AI-robot hjälper till att öva kliniskt resonemang

En AI-driven robotpatient ska användas för att låta läkar- och sjuksköterskestudenter öva kliniskt resonemang. Syftet med projektet vid Karolinska Institutet är att undersöka om den gemensamma träningen stärker inlärningen.

Text: Tim Andersson

En social robot med inbyggd AI ska snart användas för att låta läkar- och sjuksköterskestudenter träna tillsammans i kliniskt resonemang och kommunikation. Projektet vid Karolinska Institutet som leds av Ioannis Parodis, docent vid KI och överläkare vid Karolinska universitetssjukhuset, ska undersöka den gemensamma träningens effekter.

– Vi vill se om de interaktioner som uppstår när en sjuksköterskestudent och en läkarstudent tränas tillsammans ger ett ökat inlärningsvärde för dem båda, berättar han.

Hittills har bysten av plast enbart använts i undervisningen på Karolinska Institutets läkarprogram i praktisk färdighetsträning under termin 6, men det medicinska innehållet i patientfallen håller på att byggas ut för att även passa sjuksköterskestudenterna.

– Vi bearbetar innehållet så att perspektiv som är viktiga för sjuksköterskor beaktas, till exempel vad gäller anamnesfrågor. Längre fram kan roboten komma att användas på sjuksköterskeprogrammet som ett separat spår. Det finns ett intresse för det, men vi är inte där än.

Samträningsprojektet befinner sig fortfarande i en mycket tidig fas, understryker han. En doktorand ska rekryteras under våren, bland annat med ansvar för den nya teknikens sjuksköterskegren.

– Vi kommer att starta arbetet inom den absolut närmaste framtiden. Förhoppningsvis kan vi börja utvärdera hur modaliteten beaktar de nya aspekterna inom ett år, för att direkt därefter börja med samträningen.

Så hur funkar då den nya roboten? Modaliteten, som går under arbetsnamnet Sari, kan föra samtal där den ställer och svarar på frågor. Syftet med den är att ge studenter möjlighet att inhämta information, tolka symptom och andra uppgifter utifrån patientberättelsen och träna på att fatta medicinska beslut, men också att utveckla sin kommunikativa kompetens och förmåga att uppvisa empati.

I studier där roboten jämförts med mer traditionella, skärmbaserade lösningar – där studenterna har fått klicka sig fram och läsa färdiga frågor och svar – har resultaten varit till den robotiska modalitetens fördel. Studenterna upplevde träningen som mer realistisk och engagerande, och deras prestation förbättrades, särskilt när de fick återkoppling från systemet.

– Nyligen införde vi en tilläggsfunktion som genererar feedback direkt efter interaktionen med den robotiska patienten. De studenter som fick AI-genererad feedback presterade bättre i efterföljande formativ examination, berättar Ioannis Parodis.

Olika funktioner i roboten kan dock göra det möjligt att träna mer än bara medicinska fakta. I den senaste versionen har den programmerats för att uppvisa olika reaktionsmönster, till exempel irritation eller känslomässig variation.

– Studenterna får därigenom träna på att hantera stress, lära sig bemöta patientens behov och anpassa sin kommunikation för att få patienten att medverka. Sådant är svårt att öva i mer textbaserade system, säger Ioannis Parodis.

Arbetet med den sociala roboten har med andra ord varit framgångsrikt. Projektet har dock inte varit helt befriat från tekniska utmaningar. Tidigare versioner av systemet hade en viss fördröjning i svaren, vilket gjorde att dialogen i simuleringen stundvis upplevdes som mekanisk. Det har också krävts justeringar för att roboten inte ska avslöja för mycket information för tidigt i samtalet.

– Vi har fått skruva upp svårighetsgraden och anpassa hur den svarar, så att det blir mer realistiskt och bättre för lärandet, säger han.

Hittills har robotens fokus legat på reumatiska sjukdomar, där symtomen ofta kan vara diffusa och kräver ett systematiskt och analytiskt arbetssätt. Det gör området särskilt lämpligt för träning i kliniskt resonemang, enligt Ioannis Parodis.

– Det är just det här som vi reumatologer ofta finner särskilt fascinerande med vårt jobb – att det ofta kräver ett detektivarbete för att inhämta all information och komma fram till rätt diagnos.

På sikt är ambitionen dock att tekniken ska kunna användas även inom andra medicinska områden. Kollegor från andra specialiteter har hört av sig och är intresserade, berättar han.

– Vi utvecklar ett implementeringspaket, så att andra ska kunna ta över och utveckla konceptet. Vi kan vara behjälpliga i en introduktionsfas, men sedan ska kollegor kunna ta vid.