Nature: KI-baserte samvalgsverktøy kan endre beslutningsprosessene

Samvalg er en samarbeidsprosess der pasient og helsepersonell sammen finner fram til det behandlingsvalget som passer best for pasienten. Slike beslutninger oppstår på ulike punkter i sykdomsforløpet, for eksempel ved valg av behandling eller screening.

En slik prosess har dokumenterte, positive effekter når den er støttet av samvalgsverktøy, som både gir informasjon og som hjelper pasienten med å veie fordeler og ulemper ved forskjellige alternativer opp mot hverandre. 

KI-baserte samvalgsverktøy

Samvalgsverktøyene på Helsenorge er digitale, og kan inkludere diagrammer og annen grafikk. Internasjonalt er arbeidet for å integrere kunstig intelligens (KI) i slike verktøy nå i gang.  

Et KI-basert verktøy kan for eksempel angi sannsynlig sykdomsrisiko basert på individuelle faktorer hos pasienten, eller estimere risikoen for komplikasjoner etter en operasjon og så skreddersy informasjonen. Slik tilpasset innsikt, presentert via interaktiv grafikk og figurer, kan berike dialogen mellom pasient og behandler. 

KI-baserte samvalgsverktøy vil etter hvert kunne lære av store mengder pasientdata og utfall, for så å gi personlige beskrivelser om hva som ser ut til å passe best for enkeltpasienten, når kunnskap og pasientens personlige prioriteringer ses under ett. 

Persontilpasning

KI-verktøyene har potensiale til å gi mer personlig helseinformasjon enn tradisjonelle metoder. Mens vanlig medisinsk programvare ofte er regelbasert, bruker KI avanserte algoritmer til å oppdage mønstre og forutsi utfall som ellers er vanskelige å beregne. Dermed kan KI-baserte verktøy foreslå skreddersydde tiltak eller behandlinger, noe som tradisjonell beslutningsstøtte ikke alltid klarer. 

Eksempelvis finnes det nå en KI-drevet app som analyserer bilder av hudflekker pasienten laster opp, og estimerer sannsynligheten for at flekken er hudkreft. Et annet eksempel er en digital kalkulator, som kan beregne en pasients risiko for komplikasjoner etter kirurgi og vise resultatene på en forståelig måte. Slike verktøy kan i teorien gjøre pasienter tryggere på valgene sine og gi leger mer treffsikre grunnlag å diskutere ut fra. 

1. Men hvor godt fungerer dette i praksis?
2. Hvordan opplever pasienter og klinikere bruken av KI i samvalgsverktøy?
   

Disse spørsmålene stod sentralt i en ny systematisk oversikt av Hassan og medarbeidere (2024), publisert i et Nature-tidsskrift med «Impact Factor» på 17.0, som viser at tidsskriftet blir mye sitert. Forskerne gikk gjennom eksisterende studier for å kartlegge brukerperspektiver på KI-baserte beslutningsstøtter i helsetjenesten. Her oppsummerer vi hovedfunnene fra denne oversikten, supplert med annen relevant forskning. 

Positive erfaringer: merinnsikt og involvering

Den systematiske oversikten identifiserte 26 relevante studier fra de siste årene. Disse omhandlet KI-støttede samvalgsverktøy brukt i ulike kontekster – fra screening og forebygging til prognose og behandling. Et flertall av studiene ble brukt i allmennmedisinske eller polikliniske settinger, mens noen få tok for seg kirurgiske beslutninger. Verktøyene inkluderte ulike web-applikasjoner, mobilapper, og integrerte sykehusystemer, og pasientene rapporterte gjennomgående positive opplevelser med å bruke dem. 

