Den nye ekspertlegen er en maskin

Datasystemet Watson blir nå tatt i bruk i USA for å stille diagnose og foreslå riktig behandling med større treffsikkerhet enn den mest erfarne legespesialist. Men til Norge kommer Watson neppe med det første.

Med 95 prosent sikkerhet har Watson allerede klart å identifisere føflekker med ondartede svulster. De beste legene klarer bare å treffe med 75–84 prosent sikkerhet – selv med mange, mange års erfaring. Dette meldte sykehuset Memorial Sloan Kettering i New York og deres samarbeidspartner IBM rett før jul.

Analyserer deg på en-to-tre

Forestill deg at du er dårlig. Du går til legen med en rekke symptomer på at noe er galt. Men det er uklart hva diagnosen er. I stedet for at du skal sendes rundt til en rekke forskjellige spesialister i månedsvis, fôrer legen listen over symptomer, pasientjournalen din og kanskje også genetiske resultater fra prøvene dine inn i Watson.

• På mindre enn tre minutter raser Watson gjennom millioner av tidsskriftartikler, retningslinjer for standard behandling og databasen over alle menneskets 12.000 kjente sykdommer.
• Alt sammenholdes med dine egne pasientdata.
• Øyeblikkelig får legen presentert en liste med hypoteser og forslag til videre tiltak som kan brukes til å bekrefte hvilken hypotese som stemmer.
  Det er fortsatt en stund før Watson havner i hendene på fastlegen din, men systemet er ingen utopi. I disse dager tar blant andre det ledende amerikanske kreftsykehuset MD Anderson i Texas det bruk som del av behandlingen mot leukemi. Ti universiteter har allerede begynt å undervise i systemet, og 15 forskningssykehus går nå i gang med å gi sine pasienter raskere personlig tilpasset behandling ved dets hjelp.

«Liv kommer til å bli reddet»– Jeg er helt overbevist om at liv kommer til å bli reddet ved hjelp Watson og tilsvarende verktøy, sier professor Dag Undlien ved UiO. Som genetiker strever han daglig med analyser av enorme datamengder. Han minnes hvordan Deep Blue, også dette programmet laget av IBM, for første gang slo verdensmesteren i sjakk i 1997.

– Jeg tror vi er på samme sted i utviklingen i helsevesenet nå som sjakken var på 90-tallet. I dag er det ikke lenger noen som spør om det er mulig for en datamaskin å være bedre enn et menneske i sjakk. Dit kommer vi også til å komme i helsevesenet, sier Undlien.

Aftenposten deltok da IBM inviterte flere titalls norske toppledere til et heldagsmøte i Oslo med presentasjon av hva IBM Watson kan gjøre. Og inntrykket selskapet klarte å gi, er av et banebrytende system som makter å opptre som en fascinerende kunnskapsrik ekspert. Denne virtuelle eksperten er i mange sammenhenger langt flinkere enn den dyktigste menneskelige ekspert, fordi hukommelsen og evnen til å se sammenhenger er langt, langt større enn hos mennesker. Vel å merke så lenge det er de aller flinkeste ekspertene som først brukes til å trene opp Watson.

Leger er sjanseløse mot informasjonsflommen

Det en vanlig pasient ofte ikke tenker over, er at informasjonsmengden en lege i vår tid helst bør pløye gjennom er altfor stor til at et menneske kan klare å håndtere den.

81 prosent av amerikanske leger bruker fem timer eller mindre hver måned på å holde seg faglig oppdatert. Sammenhold dette med at det publiseres mer enn en million(!) nye medisinske artikler årlig. Om en lege skulle lese bare det siste årets nye kunnskap, ville det ta 57 år, vel å merke dersom hun leste døgnet rundt.

20 prosent av alle kreftdiagnoser er i dag feil

Og dette er altså bare bakgrunnskunnskap. I tillegg skal legen for hver enkelt pasient sette seg inn i en pasientjournal som i vanskelige tilfeller kan være på hundrevis av sider. Det sier seg selv at legen må gå glipp av viktige detaljer før eller siden. Ikke rart at 20 prosent av alle kreftdiagnoser er feil. Noe annet ville være nærmest umenneskelig.

