{"version":1,"type":"rich","provider_name":"Libsyn","provider_url":"https:\/\/www.libsyn.com","height":90,"width":600,"title":"Avsnitt 68. Hur kan AI f\u00f6rb\u00e4ttra din h\u00e4lsa?","description":"Hur kan sjukv\u00e5rden anv\u00e4nda AI f\u00f6r att st\u00e4lla b\u00e4ttre diagnoser? Hur kan vi sj\u00e4lva anv\u00e4nda AI f\u00f6r att optimera v\u00e5r h\u00e4lsa? Var kan artificiell intelligens g\u00f6ra f\u00f6r v\u00e5r h\u00e4lsa i dag \u2013 och vad kan vi v\u00e4nta oss av framtiden? I Avsnitt 68 av podden H\u00e4lsa kommer inifr\u00e5n pratar vi med professor Anne H\u00e5kansson, som forskar p\u00e5 \u00e4mnet AI och h\u00e4lsa. Programledare \u00e4r Sofia Mellstr\u00f6m. Vad \u00e4r AI, egentligen? Artificiell Intelligens \u00e4r en samlingsterm f\u00f6r datorsystem som kan dra slutsatser, l\u00f6sa problem, planera \u2013 och som \u00e4r sj\u00e4lvl\u00e4rande. Man kan s\u00e4ga att ett vanligt datorprogram \u00e4r programmerat att g\u00f6ra r\u00e4tt, medan ett AI-program \u00e4r programmerat att l\u00e4ra sig en uppgift genom \u00f6vning.  Ett bra exempel\u201a som visar skillnaden, \u00e4r AlexNet.  \u00c5r 2012 var en t\u00e4vling d\u00e4r datorprogram t\u00e4vlade om att klassificera miljontals bilder. Det fanns traditionella datorprogram, specialskrivna f\u00f6r \u00e4ndam\u00e5let. Men t\u00e4vlingen vanns \u00f6verl\u00e4gset av AlexNet, ett datorprogram som helt saknade f\u00f6rkunskap, men som var designat att l\u00e4ra sig. Efter 5 dagars tr\u00e4ning var AlexNet b\u00e4ttre p\u00e5 bild-kategorisering \u00e4n de program som var specialskrivna f\u00f6r uppdraget. Sedan har bland annat forskare vid Danderyds sjukhus laddade ner AlexNet och b\u00f6rjade tr\u00e4na det i att tolka r\u00f6ntgenbilder. AI, en kort historia N\u00e4r vi studerar AI:s historia hamnar vi p\u00e5 1950, d\u00e5 Alan Turing uppfann Turing-testet, som bed\u00f6mer om en maskin \u00e4r intelligent eller inte. Men sj\u00e4lva termen \u201dartificiell intelligens\u201d anv\u00e4ndes f\u00f6r f\u00f6rsta g\u00e5ngen 1956. 1967 uppfanns Nearest Neighbors- algoritmen, som \u00e4r viktig f\u00f6r klassificering av objekt och m\u00f6nsterigenk\u00e4nning. 1979 kom Stanford Cart som \u00e4r f\u00f6reg\u00e5ngaren till sj\u00e4lvstyrande bilar.  1985 kom AI NETtalk som  anv\u00e4nde deep learning f\u00f6r att l\u00e4ra sig att prata. 1997 kunde IBM:s superdator Deep Blue besegra den v\u00e4rldsm\u00e4staren, Garry Kasparov i schack. 2004 hade NASA sj\u00e4lvk\u00f6rande bilar p\u00e5 Mars yta. 2011 vann Watson i Jeopary. Det \u00e4r samma Watson som vi talade om tidigare, som i dag anv\u00e4nds f\u00f6r att l\u00e4sa r\u00f6ntgenbilder. 2012 kom AlexNet, som vi n\u00e4mnde tidigare, som l\u00e4rde sig att kategorisera miljontals bilder och vann \u00f6ver alla specialskrivna program.  2016 datorn AlphaGo vann 4 av 5 matcher mot m\u00e4staren Lee Sedol i spelet GO, som \u00e4r mycket mer komplicerat \u00e4n schack. Det finns en gratis dokument\u00e4r p\u00e5 YouTube som heter AlphaGo - The Movie. Den kan jag varmt rekommendera f\u00f6r att som vill veta mer om AI. November 2022 kom Chat GPT fr\u00e5n Microsoft som sp\u00e5s bli en utmanare till Google.  Det k\u00e4nns som det h\u00e4nder v\u00e4ldigt mycket inom AI just nu.  Forskning p\u00e5 wearables, hur vi med m\u00e4tdata kan uppmuntras till b\u00e4ttre h\u00e4lsa  Anne H\u00e5kansson \u00e4r professor i Computer Science vid universitetet i Troms\u00f6. De studerar hur AI kan hj\u00e4lpa m\u00e4nniskor att se \u00f6ver sin livssituation.  Hon ber\u00e4ttar att personerna som ing\u00e5r i studien anv\u00e4nder m\u00e4tenheter (t.ex.  fitbit och Ouroa-ring) som m\u00e4ter olika kroppsfunktioner.  Deltagarna i studien f\u00e5r en app i vilken de kan skicka meddelande utifr\u00e5n personens egna \u00f6nskem\u00e5l: det kan vara meddelande av typen: \u201cDet \u00e4r dags f\u00f6r dig att g\u00e5 ut och g\u00e5\u201d. Eller: \u201cNu har du varit h\u00f6gaktiv i tre timmar, nu kan det vara bra att ta en paus.\u201d Om personen sover d\u00e5ligt kan vi uppmuntra dem att ta det lugnt p\u00e5 kv\u00e4llen (inte tr\u00e4na) f\u00f6r att undvika adrenalinp\u00e5slaget.  Men vi samlar \u00e4ven in andra data, som v\u00e4der. Om det \u00e4r regn eller storm ute s\u00e5 ska vi inte skicka en uppmuntran om att personen ska ut och g\u00e5. De ska ju vara en positiv \u00e5terkoppling.  Vi vet ocks\u00e5 vilka fritidsintressen personerna har. Gillar de att cykla eller \u00e5ka skidor. D\u00e5 kan vi anpassa uppmuntran utifr\u00e5n intresse, m\u00e5l, behov och \u00e4ven s\u00e5na saker som v\u00e4der. Det blir relativt komplex. Vi beh\u00f6ver ocks\u00e5 veta deltagarnas schema f\u00f6r att se om de \u00f6verhuvudtaget har tid att g\u00f6ra \u00e5tg\u00e4rder.  Vi bygger upp en databas f\u00f6r varje person f\u00f6r att hitta m\u00f6nster och se hur hen m\u00e5r. Om de har v\u00e4nner eller kollegor som ocks\u00e5 deltar kan vi hj\u00e4lpa till med gruppaktiviteter. Hittar de personer i studien som har liknande behov s\u00e5 kan de koppla samman och uppmuntra varandra.  ","author_name":"H\u00e4lsa kommer inifr\u00e5n","author_url":"https:\/\/www.holistic.se","html":"