Stockholms universitet

Varför ska en doktor lita på en dator?

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? Jonathan Rebane har nyligen disputerat i ämnet.

Porträttbild på Jonathan Rebane, DSV vid SU. Foto: Åse Karlén.
Jonathan Rebane. Foto: Åse Karlén.

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.

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.

Patienter, vårdpersonal och samhället i stort kan dra nytta av resultaten

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.

En längre intervju med Jonathan Rebane finns på den engelska webbplatsen

Mer om forskningen

Jonathan Rebane disputerade på Institutionen för data- och systemvetenskap (DSV) vid Stockholms universitet 28 oktober 2022. Avhandlingen har titeln ”Learning from Complex Medical Data Sources”.

Panagiotis Papapetrou, DSV, har varit hans huvudhandledare och Isak Samsten, DSV, har varit hans handledare.

Myra Spiliopoulou, Otto von Guericke University of Magdeburg, Tyskland, var opponent vid disputationen. Betygskommittén bestod av Arno Knobbe, Leiden University, Nederländerna, Indrė Žliobaitė, Helsinki University, Stanley Greenstein, Stockholms universitet, och Hercules Dalianis, Stockholms universitet (suppleant).

Jonathan Rebanes doktorsavhandling kan laddas ner från Diva

Han berättar om sitt forskningsområde i en bloggpost (på engelska)

Kontaktuppgifter till Jonathan Rebane

Mer om Institutionen för data- och systemvetenskap (DSV)

Text: Åse Karlén