Fra operasjonsstua til virkeligheten
Det vi mangler i Norge er ikke forskningskompetanse. Det vi mangler er en systematisk evne til å ta forskningsresultater hele veien til klinisk verktøy.
Annonse kun for helsepersonell
Under doktorgraden bygde jeg kunstig intelligens som overvåker hjertefunksjon i sanntid under åpen hjertekirurgi. Brystkassen var åpen. Hjertet stanset og koblet til hjerte-lunge-maskin mens kirurgen sydde nye blodårer eller byttet hjerteklaff. Under operasjonen og på intensivavdelingen lot vi KI-modellene våre måle hjertets pumpefunksjon fra en ultralydprobe i spiserøret – automatisk og kontinuerlig.
Vi publiserte resultatene i ledende internasjonale tidsskrifter. Modellene fungerer.
Men ingen bruker dem i klinisk praksis i dag. Ikke fordi de er dårlige. Men fordi det å lage en modell som fungerer i et kontrollert studie og det å bygge et verktøy som tåler klinisk hverdag er to fundamentalt forskjellige ting.
Det tok meg lang tid å forstå det.
Tre spørsmål, ikke ett
Forskning, innovasjon og implementering er tre ulike disipliner. Forskning svarer på «kan dette fungere?» Innovasjon svarer på «kan vi bygge det slik at det tåler virkeligheten?» Implementering svarer på «kan vi få det ut til alle som trenger det?»
Annonse kun for helsepersonell
Det er i rommet mellom disse spørsmålene at de fleste KI-prosjekter i helse forsvinner. Over 1 450 KI-verktøy er godkjent av amerikanske FDA, men bare 86 randomiserte kliniske studier er gjennomført globalt (1, 2). Eric Topol påpekte nylig at av de godkjente modellene er få i faktisk klinisk bruk (3). Norway Health Tech organiserer over 350 aktører i det norske helseteknologimiljøet (4). Hvor mange som har nådd reell klinisk adopsjon kan telles på en hånd.
Vi må slutte å kritisere forskningen for at den ikke «får til innovasjon». Det er som å kritisere en geolog for at det ikke finnes et raffineri. Forskerens jobb er å forstå reservoaret. Noen andre må bygge rørledningen.
Gapet
Da jeg gikk fra forskning til å starte selskap, oppdaget jeg hvor bredt dette gapet er. KI i helse er medisinsk utstyr, ikke bare programvare. Det betyr klassifisering under EUs medisinskutstyrforordning (MDR), CE-merking og sertifisering etter kvalitetsstandarder for medisinsk utstyr – regulatoriske løp som krever en helt annen kompetanse enn den forskningsmiljøer har (5). I forskningen bygde jeg noe som fungerte på én operasjonsstue. Som gründer må jeg bygge noe som fungerer på tvers av sykehus med ulike journalsystemer, ulik infrastruktur og ulike arbeidsprosesser. Forskningskode og produksjonskode er to forskjellige disipliner.
Men den mest undervurderte barrieren er ikke teknisk. Den er organisatorisk. I norsk helsevesen er veien fra «vi ønsker å bruke dette» til faktisk anskaffelse forbløffende lang. Anbudsprosesser er designet for innkjøp av kjent teknologi, ikke for uttesting av noe nytt. Måneder kan gå mellom et ja fra fagmiljøet og en faktisk bestilling. En nordisk studie fant at Norge skiller seg ut: mens de andre nordiske landene lar regulering komme som respons på utvikling, krever Norge regulering som forutsetning for implementering (6).
Problemet er ikke at folk i systemet er motvillige til endring. De fleste vi møter ønsker bedre verktøy. Problemet er at systemet ikke er rigget for å ta imot innovasjon i det tempoet teknologien utvikler seg.
Hva som må til
Det vi mangler i Norge er ikke forskningskompetanse. Det vi mangler er en systematisk evne til å ta forskningsresultater hele veien til klinisk verktøy.
Annonse kun for helsepersonell
Det finnes konkrete ting som kan gjøres. Anskaffelsesmodeller som tillater pilotering av ny teknologi uten fullskala anbud. Helseforetak med mandat og budsjett til å teste innovasjon, ikke bare drifte det som allerede finnes. Og dedikert finansiering for det som i dag er et ingenmannsland mellom forskningsrådet og markedet.
Jeg har erfart dette fra innsiden. Vi startet som forskere med en tydelig visjon. Men å realisere den har krevd langt mer enn gode modeller. Det har krevd å bygge et selskap, navigere et regulatorisk landskap, og holde ut i et system som ikke alltid er designet for å si ja.
Innovasjon i helse er ikke en god algoritme. Det er alt som må til for at algoritmen faktisk når pasienten.
Kilder
1. FDA, «Artificial Intelligence and Machine Learning (AI/ML)-Enabled Medical Devices», oppdatert 2025.
2. Han et al., «Randomised controlled trials evaluating artificial intelligence in clinical practice: a scoping review», The Lancet Digital Health, 2024.
3. Topol, E., forelesning ved NIH, november 2024.
4. Norway Health Tech. norwayhealthtech.com
5. EU Medical Device Regulation (MDR) 2017/745; ISO 13485:2016.
6. Strange & Tucker, «A Paradigm Shift in Plain Sight? Nordic AI health strategies compared», Nordic Welfare Research, 2024.