Ny kunnskap innen for eksempel kreftdiagnostikk gjør det nå mulig å spesialtilpasse en mer effektiv medikamentcocktail som er målrettet mot akkurat din svulst. Men da må det i realiteten gjøres et individuelt forskningsprosjekt på genene i akkurat denne svulsten. Det kan ta en medisinsk ekspert måneder å finne ut hva som er riktig behandling.

I praksis finnes ikke ressursene til å gjøre så store utredninger, annet enn for ekstremt få pasienter.

Mål: Å utradere kreft

– En prosess som en forskningsgruppe bruker fra tre uker til tre måneder på, kan kokes ned til mindre enn tre minutter. Dette, kombinert med lavere kostnader for å sekvensere (altså analysere genene i) svulster, kommer til å føre til et fundamentalt fremskritt i kreftbehandling, sier Stephen Harvey, som er global visepresident i IBM.

Sykehuset MD Anderson i Texas har da også allerede innrullert Watson i sitt såkalte «moon shot», som har som mål å utradere kreft.

Verden har ikke sett noe lignende

Det spesielle er at datasystemet kombinerer mange ulike avanserte metoder og utgjør et ekspertsystem. Det ser ut til å være kraftigere enn noe tilsvarende verden har sett, og kan analysere en artikkel slik at det forstår innholdet, ikke bare indeksere hvilke ord som står der. Det kan altså forstå at det er forskjell på ordet if og et gen med navnet if (faktisk fikk et gen opprinnelig dette navnet).

I tillegg kan Watson behandle helt ustrukturerte data, slik at en pasientjournal kan mikses i databasen sammen med radiologiske bilder, prøveresultater og tidsskriftartikler. Akkurat slik et menneske blander mange forskjellige kilder før det tar en beslutning.

Systemet skjønner språkets nyanser

Det var denne spesielle menneskelignende beslutningsmodellen som gjorde det mulig for Watson i 2011 å slå verdens beste Jeopardy-eksperter i et spill som krever både ekstreme faktakunnskaper og en språkforståelse som er så god at for eksempel autister vil ha store problemer med å delta.

Watson kommer med sine svar etter helt andre prinsipper enn for eksempel Google kommer opp med søkeresultater.

Når systemet har gjort sine analyser, får hvert beslutningsforslag ulik vekting etter sannsynlighet for at det er riktig. Legen kan deretter sjekke «tankegangen». Systemet oppgir både for— og motargumenter for alle hypoteser, slik at det er mulig å se om det har gjort feilslutninger.

Slik blir det langt lettere for legen å forholde seg til anbefalingene, og ikke minst bli klar over argumenter han selv ikke allerede hadde på listen.

«Watson kan aldri erstatte legen»IBMs Marc Teerlink er psykolog. Han er mannen som holder foredrag for norske toppledere om Watson. Han peker på at det er viktig å forstå systemets begrensninger også.

– Det vil aldri kunne erstatte en lege. Legen må alltid ta beslutningen – i samråd med pasienten. Watson gir dem bare mer tid til å tenke, fordi legen sparer tid som ellers ville gått til research.

Hvis jeg kan samle alle data jeg trenger på fem minutter i stedet for å bruke 30 timer, har jeg 29 timer og 55 minutter til å tenke over hva som er den beste beslutningen, påpeker Teerlink.

Legen overså barnets rosa øyne

Han forteller en historie fra en av legene som har arbeidet med Watson under utviklingen:

Legen hadde selv ved et tilfelle brukt seks uker for lang tid på å diagnostisere det potensielt dødelige Kawasakis syndrom fordi han hadde oversett en liten opplysning i pasientjournalen. Moren fortalte nemlig at barnet hadde litt rosa øyne, en indikasjon for syndromet.

