Ett av de ämnen som diskuterades under 9 th Asia-Pacific Bone Health Conference, som hölls i Tokyo 11-13 december, var hur AI och maskininlärning i framtiden kan hitta personer med hög risk för frakturer. AI kan analysera stora mängder information, som till exempel att automatiskt upptäcka tecken på benbrott på vanliga röntgenbilder och datortomografier. AI kan också analysera journaler och data från aktivitetsmätare, samt hjälpa till med övervakning och förebyggande insatser i hemmet för att minska risken för fall.
Bland äldre är frakturer ett stort hälsoproblem. Även om det finns fungerande behandlingar så får många som löper hög risk att drabbas ändå inte rätt hjälp. Därför behövs det bättre sätt att hitta dessa högriskpersoner och att kunna bedöma var och ens individuella risk.
Kombinerar AI med traditionell kunskap
Kombinerar man traditionell medicinsk kunskap med AI:s förmåga att hitta nya mönster kan man få bättre verktyg för att förutsäga frakturrisk. Men än så länge finns faror med AI. Så innan vi förlitar oss för mycket på tekniken måste vi ta reda på hur bra dessa AI-modeller fungerar i verkligheten, hur säkra är deras riskbedömningar, och fungerar de i olika vårdmiljöer?
Slutsatsen på symposiet var ändå att AI framöver kan bli ett viktigt verktyg för att hitta riskpersoner tidigare och däreigenom upptäcka och förebygga benbrott, och inte minst för att kunna individanpassa vården mer.
Källa: 9th Asia-Pacific Bone Health Conference
