Rapport om nuläget för en konkurrenskraftig svensk AI inom life science-sektorn. Presentation för Vinnova och andra SIP:ar (Strategiska Innovationsprogram) januari 2020 i Stockholm.

1. AI för bättre hälsa
Rapport om nuläget för en konkurrenskraftig
svensk AI inom life science-sektorn
2020-01-29 / Marcus Österberg & Lars Lindsköld

2. Nuläge
“Paradoxen; hur kan det vara så att vi säger att AI är minst
lika bra som mänskliga experter, å andra sidan så verkar AI
inte ens vara användbar i dagsläget?”
– Claes Lundström under seminariet Hur kan AI gå från vision till
verklig patientnytta? (Almedalen 2019)

3. Utmaningar 1 av 3: Vad är det vi pratar om när vi
säger “AI”?
“As soon as it works, no one calls it AI any more.”
– John McCarthy
En tänkbar definition:
1. Autonom inom väldigt begränsade ramar.
2. Självlärande avseende att maskininlärningsalgoritmerna har en
förmåga att lösa en uppgift.
3. Självförbättrande gäller vissa AI-system. I den mån de förfinar sina
algoritmer baserat på nya data den utsätts för, så kallad online
learning. Vilket inom förstärkt inlärning är själva poängen då AI:n ska
utforska olika möjliga lösningar.

4. Utmaningar 2 av 3: Tre parallella generationer av AI
1. Gårdagens AI: Expertsystem inom bilddiagnostik, OCR-
skanning, etc.
2. Dagens AI: Oftast djupinlärning (neurala nätverk alltså),
naturligt språkbearbetning som i chatbotar, digitala medicinska
tvillingar.
3. Morgondagens AI: generell, multi-agent

5. Utmaningar 3 av 3:
• Regelverk. GDPR, Patientdatalagen, medicintekniska
regelverket, sekretesslagstiftningen.
• Hållbarhet. Lästips -> Technically Wrong.
• Digital mognad. Ska AI-folk möta domänexperter, eller ska
domänexperter bli bra på AI?
• Forskning > Innovation > Implementation. Väldigt mycket på
forskning.
• Dela mer! Av data, resultat, resurser, insikter, upptränade
modeller, etc.

6. Samverkan – gärna i dessa frågor
1. Regelverk. Hur ska GDPR praktiseras? Hur blir regelverk ett stöd och inte ett
hinder? Ska vi ha en nationell eller europeisk molninfrastruktur till stöd, och när
kan vi använda utomeuropeiska företags moln?
2. Hållbarhet. Hur blir tillämpningen av AI ansvarsfull och transparent? Hur
tillförlitliga är AI-lösningar över tid?
3. Digital mognad. Är arbetstagare och invånare redo att låta sina liv styras av
algoritmer de troligen inte kan förstå? Hur sammanför vi domänexperter med
dem som kan AI-teknik, eller ska domänexperterna lära sig mer om AI?
4. Forskning -> Innovation -> Implementering. Hur ska vi utvärdera AI-
forskningens resultat för att prioritera insatserna? Fynden måste förädlas
genom en innovationsprocess mot stundande implementering.
5. Delande av data, resurser och resultat. I Sverige behöver vi dela med oss i
större utsträckning! Att dela med oss av de resurser vi har, skapa etablerade
modeller som kan användas av fler och inom fler områden, samt samarbeta om
data. Swelife 😍 AI kör CC0 när vi kan och delar gärna!