23948sdkhjf

Självkörande bilar och cancervård

Automatisering kan bli värdefull i vården, skriver Richard Hausmann, vd på Elekta.

Trots alla de fördelar som självkörande bilar utlovar har rapporter om olyckor på senare tid fått vissa människor att ifrågasätta om de har en framtid. Jag är dock övertygad om att vi om mindre än tio år kommer att betala högre försäkringspremier om vi insisterar på att köra våra bilar på det gamla sättet, det vill säga med händerna på ratten. 

I dagens värld av bilkörning bearbetar vi normalt ungefär 15 uppgifter varje sekund. Exempel på detta är visuell bearbetning, att lyssna på en gps eller att fatta beslut om vi ska trampa på bromsen eller gasen. Till och med dagens högpresterande datorer har svårt att bearbeta en så stor mängd sensoriska data, och fatta beslut och igenkännanden.

I och med Moores lag (fördubblingen av datorkapaciteten vartannat år), går det allt bättre att snabbt bearbeta stora mängder data. Detta kommer att kombineras med kraftfullare algoritmer för att bearbeta data, vilket kommer inkludera beslutsstöd baserat på exempelvis erfarenheter från andra förare som har kört samma vägsträcka.

All denna data från erfarenheter kommer sedan kopplas samman genom IoT (Internet of Things). Maskininlärning (även kallad neurala nätverk) och i synnerhet så kallade djupinlärningsmetoder – det vill säga beslut fattade utifrån enorma mängder strukturerad och sorterad data – kommer att göra självkörande bilar till normen inom de närmaste åren.

 Vad har då detta med medicinteknik att göra? En hel del faktiskt! Inom området för medicin fattas beslut baserat på tidigare erfarenheter från stora mängder strukturerad data i en skicklig läkares hjärna. I fallet med strålbehandling av cancer, mitt företags verksamhetsområde, arbetar kompetenta fysiker och läkare med att lokalisera och avbilda tumören som man avser att behandla samtidigt som man ska säkerställa att omkringliggande organ inte utsätts för strålning. Utifrån givna data tar man sedan fram en komplicerad plan för att en optimerad stråldos ska kunna ges.

Att kartlägga dessa egenskaper kan i hög grad automatiseras med hjälp av djupinlärning och så kallad big data – precis som i fallet med självkörande bilar. Redan idag lagras alla behandlingsplaner och beslut i ett onkologiinformationssystem för registrering och verifiering. Utifrån planerna och beslutet att utföra en viss behandling, strålas tumören med en bestämd dos.

Mitt svenska företag är världsledande inom onkologiinformationssystem. Teoretiskt sett har vi det verktyg som krävs för att få tillgång till enorma mängder strukturerad data från hela världen. Föreställ er hur mycket mer information det handlar om jämfört med erfarenheten hos en enda läkare, oavsett hur erfaren han eller hon är. Sådan behandlingsdata är i allt högre utsträckning samordnad med data gällande kliniska resultat, och mängden kompletterande data, som genomik eller proteomik, kommer i förlängningen att bli ännu mer komplex.

I framtiden kan det mycket väl vara så att man i de flesta cancerfall använder sig av automatiserad dosplanering, särskilt med tanke på att det kommer att råda brist på erfaren och högutbildad personal i många länder. Jag anser att det är nödvändigt att börja arbeta mot det här målet för att kunna göra avancerad cancervård tillgänglig för människor över hela världen.

Att använda automatisering för att förhindra lidande och död i cancer skiljer sig inte så mycket från att förebygga olyckor med självkörande bilar.

Kommentera en artikel
Meddela redaktionen
Utvalda artiklar

Sänd till en kollega

0.08