Legen klarte ikke å fange opp dette i den svære mengden av medisinsk informasjon, men det klarte Watson. I løpet av bare noen sekunder foreslo systemet å kjøre tester for nettopp Kawasakis syndrom.

Systemet bidro til å rette utdatert kunnskap

I et annet tilfelle Teerlink forteller om, klarte Watson å avsløre en feil i legestudenters opplæringsmateriale:

En professor reagerte på at Watson konsekvent foreslo feil behandling med antibiotika. Da han gikk tilbake i Watsons argumenter for å sjekke hvordan dette var mulig, oppdaget han at legestudentene, og dermed også Watson, faktisk hadde fått utdelt utdatert dokumentasjon som gjorde det naturlig å foreslå feil behandling.

Dermed har Watson allerede bidratt til å endre læreboken.

Toppledere strømmer til for å høre om mulighetene

IBM satser nå svært stort. For første gang på flere tiår har selskapet opprettet en helt egen divisjon for et forretningsområde. Allerede arbeider 2000 eksperter fra selskapet med å utvikle systemet.

Watson begrenser seg overhodet ikke til helsevesenet, men kan brukes som selvstendig ekspertsystem innen alt fra matlaging til finans.

3000 eksterne partnerbedrifter har meldt seg på for å lage sine egne Watson-systemer etter at IBM åpnet for påmelding i fjor. Over 1000 selskaper fra helsefeltet er med allerede. Dette er grunnen til at norske toppledere satte av en halv dag og strømmet til Oslo Plaza for å høre om de nye mulighetene.

I grafikken nedenfor — og i videoen i toppen av artikkelen - ser du hvordan systemet virker. ( Artikkelen fortsetter under grafikken .)

Men Watson er ikke allvitendeHvert bruksområde utgjør en egen utgave. Disse fungerer uavhengig av hverandre, og for hver av dem kreves et betydelig utviklingsarbeid:

• Først må nemlig Watson fores med enorme datamengder fra et felt, for eksempel kreftmedisin.
• Deretter må dataene kurateres i samarbeid med et menneske, slik at Watson kan forstå hva som har høy og lav kvalitet, og hva som kanskje bør utelukkes fra beslutningsgrunnlaget.
• Så må en ekspert trene Watson til å forstå selve innholdet i dokumentene.

Slik må systemet trenes opp

Hver gang Watson støter på noe det ikke forstår, spør systemet for eksempel om dette ordet er et medikament eller et medisinsk begrep. Slik forstår systemet stadig mer av sammenhengen i informasjonen.

Les også:

Les også

Kan maskiner tenke?

På mange måter lærer det som en student, men med en ekstremt mye bedre hukommelse og grenseløs informasjonsbehandlingskapasitet.

Likevel må ekspertene, i et vanlig tilfelle, bruke flere måneder på å trene opp den virtuelle Watson-eksperten, før den kan brukes for eksempel til å stille diagnoser ved kreft.

Til gjengjeld vil svarene da komme svært raskt og effektivt. Ny forskningsinformasjon kan relativt enkelt fylles på, slik at Watson kontinuerlig er mer faglig oppdatert enn noen lege kan ha kapasitet til. Ta en kikk på denne videoen for å se hvordan svarene i praksis blir presentert, i dette tilfellet for legestudenter.

Nyttig også for deg og meg

Januarnummeret av Nature Biotechnology omtaler den voldsomme responsen på Watson fra helsefeltet.

Tidsskriftet beskriver også et av de første konkrete bruksområdene for forbrukere:

En mobilapp fra selskapet Pathway Genomics som skal la brukerne stille spørsmål i naturlig språk (på engelsk), som «hvor lenge bør jeg trene i dag» og «bør jeg drikke kaffe på mandag». Abonnentene har da allerede avlevert en genetisk prøve til Pathway. Svarene blir utarbeidet av Watson basert på både abonnentenes genetiske informasjon, hvor aktive de har vært i det siste (innhentes fra mobilen) og de nyeste forskningsresultatene fra hele verden.

Selskapet har allerede brukt 18 måneder på å trene sin utgave av Watson.

