Forestil dig følgende:
Året et 2030. En patient sidder i konsultationen hos sin praktiserende læge og forklarer de symptomer, der bekymrer ham. Lægen laver nogle undersøgelser, indtaster nogle noter på computeren og beder derefter om samtykke til, at hun kan tilgå patientens elektroniske dataprofil: »Det er, for at vores algoritme kan give den bedst tilpassede anbefaling til dig«, forklarer hun. Patienten samtykker, og en række opfølgende spørgsmål dukker op på skærmen. Lægen indtaster de nødvendige svar i samarbejde med patienten. Efter et par minutter udskrives der en recept på noget medicin. Lægen læser på recepten: »Du skal tage den her pille en gang om ugen de næste seks måneder«. Patienten tøver lidt. Han har haft en bekendt med nogle af de samme symptomer, men den bekendte fik altså en helt anden behandling. Han spørger derfor lægen, hvordan det kan være, at han skal have lige præcis denne pille. Men det bedste svar, hun kan give, er, at anbefalingen er udregnet af en avanceret maskinlæringsalgoritme og baseret på en omfattende datamængde, og at medicinen derfor med stor sandsynlig vil forbedre hans helbred.
Det ovenstående scenarie er sat på spidsen. Det illustrerer én mulig fremtid – men en, som de fleste nok vil vægre sig lidt ved, og netop af den grund er det interessant; det afslører noget om, hvad vi forventer af sundhedsfaglig behandling og om, hvad der er vigtigt at tage i betragtning, hvis eller når kunstig intelligens skal tages i brug i klinisk praksis.
Kunstig intelligens – mere præcist den underkategori, der kaldes maskinlæring –har været under enorm udvikling i det seneste årti. Sammen med den gigantiske mængde digitaliseret data, der nu er til rådighed, og den stadigt voksende maskinelle processeringskraft ser det ud til at være en af de mest potente teknologier, vi har lige nu. Computerprogrammer er bedre til at løse problemer end mennesker indenfor en lang række områder. Nogen husker måske de spektakulære overskrifter i slut-90’erne da »Deep Blue« slog Garry Kasparov i skak [1, 2], eller 20 år senere, hvor AlphaGo slog Lee Sedol, en af de højstrangerede spillere af det mere komplekse spil Go [3, 4]. Men i dag implementeres maskinlæringsalgoritmer i mange praktiske henseender – fra generering af syntetisk tale til overvågning af kreditkortsvindel [5, 6]. Potentialet kan synes uendeligt. Og medicin er ingen undtagelse. Forskningslitteraturen bugner i disse år af studier, der mener at kunne vise, at en given algoritme kan overgå lægefaglige eksperter i at diagnosticere, prognosticere eller anbefale behandlinger [7]. Det er nok utvivlsomt, at maskinlæring vil komme til at spille en væsentlig rolle i fremtidens sundhedsvæsen og måske også i den kliniske konsultation. Hvilken rolle er dog stadig et åbent spørgsmål.
Her er en overskrift 3
Her er et underafsnit