Det samme tal kan betyde to forskellige ting

Du får taget blodprøver. Lægen siger, at det hele ser normalt ud. Du går hjem.

Hvad ingen fortalte dig: Et af tallene lå 15 % højere end for et år siden og 30 % højere end for to år siden. Det er stadig inden for »normalområdet«, så der kommer ingen advarsel, intet opkald, ingen opfølgning. Men tallet bevæger sig. Og hvor det er på vej hen, betyder mere end hvor det står i dag.

Alle kliniske systemer, der er i brug i dag, virker på samme måde. Ligger tallet over eller under en streg? Ja eller nej. Hele det moderne sundhedsvæsens infrastruktur er bygget til at besvare netop det spørgsmål. Og det er det forkerte spørgsmål.

Det spørgsmål, der tæller

Samme dag dukker en kreatinin på 1,4 op i to journaler.

Hos den første patient var kreatinin 0,9 for halvandet år siden. Siden 1,0. Så 1,2. Nu 1,4. Fortsætter kurven, er patienten på vej mod nyresygdom inden for et år. Men 1,4 ligger under alarmgrænsen. Intet slår alarm, og konsultationen slutter med »ny prøve om tre måneder«.

Den anden patient har ligget på 1,4 i tre år. Stabil. Velbehandlet. Rutine.

Samme tal. Den ene patient er i problemer. Den anden har det fint. Intet system i klinisk brug i dag kan se forskel. Ikke Epic. Ikke Cerner. Ikke et eneste af de AI-værktøjer, der er bygget oven på dem. De ser alle sammen 1,4 og stiller det samme spørgsmål: Ligger det over stregen?

Det rigtige spørgsmål er: Hvor har tallet været, hvor er det på vej hen, og hvor hurtigt?

Alle læger ved det. Alle systemer overser det.

Da jeg selv så patienter, gjorde de bedste klinikere, jeg arbejdede med, noget, journalsystemet ikke kunne gøre for dem. De fandt gamle prøvesvar frem og tegnede tendenslinjer på et stykke kladdepapir. De bar tre års værdier rundt i hovedet og ræsonnerede ud fra retningen. De spurgte ikke »er tallet normalt?«. De spurgte »ændrer patienten sig?«.

Den måde at tænke på er fundamentet for god klinisk medicin. Alligevel efterligner intet udbredt klinisk system den. Den elektroniske patientjournal blev bygget til at dokumentere konsultationer med henblik på afregning. Alarmerne blev bygget til at tjekke grænseværdier. AI-værktøjerne blev bygget oven på de samme grænseværdibaserede systemer. Lag på lag af teknologi, og stadig får det mest grundlæggende kliniske spørgsmål intet svar: Bliver patienten bedre eller dårligere over tid?

Prisen for ikke at læse forløbet

37 millioner voksne i USA har kronisk nyresygdom. 90 % af dem ved det ikke.

Det skyldes ikke, at data mangler. Deres kreatinin har sneget sig opad i årevis, synligt i journalen, set ved hvert besøg, arkiveret og glemt. Opdages kronisk nyresygdom tidligt, kan den behandles for 2.000 til 5.000 dollars om året. Opdages den sent, koster dialyse 90.000 dollars om året. Forskellen mellem de to udfald er, om nogen læste forløbet.

Det samme mønster gentager sig ved diabetes, hjertesvigt, KOL og forhøjet blodtryk: år med en glidning, der kunne have været opdaget, men som forbliver usynlig for systemer, der kun spørger, om dagens tal ligger over en streg.

Hvorfor ingen andre gør det

Det meste kliniske AI er trænet på øjebliksbilleder. Ét besøg. Én blodprøve. Ét tidspunkt. Modellen lærer at klassificere øjeblikket som højrisiko eller lavrisiko. Den ser en kreatinin på 1,4 i dag og har ingen anelse om, hvad den var for halvandet år siden.

Et forløb kan ikke aflæses af et øjebliksbillede, og en langsom glidning kan ikke ses i et enkelt punkt. Selve arkitekturen forhindrer det. Flere data i en øjebliksmodel løser ikke problemet. Det gør en større model heller ikke. Det er måden, patienten er repræsenteret på, der skal ændres. Tiden skal være den bærende dimension, ikke en eftertanke.

Det er det, der adskiller Chroneme fra alt andet på markedet. Ikke en bedre algoritme på de samme data, men en grundlæggende anden måde at repræsentere helbred på. Patienten findes som et sammenhængende signal på tværs af år og behandlere, ikke som en række løsrevne besøg. Systemet aflæser, hvordan tingene ændrer sig sammen over tid, og ved, hvornår et forløb er på vej et sted hen, der kræver opmærksomhed.

Hvad det betyder i praksis

Systemet slår alarm for den første patient. Ikke for den anden. Samme kreatinin. Forskellige forløb. Forskellige anbefalinger.

Det er den slags forandring, vi bygger Chroneme til at fange. Vi validerer systemet efter en på forhånd registreret protokol og vil offentliggøre resultaterne, også dér hvor det kommer til kort.

De forandringer, der tidligst får betydning, er sjældent de dramatiske. Det er de langsomme glidninger. En kreatinin, der stiger 0,1 i kvartalet. En hvilepuls, der kryber et par slag op hver måned. En iltmætning, der synker stille over flere uger. Mønstre, som intet enkelt måletal nogensinde ville udløse en alarm for. Mønstre, som grænseværdibaserede systemer er blinde for, alene på grund af den måde, de er bygget på.

Det er dér, den næste generation af klinisk intelligens hører hjemme. Ikke i at fange nødsituationerne, men i at fange de langsomme nødsituationer, før de bliver til hurtige.