AI i helsevesenet: Forskning moden, klinisk bruk henger etter

En omfattende gjennomgang av forskning på kunstig intelligens i helsevesenet, publisert i Discover Informatics, avdekker et gap mellom lovende labresultater og faktisk klinisk implementering. Forskerne Deepika Yadav, Pooja Yadav og Hemant Yadav fant at flertallet av de nye AI-systemene er på midlertidige utviklingsstadier. Dette betyr at selv om mange AI-løsninger fungerer som konseptuelle rammeverk eller prototyper, når de sjelden fullskala implementering på sykehus eller legekontor. Studien brukte NASA-utviklede Technology Readiness Levels (TRL) for å vurdere modenhet, og plasserte de fleste mellom TRL 3 og TRL 5, langt fra reell drift (TRL 7-9). For norske helseforetak kan dette bety at investeringer i AI-systemer ofte krever betydelig tilpasning og validering før de kan tas i bruk. Mangelen på robuste, klinisk validerte AI-verktøy skaper en flaskehals fra forskning til pasientfordel. Studien peker også på utfordringer som personvern knyttet til data, algoritmisk skjevhet og mangel på forklarbarhet i AI-systemene som hindrer tillit og bred anvendelse. Forskere etterlyser nå mer fokus på klinisk validering, forklarbar AI og federated learning – en metode for å trene modeller på desentraliserte datasett uten å flytte sensitive data. Dette er avgjørende for å bygge pålitelige og skalerbare systemer som faktisk forbedrer diagnostikk og behandling i praksis.