Hvorfor det tar lang tid før AI tas i bruk i langtidspleien

Denne artikkelen handler om innføringen av AI i institusjoner for langtidspleie. Typiske funksjoner omfatter falldeteksjon, forebygging av liggesår og analyse av søvnkvalitet. Artikkelen er relevant for tre typer lesere: pleieinstitusjoner, systemintegratorer og investorer (VC-er).

1. Helseforvaltere og deres rådgivere

Et av de største problemene for tilbydere av langtidspleie er personalmangel. AI som bruker smarte sensorer gjør pleiepersonalet 20–30 % mer produktivt, og derfor gjør pleieinstitusjonene klokt i å ta i bruk denne nye teknologien:

• Moderne kunstig intelligens (AI) kan med stor nøyaktighet avgjøre om en beboer trenger støtte eller akutt hjelp. Tidligere var falske alarmer et problem. I dag er dette løst: falldeteksjon med bare én falsk alarm hver tredje måned? Sjekk, klart.
• Påliteligheten til dagens AI gjør at helsepersonell kan tilpasse arbeidsmåten sin. Det er ikke lenger nødvendig å gå rutinemessig rundt på rommene om natten for å sjekke beboernes velvære. Dette fører til en kraftig økning i produktiviteten.
• I tillegg gir teknologien fordeler for beboerne selv. Hvis de faller, utløses et alarm i løpet av få sekunder. Det er ikke lenger noen grunn til at eldre skal måtte ligge på gulvet i timevis før de blir funnet. Men leverandører i helsekjeden har noen ganger andre interesser, og helseledere og deres rådgivere må være klar over dette. I denne artikkelen forklarer jeg disse agendaene.

2. Systemintegratorer, særlig innen sikkerhetssektoren

For systemintegratorer er det svært konkurranseutsatte sikkerhetsmarkedet et «rødt hav», mens det tilstøtende markedet for langtidspleieinstitusjoner utgjør et voksende «blått hav». Dette er en direkte følge av den nylige innføringen av AI i denne sektoren.

Det er altså penger å tjene for systemintegratorer som er villige til å tilby tjenester til institusjoner for langtidspleie. Les gjerne videre.

3. Risikokapitalinvestorer

Innføringen av AI i langtidspleien burde være spesielt interessant for dere:

1.  Helseprogramvare selges gjennom løpende lisensavtaler. Selskaper med periodiske inntekter har høye verdivurderinger ved oppkjøp.
2. Helsepersonell må få opplæring i bruk av AI, noe som sikrer jevn bruk og utmerket opprettholdelse av kunnskapen.
3. På grunn av demografiske utviklingstrekk vil markedet for langtidspleie doble seg frem mot 2050. Som følge av disse utviklingene er markedet for programvare for langtidspleie i rask vekst, med nylige eksempler som oppkjøpene av Sensio (Oslo, av Nordic Capital) og Ouva (San Francisco, av Avasure), begge i juli 2024.

Likevel synes mange risikokapitalister det er vanskelig å avgjøre hvilken teknologi som vil bli den store vinneren: wearables, radar eller optiske sensorer? Denne artikkelen gir svar på det spørsmålet.

Likevel synes mange risikokapitalister det er vanskelig å avgjøre hvilken teknologi som vil bli den store vinneren: wearables, radar eller optiske sensorer? Denne artikkelen gir svar på det spørsmålet.

Problemene i helsevesenet

Problemene er overveldende. Hovedproblemet er den doble aldringen:

• Etterspørselen etter omsorg øker på grunn av den økende andelen svært gamle mennesker, høyere forventet levealder og det faktum at babyboom-generasjonen nå trenger omsorg.
• Tilgangen på helsepersonell synker på grunn av fallende fødselsrater de siste 50–70 årene.

For å illustrere: Nederland (der jeg kommer fra) bruker 4,1 % av BNP på langtidspleie. Norge og Sverige bruker 3,5 %. Det er mye. Gjennomsnittet for utviklede land er 1,8 % av BNP.Det er fortsatt et enormt beløp.

Og problemet vil bare bli større i årene som kommer. Globalt anslår jeg at det totale markedet (TAM) utgjør 63 millioner sykehussenger. Dette tallet vil øke til 121 millioner i 2050. Det totale markedet vil altså doble seg.

