Maskininlärning kan fungera som beslutsstöd för läkare, till exempel vid val av medicinering. Men vad krävs för att en doktor ska lita på en dator?
Med hjälp av maskininlärning kan enorma mängder data analyseras. Datorn kan hitta komplexa samband i materialet som en människa aldrig skulle kunna upptäcka.
Möjligheterna är stora, inte minst inom sjukvården. Det menar Jonathan Rebane som i sin avhandling har fokuserat särskilt på biverkningar av läkemedel.
– Biverkningar är mycket vanliga men många fall skulle kunna undvikas, säger han.
Vårdpersonal måste känna tillit
Maskininlärning kan analysera tidigare patienters data, se spår och samband, och föreslå lämplig medicinering för en ny patient. Men om maskininlärning ska fungera som ett stöd vid vårdbeslut krävs tillit. Läkaren måste känna att hen kan lita på datorns rekommendation.
– I min avhandling visar jag på nya sätt att plocka ut information ur komplexa hälsodata. De gör att maskininlärningsmodellerna blir så korrekta de kan bli. I avhandlingen undersöker jag också nya förklaringsmodeller som hjälper vårdpersonal att se logiken bakom maskininlärningen. Det kan öka deras förtroende för maskininlärningens beslut, säger Jonathan Rebane.
I dag pågår försöksverksamhet med beslutsstödsmodeller på vissa sjukhus, men det rör sig ännu inte om avancerade maskininlärningssystem. Rebane ser en stor potential i att låta maskininlärning ta större plats inom vården.
– Patienter, vårdpersonal och samhället i stort kan dra nytta av resultaten i min studie. De kan leda till förbättrad vårdkvalitet och ökad tillit för den medicinska praktiken, konstaterar Jonathan Rebane.
Avhandling:
Learning from Complex Medical Data Sources.
Kontakt:
Jonathan Rebane, doktorand, Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet, jonathan@dsv.su.se
Fotnot:
Jonathan Rebane berättar om sitt forskningsområde i en bloggpost (på engelska)
En längre intervju med Jonathan Rebane finns på Stockholms universitets engelska webbplats
