Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

HealthTech Arena – Lindholmen, Göteborg

117 views

Published on

Presentation av den AI-förstudie som genomfördes med stöd från Västra Götalandsregionens innovationsfond 2018, samt nytrycktes och översattes av Swelife.

Published in: Healthcare
  • Be the first to comment

  • Be the first to like this

HealthTech Arena – Lindholmen, Göteborg

  1. 1. AI och machine learning för beslutstöd i hälso- och sjukvård 2019-02-21
  2. 2. Agenda (cirka 15 minuter) • Vad är då Swelife • AI? Njae, eller? Lite om definitioner… • Lite om projektrapporten • Nästa steg – nya projekt med GU & Chalmers, samt nationellt med Swelife • Frågor och era reflektioner
  3. 3. Vad är Swelife? • Ett strategiskt innovationsprogram som är finansierat av Vinnova • Arbetar för att öka sammanhållningen och effektiviteten i hälso- och life science-sektorerna i Sverige, för att på så sätt skapa tillväxt och en bättre folkhälsa • Faciliterar och accelererar innovation och samverkan inom life science – från idéer till samhällsnytta
  4. 4. Vad är artificiell intelligens (AI)? Uppvisar mänskliga egenskaper och förmågor, som att: • Lära sig (machine learning) • Se och tolka bilder (computer vision) • Höra, tala och förstå språk (NLP, natural language processing) AI:s definition på 1950-talet: ”the capability of a machine to imitate intelligent human behavior”
  5. 5. Vad vi undersökte 2018 1. Naturligt språk (NLP) för anamnes och självtriage (inkl vad leverantörer på Vitalis 2018 kunde visa upp) 2. Tal- och konversationsbaserade gränssnitt, samt smarta högtalare 3. Computer vision för att maskiner ska se och tolka bilder 4. Etiska frågeställningar
  6. 6. 1. NLP: Anamnes och självtriage • AI-sjuksköterskan som inte ens kan kroppens anatomi • Svenska är ett litet språk som talas av en handfull bosatta nära nordpolen • Dock finns lovande studier kring svenskan, exempelvis att summera journaltexter
  7. 7. 2. Tal- och konversationsbaserade gränssnitt och smarta högtalare Testat konversation med fyra olika leverantörer: - Amazon Echo, mer känd som Alexa, på engelska (se bild) - Google Home, engelska och svenska - Apple Watch på svenska - Microsoft Azure på svenska Byggt en prototyp av självtriage-app för Apple Watch (open source)
  8. 8. 3. Computer vision (CV) • Inte kollat ex.vis högspecialiserad CV, som mammografi mfl • Klassificering och beskrivning av bilders innehåll • Analys av bilders innehåll genom färdigtränade kunskapsmodeller
  9. 9. 4. Etikfrågor • Hur representativt urval har maskinen tränats på? • Svart låda & affärshemligheter • Automatiserade beslut – är det ens lagligt?
  10. 10. Vad vi kom fram till & nästa steg • VGR behöver en AI-strategi och aktivitetsplan! • Exempelprojekt: • NLP för att summera journaler (inom psykiatrin) • Registerforskning med hjälp av machine learning (hälsometri på GU, Chalmers, SÄS, mfl) • Förutsäga återinläggning (individlogistik och inom psykiatrin) • Träna egen bildklassificering (AI-centrum) • Inventeringen fortsätter nationellt inom Swelife/Vinnova hela 2019
  11. 11. Frågor och reflektioner? Psst: rapporten finns att ladda ner på tba.nu/vgrai

×