Med utgångspunkt i två av de tillämpningar Michael Fralick varit med och implementerat på sjukhus i Kanada, en för att upptäcka risken för allvarliga blödningar och den andra för att planera dialysvård, handlar det här avsnittet om klivet från forskning till patientnytta.

Han jobbar som clinician scientist och associate professor på kanadensiska Sinai Health respektive University of Toronto, och deltar också i det pågående projektet med Unity Health Toronto och tre svenska regioner som leds av AI Sweden. 

Sina lärdomar kokar han ned i fyra råd:

1. Enkla tekniklösningar trumfar komplexa.

2. Se till att användarna är en del av utvecklingen från dag ett.

3. Försök inte återuppfinna hjulet, implementera sånt som redan visat sig fungera.

4. Investera i infrastruktur för data, utan den blir det nästan omöjligt att implementera AI.

Han tror och hoppas att patienterna inom en snar framtid kommer att förvänta sig AI som ett par extra ögon som vakar över dem när de är på sjukhus. Vilket är vad riskbedömningen för blödningar handlar om: Att göra kompletterande dataanalyser av blodprov som ändå tas. 

Men Michael Fralick konstaterar att forskning och implementering sker med sina speciella förutsättningar. I skarp tillämpning ställs till exempel höga krav på fungerande dataflöden som ser till att AI-modellerna har tillgång till realtidsdata.

“Data engineers är viktiga för det här, som en slags rörmokare som får dataflödet att fungera. Det är en ny typ av kompetens som tidigare saknats på sjukhus,” säger han.

I slutet av avsnittet nämns också Michael Fralicks egen podd, The Round Table.