| dc.description.abstract | Integrering av kunstig intelligens (KI) i helsevesenet har et stort potensial for å forbedre diagnostisering, prognostisering og pasientbehandling. Likevel er det flere utfordringer som begrenser utviklingen og den effektive bruken av KI i denne sektoren. Målet med denne masteroppgaven er å undersøke og analysere disse utfordringene, med deteksjon av brystkreft i mammografibilder som et illustrativt eksempel. Hensikten er å identifisere disse utfordringene og foreslå løsninger som kan lette fremgangen og en vellykket implementering av KI i helsevesenet.
I denne studien ble det benyttet en forskningsmetode som inkluderte flere case-studier og intervjuer med fire ulike interessentgrupper. For å få en dypere forståelse av forskningstemaet ble det gjennomført semistrukturerte ekspertintervjuer med totalt åtte deltakere. Intervjuene genererte mengder data som deretter ble transkribert og systematisk kodet for analyse.
Intervjufunnene fremhever flere sentrale temaer som påvirker utviklingen og implementeringen av KI i helsevesenet. Disse temaene inkluderer utfordringer knyttet til data, vanskeligheter med å overholde regelverk og lover, samt manglende kommunikasjon mellom ulike fagområder. Disse utfordringene fungerer som barrierer for fremskritt og implementering av KI-løsninger i helsesektoren.
For å håndtere disse utfordringene har tidligere studier og gjennomførte intervjuer foreslått ulike tiltak. Disse tiltakene innebærer både tekniske og ikke-tekniske løsninger som kan bidra til å håndtere de identifiserte utfordringene. Sentrale forslag inkluderer transformasjon av data på ulike måter og bruk av KI-modeller for å forbedre datakvaliteten. I tillegg blir det foreslått å introdusere mellommenn som en del av KI-prosjekter for å forbedre kommunikasjonen.
Ved å håndtere og løse disse utfordringene kan potensialet for KI i helsevesenet maksimeres, og det kan oppnås betydelige fordeler for pasienter og helsepersonell. Målet med oppgaven er å informere beslutningstakere og interessenter i helsevesenet om nødvendige tiltak for å fremme utviklingen, implementeringen og bruk av KI på en måte som effektivt støtter diagnostisering, prognostisering og pasientbehandling. | |
| dc.description.abstract | Integrating artificial intelligence (AI) in healthcare holds great promise for enhancing diagnostics, prognosis, and patient care. However, there are several challenges that hinder the development and effective use of AI in this sector. This master's thesis aims to comprehensively investigate and analyse these challenges, focusing on breast cancer detection as an illustrative example. The goal is to identify these challenges and propose solutions to facilitate the advancement and successful implementation of AI in healthcare settings.
In this study, a research methodology was utilized, incorporating multiple case studies and interviews with four distinct stakeholder groups. To gain deeper insights into the research topic, semi-structured expert interviews were conducted with a total of eight participants. The interviews generated a significant amount of data, which was transcribed and systematically coded for analysis.
The interview findings highlight several key themes that impact the development and implementation of AI in healthcare. These themes include data-related challenges, difficulties in complying with regulations and laws, and a lack of communication between different academic disciplines. These challenges act as barriers to the progress and adoption of AI solutions in the healthcare sector.
To address these challenges, previous studies and conducted interviews have put forth various propositions. These propositions suggest technical and non-technical solutions that can help mitigate the identified challenges. The key propositions involve transforming data in different ways and utilizing AI models to improve data quality. Additionally, introducing middlemen as part of AI projects to enhance communication is proposed.
By tackling and resolving these challenges, the potential of AI in healthcare can be maximized, enabling significant benefits for patients and healthcare providers. The thesis is written to help inform decision-makers and stakeholders in the healthcare industry about the necessary measures to promote the development, implementation, and utilization of AI in a way that effectively supports diagnosis, prognosis, and patient care. | |