Pasientene syntes KI-verktøyene var enkle å forstå og bruke, noe som gjorde dem mer engasjerte i beslutningsprosessen. Når informasjon ble presentert visuelt og interaktivt, ga det pasientene en følelse av eierskap til behandlingsvalget. I flere studier førte dette til at pasientene følte seg tryggere. For eksempel beskrev kvinner med høy arvelig brystkreftrisiko en web-basert beslutningsstøtte (RealRisks®) som “hjelpsom” fordi den ga en personlig tilpasset, femårs risiko for brystkreft, og forslag til forebyggende tiltak. Dette opplevdes nyttig, og de deltakerne 21 anså verktøyet som akseptabelt å bruke.  

Verktøyene kan også øke kunnskapen: I en annen studie lærte pasienter med atrieflimmer mer om blodfortynnende behandling gjennom et KI-basert verktøy, noe som førte til bedre etterlevelse av behandlingsrådene én måned senere. Slik sett kan KI-baserte samvalgsverktøy bidra til at pasienter føler seg mer informerte, mindre engstelige og mer delaktige i egne helsevalg. 

Frigjorde tid

Et interessant poeng er at noen verktøy ser ut til å spare tid eller gjøre konsultasjonen mer effektiv. Enkelte leger rapporterte at når pasienter hadde brukt et beslutningsverktøy på forhånd, kom de bedre forberedt til timen. Dette frigjorde tid til det som betyr mest – selve samtalen og avklaring av pasientens verdier. 

Et KI-verktøy for kolorektalkreftscreening lot for eksempel pasientene angi sin foretrukne screeningmetode på forhånd; legene merket at pasientene som hadde gjort dette, var mer tilfredse og at samtalene ble mer målrettet. Slik kunne beslutningsstøtten fungere som en fasilitator for et godt samvalg: Pasienten fikk tydeliggjort sin risiko og sine preferanser, og møtet med legen handlet mer om å ta beslutningen sammen enn å forklare grunnleggende fakta. 

I sum tyder oversikten på at KI-verktøyene kan forbedre opplevelsen av samvalg for pasientene. De føler seg mer informerte, opplever mindre usikkerhet rundt beslutningen og tar en mer aktiv rolle. Funnene bekreftes av trender fra annen forskning, en nyere gjennomgang fant at pasienter generelt setter pris på brukervennligheten og effektiviteten til KI-baserte helsetjenester. KI kan også være et nyttig verktøy for å styrke pasientens stemme i beslutninger. 

Kan forsterke ulikheter i helse

Selv om funnene er lovende, identifiserte oversikten også flere utfordringer og anga forbehold. Helsepersonells perspektiv på KI-samvalgsverktøy var mer blandet enn pasientenes. Noen klinikere rapporterte positive erfaringer, og følte at verktøyene kunne støtte informert samtykke før inngrep, samtidig som de var i stand til å gjøre pasienten mer komfortabel med planen. Men like mange uttrykte bekymring og skepsis på visse områder. 

En gjennomgående bekymring var om informasjonen i verktøyene til enhver tid er oppdatert og korrekt. Medisinfagene utvikler seg raskt, og dersom et beslutningsverktøy bygger på utdaterte data eller retningslinjer, kan det i verste fall lede til feil råd.  

Leger påpekte også faren for over- eller underbehandling: For eksempel fryktet noen at et verktøy kunne anbefale en unødvendig aggressiv behandling, eller motsatt: tone ned et viktig tiltak. Slike innvendinger henger sammen med tillit: klinikerne må kunne stole på at KI-anbefalingene er faglig forankret og oppdaterte. Hvis ikke, vil de vegre seg for å bruke dem aktivt i samvalg. 

Digital skjevfordeling er et annet problem feltet må løse. KI-verktøyene krever ofte en viss teknologisk eller helsefaglig forståelse hos brukeren. Oversikten fant at bruken av verktøyene varierte med pasientens helsekompetanse og teknologivaner: Pasienter som var eldre, lavere utdannet eller uvant med teknologi brukte dem sjeldnere eller hadde vansker med å bruke dem. Dette betyr at de som kanskje trenger mest støtte, risikerer å falle utenfor.  

Forskere advarer om at slik digital forskjellsbehandling kan forsterke ulikheter i helse dersom den ikke adresseres. Med andre ord: KI-verktøyene må utformes og implementeres slik at også sårbare grupper kan dra nytte av dem.

