Bruk av maskinlæring og datautvinning i primærhelsetjenesten

Abstract

Utgifter og kostnader knyttet til helsetjenester utgjør en stor og økende andel av offentlige utgifter, med en vekst fra54000 kr. pr. innbygger i 2013 til 68000kr.pr. innbygger i 2018(Statistisk Sentralbyrå, 2019). Effektiv og konstruktiv anvendelse av nye teknologier er problemstillinger som vies betydelig interesse og oppmerksomhet både i offentlig og privat sektor. Primærhelsetjenestener en stor og variert kontekst der det finnes mange komplekse ogutfordrende spørsmål innen mange områder. Behandling av sensitive personopplysningerogtilhørendeinformasjonssikkerhet er et eksempel hvor manglende kontroll eller kunnskap kan få alvorlige konsekvenser for flereaktører. Et annet eksempel er arbeid knyttet til risikostyring og kvalitetskontroll –om dette feiler kan det i større grad enn for andre sektorer føre til alvorlige konsekvenser forberørte individers liv og helse.Bruk av store mengder data for maskinlæring og datautvinningkan sies å være et«kommende områder» innen primærhelsetjenesten, men forskningslitteratur viser at det finnes få systemer basert på slike teknologier som er implementert i praksis. Maskinlæring og datautvinninger teknologier som kan gi store muligheter for fremtidens primærhelsetjeneste, og vi mener derfor det er viktig å belyse hvilken kunnskap og kompetanse aktører i primærhelsetjenesten besitter. Med bakgrunn i dette har følgende problemstilling vært ledende for denne studien:Hvilken kunnskap finnes om bruk av maskinlæring og datautvinning i primærhelsetjenesten blant individer som har innsikt i denne konteksten?Vi har kartlagtlitteratur fra forskningsfeltene informasjonssystemer og helseinformatikk. Funnene fra litteraturstudienhar blitt sammenlignet med egeninnsamlede data fra en kvalitativ studie basert på tolv gjennomførte intervjuer. Flereinformanterbeskriver bruksområder for informasjonssystemermed maskinlæring eller datautvinningder systemene støtter helsepersonell, for eksempel i forbindelse med utskriving av medikamenter eller diagnostisering og beslutningstaking. Kostnadseffektivisering og økonomiske besparelser ved bruk av slike systemer ble i liten grad nevnt av våre informanter –anslåtte gevinster og bruksområder er i stor grad knyttet opp til kvalitetsforbedringer for pasienter og tidseffektiviseringeller bedre arbeidsvilkår for helsepersonell. Vår studie viser at mange har gjort seg refleksjoner om utfordringer som personvern,etiske problemstillinger og akseptable feilrater. Det trekkes også fremviktigeforutsetninger for bruk av maskinlæring og datautvinning i primærhelsetjenesten, blant annettilgang på tilstrekkelig og god data, nødvendig kompetanse og forståelse for interessenters behov og systemets kontekst.Vår studie avdekker at få av aktørene har kunnskap om systemer, basert på maskinlæring eller datautvinning, som er tatt i bruk i primærhelsetjenesten. Dette gjenspeiler funn fra forskningslitteraturen, der en stor andel av systemene som beskrives er eksperimentelle implementasjoner av slike systemer.Det kan og tenkes at slike systemer eksisterer, men at kjennskapen til dem blant våre informanter e rlav. Videre forskning kan bidra til å belyse dette spørsmålet.