Höjdpunkter från sessionen: PAS-kongressen 2026

AI är bara ett verktyg, men det spelar roll hur vi använder det

---

 

Kärnan i AI: Hur det fungerar och vart det är på väg

Hon diskuterade framtiden för AI inom rörelsestörningar och betonade att införandet av AI representerar ett paradigmskifte från visuell fenomenologi till mer precisa vårdmodeller för rörelsestörningar. Hon redogjorde också för stegen i utvecklingsprocessen för AI-verktyg (utbildning, validering, implementering och övervakning), samt vanliga fördomar och fallgropar som kan komma in under dessa steg och äventyra AI:ns noggrannhet.

Slutligen avslutade Dr. Afshari föreläsningen med att sammanfatta våra "AI-ansvar" när vi går in i denna framtida era där många av oss utan tvekan kommer att både använda och skapa AI-verktyg, vilket inkluderade att utveckla regleringsmekanismer och välja våra datakällor baserat på expertkonsensus. En viktig lärdom som genomsyrade Dr. Afsharis föreläsning var att Neurologer är faktiskt de som bäst kan förstå hur AI fungerar., att omfamna det och att fortsätta engagera sig i debatter i framtiden med tanke på vår djupa förståelse av neurala nätverk och intelligens.

Hur kliniker använder AI i praktik och forskning

Dr. Violantes andra föreläsning lyfte vackert fram hur paradigmskiftet mot precisionsmedicin har förverkligats genom användningsfall av olika AI-modeller. Hon strukturerade sitt föredrag i tre delar – en beskrivning av hur nuvarande AI-verktyg kan hjälpa kliniker och forskare att (1) producera, (2) söka och (3) integrera data – inte bara lägga till muskelkraft till de förmågor våra mänskliga hjärnor redan har, utan frigöra rekonstruktiva förmågor för att avslöja nya informationslager.

När det gäller dataproduktion diskuterade Dr. Violante flera exempel på djup fenotypning vid Parkinsons sjukdomar och digitala biomarkörer. Hon granskade också maskininlärning tillämpad på neuroavbildning för tidig upptäckt och övervakning både i klinisk miljö och särskilt i samband med terapeutiska kliniska prövningar av Huntingtons sjukdom. Analysen av multimodala datamängder – dvs. multi-omics – via maskininlärningsmodeller beskrevs i samband med prediktionsmodeller för att identifiera prognostiska biomarkörer, till exempel snabbare kognitiv nedgång vid Parkinsons sjukdom, vilket traditionellt inte kan härledas enbart i klinisk miljö.

När det gäller datasökning gav Dr. Violante oss en mycket omfattande granskning av alla de olika sätt AI kan användas för att söka, syntetisera och till och med presentera publicerade bevis, i slutändan baserat på storskalig språkmodellering. Hon granskade AI-drivna verktyg för att hjälpa till med litteratursökningar, besvara mycket specifika frågor, utföra systematiska granskningar och metaanalyser, och till och med... extrapolera nya forskningsfrågor genom att identifiera mekanistiska överlappningarDessa verktyg kan söka bland miljontals publikationer – en bedrift som helt enkelt skulle vara omöjlig för en enda forskare.

Slutligen, när det gäller att integrera data, introducerades tillämpningen av AI som ett kliniskt beslutsstödssystem (CDSS), med djup hjärnstimulering som det perfekta exempel på användning. Från preoperativ planering för att förbättra målinriktningen med 7T MR-avbildning av patientanatomi till AI-drivna automatiserade algoritmer för att justera inställningar baserat på klinisk nytta och biverkningsprofiler, presenterade Dr. Violante hur AI lovar starkt att förbättra djup hjärnstimulering inom flera vårdområden.

Kan AI överbrygga klyftan mellan nord och syd i PAS-regionen?

Den sista föreläsningen hölls av Dr. Perez-Lloret, som kunde sammanfatta de viktigaste idéerna och användningsfallsexemplen som presenterats i de två föregående föreläsningarna och ta diskussionen ett steg längre, genom att ge tankar om hur AI-verktyg kan ge mer enhetlig tillgång, mer rättvis vård och en mer mångsidig forskningsrepresentation.

Med kliniska besök som bara representerar toppen av isberget av vad patienterna upplever, diskuterade han hur Tillväxten av bärbara enheter har gjort det möjligt för oss att fånga verkliga patientupplevelser, där minst åtta av dessa enheter nu är godkända av FDA och EMA. Som en växande expert på datorseendesystem diskuterade Dr. Perez-Lloret hur Datorseende kan hjälpa till att standardisera undersökningen av rörelsestörningar, särskilt med avseende på Parkinsons sjukdom, där undersökningsnoggrannhet, särskilt vid fastställandet av kliniska prövningsresultat, är så avgörande. Ytterligare framväxande tekniker inom datorseende, som datorauditionssystem och mobila hälsoappar, introducerades också som nya sätt AI skulle kunna förändra patientbedömningar i framtiden. Med mindre än 50 % av patienterna med rörelsestörningar som har tillgång till en specialist på rörelsestörningar i både Nord- och Sydamerika, var ett av Dr. Perez-Llorets budskap att AI-verktyg har potential att minska åtkomstklyftan och förbättra vården för våra patienter.

Det övergripande budskapet från plenarsessionen var att AI ersätter inte klinisk bedömning, utan snarare är det ett verktyg som bara är användbart om det utvecklas noggrant, används ansvarsfullt och tolkas kritiskt. Sessionen betonade att AI-system bör förstås aktivt istället för passivt, att klinisk expertis fortfarande är nödvändig för att vägleda deras utveckling och validering, och att rättvisa bör vara högsta prioritet när dessa tekniker används i olika hälso- och sjukvårdssystem. Att säkerställa att AI-utbildningsdataset inkluderar olika populationer kommer att vara avgörande för att undvika partiskhet och för att bibehålla tillämpbarheten av AI-verktyg i underrepresenterade regioner, inklusive populationer från många sydamerikanska länder.

I slutändan kommer framtiden för AI inom rörelsestörningar inte bara att bero på hur väl tekniken fungerar, utan också på standarderna, ansvarsskyldigheten och målen hos de kliniker och forskare som väljer att använda den.