Hvordan det står til i dag

Institusjoner for langtidspleie betjenes av systemintegratorer, ofte gjennom et langvarig samarbeid. Integratoren har tidligere installert telefoner, internettforbindelser og TV-apparater. Inntektene deres er gjennomsiktige:

• Innkjøp av produkter til helseinstitusjonen, inkludert garanti, med 20 % påslag (ofte kombinert med en kickback fra produsenten),
• Timepriser for installasjon,
• Vedlikeholdskontrakter.

Den teknologien som i dag selges til institusjoner for langtidspleie på denne måten, er ikke særlig imponerende. Her er en typisk liste over produkter som installeres i slike institusjoner:

1. Bærbare alarmknapper – oppleves ofte som stigmatiserende og krever at beboerne har dem på seg.
2. Sengsensorer, for eksempel infrarøde bevegelsessensorer eller trykksensorer.
3. Akustisk overvåking: alarmsignal så snart lyden overskrider en terskelverdi.
4. Infrarøde bevegelsessensorer ved siden av sengen.
5. Bærbare enheter med gyroskop og akselerometer.
6. Geofencing via kamerabilder: endring i antall piksler = alarm.
7. En radar som oppdager om noen faller raskt, men som ikke ser når noen sakte synker sammen.

Ingen av disse sensorene fungerer perfekt. Derfor kombineres de med regelbasert logikk, for eksempel:

•  «Fall oppdaget» hvis den nederste bevegelsessensoren registrerer noe, mens sensoren på skulderhøyde ikke gjør det.
•  «Utenfor rommet» hvis sengen utløser alarmen og dørsensoren registrerer en endring.

Disse sensorene og den egenutviklede logikken må installeres, vedlikeholdes og støttes – en god inntektsmodell for de tradisjonelle integratorene.

Tre grunner til at det tar så lang tid før AI blir en realitet

1. Én smart sensor erstatter alle andre sensorer

Alle de nevnte sensorene kan erstattes av én enkelt sensor: kameraet. Moderne AI kan nemlig med stor pålitelighet fastslå hva som skjer i rommet:

• Ligger en beboer på gulvet, og trenger vedkommende hjelp?
• Bør en beboer med liggesår snus på siden?
• Hvordan var søvnkvaliteten i natt?
• Er det noen som prøver å stå opp?
• Bruker du for lang tid på badet (kan det føre til et fall)?
• Og så videre.

Alt dette er mulig med ett kamera med nattesyn og AI.

Og nettopp det er problemet: den ene sensoren erstatter alle de andre sensorene. Dermed erstatter den også en stor del av inntektene til eksisterende integratorer.

Dette er på samme måte som mange andre innovasjoner:

• Dell mot Compaq
• Netflix mot Blockbuster
• Charles Schwab mot Merrill Lynch
• Kodak og Polaroid mot digitalkameraet

En ny aktør – i dette tilfellet AI i helsevesenet – undergraver inntektsmodellen til den eksisterende systemintegratøren. Derfor har noen tradisjonelle integratorer vanskeligheter med å omfavne AI.

2. Programvare blir raskt tatt i bruk. Maskinvare blir langsomt tatt i bruk.

Den berømte robotikkprofessoren ved MIT, Rodney Brooks, sier at innføringen av programvare skjer en billion ganger raskere enn innføringen av maskinvare

• ChatGPT nådde 100 millioner brukere på to måneder.
• Det vil ta ytterligere 30 år før alle biler er elektriske.
• Det amerikanske luftforsvaret flyr fortsatt med 60 år gamle B-52-fly.

AI i langtidspleien er avhengig av kameraer, og kameraer krever kabling og fysisk installasjon. Det tar tid.

Selskapet mitt, Kepler Vision Technologies, utvikler nettopp denne typen AI for langtidspleieinstitusjoner. Klikk her for mer informasjon.

3. Mester-lærling-strukturen i helsevesenet

Helsepersonell lærer tradisjonelt yrket sitt gjennom et mester-lærling-forhold: unge medarbeidere lærer av erfarne kolleger.

Fordel: de får praktisk erfaring.
Ulempe: læreren har aldri lært å jobbe med AI.

Det er derfor vanskelig å tilegne seg nye ferdigheter, som for eksempel AI-styrt omsorg. Dette er grunnen til at innføringen av AI i langtidspleien tar lang tid.

Har du noen tilbakemeldinger på denne artikkelen? Send meg gjerne en privat melding.