativa. Sedan dess har banbrytande studier avlöst varandra, och vi bevittnar nu en transformation av medicinsk forskning och sjukvård. I denna föreläsning diskuteras de viktigaste framstegen, deras betydelse samt hur framtidens sjukvård och forskning kommer ta form. Föreläsningen belyser även de utmaningar och möjligheter som svensk sjukvård och forskning står inför.

Vid rättsmedicinska obduktioner är det avgörande att kunna uppskatta tiden som gått sedan dödsfallet, det så kallade postmortem-intervall (PMI). Traditionella metoder, som baseras på polisens information och fysiska parametrar, har begränsad precision, särskilt efter två dagar, vilket leder till stora felmarginaler vid uppskattningar därefter. Denna osäkerhet gör det svårt för polisen att koppla personer till dödsfallet, vilket försvårar brottsutredningar.I mitt examensarbete undersökte jag om metabolomik, analysen av små molekyler i biologiska system, kan förbättra PMI-uppskattningarna. Genom att analysera förändringar i metabolitprofiler i blodprover från obduktioner utvecklade jag en maskininlärningsmodell för att förutsäga PMI. Jag använde modellerna Random Forest (RF) och Artificial Neural Network (ANN), där ANN gav de bästa resultaten med ett R²-värde på 0,68 och ett medelfel (MAE) på 1,51 dagar.Sammanfattningsvis visar projektet att maskininlärning har stor potential att förbättra PMI-uppskattningar och kan vara ett viktigt verktyg för rättsmedicinska utredningar och brottsutredningar, där osäkerheten kring dödsdagen ofta är en avgörande faktor.

Att kunna kommunicera med andra människor är en förutsättning för mänsklig samvaro och påverkar självbestämmande och delaktighet. Personer som lever med tillstånd där den viljemässiga motoriken är mycket begränsad, till exempel personer som har locked in-syndrom, har mycket svårt att använda de hjälpmedel som finns idag. Brain-computer interface (BCI) innebär interaktion mellan hjärnan och elektroniska system och skulle kunna användas för att styra ett kommunikationsprogram. Den teknik som används i projektet innebär att man tar på sig ett headset och det medför inget obehag för användaren. Det finns bara ett fåtal studier kring BCI-tekniken som involverar deltagare med funktionsnedsättning. För att BCI i framtiden skulle kunna vara ett tillgängligt hjälpmedel i Sverige behöver tekniken utvärderas tillsammans med målgruppen.

Följ med på en spännande genomgång av hur AI tänker och fattar beslut!Olika AI-modeller har olika sätt att "tänka", och vi kommer att diskutera för- och nackdelar med olika tillvägagångssätt och hur det kan påverka beslutsfattande i vården.

Den ökande mängden tillgänglig medicinsk information gör det utmanande för förskrivare att snabbt få tillgång till den mest relevanta och korrekta kunskapen vid kliniska beslut, såsom förskrivning av läkemedel. För att stödja vården i att fatta evidensbaserade kliniska beslut avser Läkemedelsverket utveckla en AI-baserad modell som underlättar tillgången till ändamålsenlig information i realtid.Arbetet syftar med andra ord till att utveckla och implementera en AI-baserad modell som tillhandahåller Läkemedelsverkets och andra nationella aktörers information i ett användarvänligt format för förskrivare/vårdpersonal. Informationen i modellen, med ursprung i tillförlitliga, kontrollerade källor, är tänkt att kunna integreras i vårdinformationssystem och generera kliniska beslutsstöd. Sannolikt kommer detta system i slutändan att utgöra en medicinteknisk produkt med behov av CE-märkning. Givet Läkemedelsverkets tillsynsansvar över medicintekniska produkter så kommer annan aktör att behöva driftsätta och förvalta systemet. Samverkan sker med ett stort antal nationella aktörer. 

Vi kommer att presentera resultat från en forskning vid Högskolan i Halmstad som handlar om läkare och sjuksköterskors erfarenhet av att använda AI (Artificiell Intelligens) i sitt arbete, hur AI används samt skillnader och likheter mellan tillämpningar och vårdprofessioner. Resultaten är baserade på enkätsvar från 357 svenska läkare och sjuksköterskor med erfarenhet av att arbeta med AI. Kvalitativa och kvantitativa resultat presenteras som förklaras med stöd av professions- och paradoxteori. Presentationen kommer att avslutas med en diskussion kring vilka implikationer resultatet kan ha för vårdpraktiken.  

Healthcare AI is stuck in endless pilots, failing to scale where it's needed most. In this session, Corti Co-Founder and CEO shares how purpose-built AI infrastructure is key to breaking this cycle, enabling developers and healthcare providers to move from concept to clinic and achieve adoption at scale.

AI lovar att revolutionera vården genom att öka effektiviteten. Men vad innebär det i praktiken? Kan vi verkligen förlita oss på teknologin för att lösa vårdens utmaningar, och vilka risker medför det? Denna föreläsning går bortom teknologins löften och undersöker konkreta exempel på hur AI kan förbättra både arbetsmiljön för vårdgivare och resultaten för patienter. Genom att frigöra resurser, minska administrativa bördor och förbättra arbetsflöden kan vårdpersonal lägga mer tid på patienterna. Resultatet: bättre vårdkvalitet, kortare väntetider och en mer jämlik vård — eller?Vad händer om teknologin misslyckas? Kan övertron på AI leda till att mänsklig kompetens nedvärderas? För en effektivitetsökning handlar inte bara om att spara tid – det handlar också om att höja kvaliteten i vården. Denna föreläsning diskuterar hur AI kan skapa samhällsnytta genom snabbare behandlingar, kortare sjukskrivningar och en bättre ekonomi. Exempel på framgångsrika AI-lösningar, från automatiserad triage till beslutsstöd för att prioritera rätt patienter, presenteras, men också vilka fallgropar vi måste vara medvetna om, som risker för överautomatisering och behovet av att bibehålla mänskligt omdöme i vårdbeslut. 

Norge har gjort betydelige fremskritt innen implementering av kunstig intelligens (AI) i radiologi. Basert på erfaringer fra storskala implementeringer ved flere sykehus i Helse Sør-Øst, har vi anskaffet tre AI-plattformer som gjør de fleste CE-merkede AI-løsninger innen radiologi tilgjengelige for hele den norske spesialisthelsetjenesten. Dette opplegget beskriver de praktiske implikasjonene og hvordan sykehusene samarbeider om validering av AI-løsningene.

Vi kommer att presentera resultat från ett forskningsstudie vid Högskolan i Halmstad som handlar om vilka utmaningar och möjligheter som röntgenläkare och radiografer uppfattar att det finns när AI (Artificiell Intelligens) används på deras arbetsplats. Resultaten är baserade på intervjuer och visar hur vårdpersonal uppfattar och förändrar sitt arbete när AI implementeras i rutinsjukvård. En ökad kunskap inom detta område är viktigt för att utveckla strategier för att hantera möjligheter och utmaningar vid AI-integration och optimera användningen av AI-applikationer inom radiologiverksamhet.

Västra Götalandsregionen och AI Sweden bedriver ett samverkansprojekt där projektet utvecklar utbildningsinsatser inom AI för hälso- och sjukvårdspersonal