Anbefaling 7: Ny strategi for brug af borgernes egne data og kunstig intelligens i sundhed

Min læge ved ikke, hvornår jeg går i seng, eller hvornår jeg står op om morgenen, men det registrerer uret på mit håndled.

Lægen kender heller ikke min hvilepuls, når jeg sover, eller den maksimale puls, når jeg løber.

Også det registrerer mit ur.

Bagefter sender uret mine data videre til producenten, som gengiver dem på en godt designet hjemmeside, hvor det er nemt at følge udviklingen af mine ’egne’ data.

Det gode spørgsmål er, om den slags data også kan bruges til at fremme sundheden og særligt løfte forebyggelsen til et nyt og meget mere patientnært niveau.

”Ja,” siger Carsten Obel, der er professor i almen medicin ved Institut for Folkesundhed på Aarhus Universitet. Der er bare et lille men.

Det handler ikke kun om kvantitet, altså mængden af data, en borger kan indsamle, men også om kvalitet, altså hvordan borgerens egne data bruges.

Carsten Obel taler om et stort potentiale ved at skifte fokus fra quantified self til qualified self. Se figur 1.

”I dag udnytter sundhedsvæsenet ikke det potentiale for læring, der ligger i at kombinere de offentlige data med de data, borgerne selv samler ind. De data skal være med til at skabe mere værdi for borgerne og fremme en sundere livsstil og kan også indgå i udviklingen af nye typer behandling,” siger Carsten Obel.

Det er der allerede gode eksempler på. Når borgerne for eksempel registrerer, hvor mange skridt de går hver dag, fører det ofte til, at de går lidt længere. Resultaterne fra de daglige registreringer kan så indgå i samtalerne med en læge eller en fysioterapeut, og det kan føre til mere forebyggelse og bedre behandling.

”Det er godt, hvis borgerne selv registrerer deres data, men det vil kvalificere brugen af dem, hvis de også bliver brugt sammen med de sundhedsprofessionelle,” siger han.

Smartphones og smartwatches kan måle skridt, puls, søvnrytme og andre typer data, der kunne indgå i en helt ny databåren forebyggelsesstrategi. De to seneste versioner af Apple Watch kan også måle hjerterytmen med en præcision, der er så god, at de amerikanske sundhedsmyndigheder, FDA, har anerkendt uret som medicinsk udstyr.

”Læringspotentialet er næsten ikke udnyttet. Der er ikke rigtig nogen, der interesserer sig for de data, patienterne selv samler ind, ud over life science-industrien,” siger Carsten Obel.

Han efterlyser en ny strategi for brug af data i sundhed, der også fokuserer på, hvordan patientens egne data i samspil med de data, der for eksempel findes på sundhed.dk, kan være med til at skabe mere værdi for patienterne og forebygge mere præcist. Målet kunne være at efterligne vindmølleindustriens succes og gøre Danmark til det land, der først tester og dokumenterer nye typer forebyggelse og behandling.

Stort vækstpotentiale

En ny strategi for brug af data som led i en aftale om fremtidens sundhedsvæsen kan ikke bare betyde bedre sundhed for den enkelte dansker. Det kan også skabe vækst og arbejdspladser for danske virksomheder. For life science-branchen kan de data, patienterne selv samler ind, udvide forretningsgrundlaget.

I Danmark er Leo Pharma et godt eksempel på, hvordan industrien arbejder med data fra patienterne selv. Med appen Imagine kan patienter dag for dag tage billeder af deres hudlidelse med en smartphone og uploade dem til en af Leos servere.

Deres egen læge kan så bladre gennem patientens fotos og få et mere præcist indtryk af, hvordan lidelsen udvikler sig. Patienten behøver ikke møde op i klinikken, før lægen vurderer, det er nødvendigt.

”Lægen kan selv tage beslutning om den nødvendige behandling eller vælge at få beslutningsstøtte fra vores algoritmer og på det grundlag træffe sin beslutning,” siger John Zibert, der er chief medical officer i Leo Innovation Lab, der har udviklet Imagine.

Lægen kan også hente råd fra Leo Innovation Labs onlinehospital, hvor hudspecialister gennemgår patientens billeder og på det grundlag foretager en vurdering.

Patienter fra hele verden benytter sig af Imagine, og læger i Frankrig, Spanien og USA benytter sig af muligheden for at hente støtte til deres beslutninger fra eksperterne på onlinehospitalet. Endnu har Danmark ikke udviklet en strategi for, hvordan et muligt samarbejde med private aktører som for eksempel Leo kunne se ud.

Appen Imagines algoritmer er et eksempel på, hvordan maskinlæring eller kunstig intelligens kan bruges som beslutningsstøtte i behandlingen. Et andet af de mange aktuelle eksempler kan man finde på Akutafdelingen på Sygehus Lillebælt, der afprøver kunstig intelligens til at analysere blod og urin fra patienter og inddele dem efter risiko for de 15 mest kritiske diagnoser eller infektioner, hvoraf nogle kan medføre døden. Det redder liv og sparer også tid for medarbejderne, som får et bedre grundlag for deres indsats.