En mulig løsning er å forenkle språk og grensesnitt ytterligere. I én studie ba nesten halvparten av pasientene om færre faguttrykk i verktøyet, slik at det ble lettere å forstå. Dette illustrerer hvor viktig både universell utforming og testing i ulike brukergrupper er. 

Flere hindere 

Flere klinikere pekte også på praktiske hindringer ved å bruke KI i en travel klinisk hverdag. Noen opplevde at slike verktøy kunne være tidkrevende eller distraherende dersom de måtte brukes midt under konsultasjonen. Én allmennlege beskrev at han følte seg litt “dum” når han satt og fiklet med dataverktøyet foran pasienten, i stedet for å ha blikkontakt. Dette viser at selv et godt beslutningsverktøy må integreres sømløst i arbeidsflyten – ellers vil det lett kunne bli liggende ubrukt. 

Manglende integrasjon med journalsystemer og andre tekniske barrierer ble også trukket frem. Hvis verktøyet ikke “snakker” med resten av systemet, blir det ekstra arbeid for klinikeren å bruke det, noe som kan hemme utbredelsen. 

Et siste viktig punkt er personvern og datasikkerhet. Når pasienter bruker KI-baserte verktøy, kan det innebære deling av sensitive helseopplysninger. I en av studiene følte nesten halvparten av deltakerne ubehag ved å fylle inn et omfattende KI-skjema om sin sykdomshistorie mens de satt i et felles venterom. De var usikre på hvem som fikk se dataene og om personvernet var ivaretatt. 

Slike bekymringer ble ikke fremhevet i alle studiene, men det er en tilbakevendende tematikk i den brede KI-debatten: Brukere må kunne stole på at dataene de gir fra seg, lagres trygt og anonymisert. Uten denne tilliten vil verktøyene møte motstand, uansett hvor nyttige de ellers måtte være. 

Konklusjon

KI-baserte samvalgsverktøy representerer et lovende supplement i verktøykassen for pasientinvolvering. Den systematiske oversikten vi har benyttet som grunnlag for denne artikkelen viser at pasienter stort sett opplever disse verktøyene som nyttige – de føler seg mer informerte, mindre engstelige og mer deltakende i beslutninger.

Samtidig er det tydelig at suksessfaktorer som korrekt informasjon, brukervennlighet og integrasjon må være på plass. Klinikere er forsiktige optimister: De ser potensialet for bedre informerte pasienter, men påpeker nødvendige forbedringsområder rundt oppdatering, dataflyt og å unngå skjevheter. Med andre ord – KI kan endre beslutningsprosesser, men ikke uten at vi endrer systemene rundt. 

Skal disse verktøyene virkelig gjøre en positiv forskjell i helsevesenet, må de utvikles og innføres med omhu. Det innebærer solid kvalitetssikring av algoritmene, opplæring av både pasienter og helsepersonell, samt fokus på personvern og lik tilgjengelighet. Tar man disse forbeholdene på alvor, kan AI-baserte samvalgsverktøy bli en katalysator for tryggere, mer persontilpassede beslutninger – i et samarbeid mellom informerte pasienter og støttende klinikere. 

Kilde: Hassan, N., Slight, R., Bimpong, K., Bates, D. W., Weiand, D., Vellinga, A., Morgan, G., & Slight, S. P. (2024). Systematic review to understand users perspectives on AI-enabled decision aids to inform shared decision making. NPJ Digital Medicine, 7, 332. https://doi.org/10.1038/s41746-024-01326-y 

Fulltekstartikkel: https://www.nature.com/articles/s41746-024-01326-y 

Et førsteutkast til denne saken ble skrevet av Perplexity Pro Research og deretter kryss-sjekket av ChatGPT4o Deep Research. Den korrigerte artikkelen ble så gjennomgått, kvalitetssikret og bearbeidet av samvalgredaksjonen.