Norsk professor: Tror ikke helt på de tre minuttene

Professor Eivind Hovig ved Radiumhospitalet/UiO er ekspert på både bioteknologi og IT, og har blant annet benyttet såkalt maskinlæring i en årrekke. Dette er beslektet med teknologien som benyttes i Watson. Han har ikke rukket å se det nye vidunderet demonstrert, men er svært interessert.– Jeg tror ikke helt på at de på tre minutter kan gjøre det en forskningsorganisasjon gjør på tre måneder. Watson vil være helt avhengig av kvaliteten på eksperten som trener systemet. Men at dette kan lette muligheten til raskt å zoome inn på de gode hypotesene, tror jeg på. Og at dette er et kraftfullt system som jeg i dag ikke disponerer, kan det ikke være tvil om, sier han.

«Vi vil alltid trenge legen»

IBMs psykolog, Marc Teerlink, sier det slik:

– Watson er ikke kunstig intelligens. Den tar ikke initiativ til noe som helst, før du spør den. Vi kaller systemet et av de første eksemplene på en ny æra med kognitiv databehandling. Vi vil alltid trenge legen til å tenke og ta den endelige beslutningen, sier han.

Lenge til norske pasienter reddes

Professor Eivind Hovig og Dag Undlien er begge overbevist om at Watson og lignende systemer vil redde liv i fremtiden, simpelthen fordi både dagens og fremtidens analyseoppgaver er uoverstigelige for legenes hjerner.

Men det er ikke sikkert at norske pasienter blir blant de første som reddes. En ting er at systemet først må lære norsk. Foreløpig er Watson bare tilgjengelig på engelsk. I disse dager lærer den seg spansk.

Norske pasientjournaler skrevet ut på papir vil selvsagt også være et hinder for Watson. Verre er det, ifølge Eivind Hovig, at selv det nye elektroniske pasientjournalsystemet DIPS ikke er tilrettelagt for å fôre data inn i et ekspertsystem som dette.

– Jeg er enig med Undlien i at dette vil redde liv. Det er utrolig mye å hente på å mobilisere all tilgjengelig kunnskap i alle situasjoner, og det gjøres i altfor liten grad i dag. Dessverre ser jeg store utfordringer med å mobilisere de eksisterende store kunnskapsmengdene i helsevesenet mot slike systemer. Dagens DIPS er ikke bygget for kunnskapsbygging og utvikling, men for mer spesielle formål i behandlingsforløpet, sier han.

«Helsevesenets IT-systemer er milevis unna»

Professor Dag Undlien har et lignende inntrykk:

– Dagens IT-systemer i helsevesenet er virkelig ekstremt lite sofistikerte. De inneholder knapt beslutningsstøtte i det hele tatt, selv om helseinformasjon ofte er velegnet for regelstyrte beslutninger.

— For eksempel bør det selvsagt gå en alarm hvis legen prøver å skrive ut penicillin til en penicillinallergiker, eller hvis personlig genetisk informasjon fra pasient tilsier høy eller lav dose av et legemiddel. Slike regelstyrte beslutninger er i svært liten grad en del av helsevesenets IT-systemer, og vi er milevis unna å få systemer som dekker det store behovet for slike løsninger, sier han.

Skeptisk, men avventende

Eivind Hovig er aksjeeier i Pubgene, et selskap som leverer systemet Coremine Medical. Dette hjelper forskere og leger til med å se sammenhenger i enorme mengder i medisinsk informasjon. Han er skeptisk til at norske forskere og leger kanskje skal bli brukere av andres system, i dette tilfelle et Watson eid av IBM. Årsaken er at kunnskap som i utgangspunktet er offentlig på denne måten kan bli privatisert.

– Men i den grad Watson klarer å fange all kunnskap, kan ikke jeg være bakstreversk og si at vi ikke bør benytte det. Jeg tror det vil være utrolig interessant å faktisk observere ytelsen til et sånt system. Det er klart det er først da jeg kan ta stilling til hvor godt det fungerer, sier han.