For fire år siden var jeg hjemme hos min mor, da hun pludselig fik et ildebefindende. Hun har dårligt hjerte. Jeg frygtede, at hun var ved at få et hjertestop, så jeg skyndte mig at ringe til alarmcentralen.

Når en person får hjertestop, er de første ti minutter altafgørende. Herefter er chancen for at overleve lille. Derfor er det meget vigtigt, hvordan alarmcentralen og den pårørende agerer.

Min mor overlevede. Det er langtfra alle, der overlever.

På verdensplan er overlevelsesraten meget lav, og det var udgangspunktet, da jeg i 2016 mødtes med tre andre iværksættere fra startup-miljøet for at grundlægge en ny virksomhed. Vores idé var at skabe en robot, som via kunstig intelligens kunne hjælpe sundhedsfagligt personale med at diagnosticere patienter hurtigere og mere effektivt

Vi byggede en robot, som lytter efter ord og vendinger, der kan tyde på hjertestop. På et splitsekund sammenligner den alarmopkaldet med mange millioner andre opkald, den tidligere har lyttet til, og kan derved hjælpe med at vurdere, om der er tale om hjertestop.

Efter to år fik vi dokumentation for, at den virker. Med robottens hjælp bedømte Akutberedskabet i Region Hovedstaden nu hjertestop med 84 procents rigtighed. Uden teknikken var dette 72 procent. Teknologien er dermed med til at redde mennesker, som ellers ville få en dødsdom, fordi man har så kort tid til at reagere.

I vinter var vi godt kørende. Vores robot blev brugt i store dele af verden, vi havde besluttet at køre virksomheden fra USA. Jeg havde solgt min lejlighed i København og var ved at gøre klar til at flytte til USA.

Så fik vi i februar et opkald fra vores italienske partnere. De begyndte at få nogle meget bekymrende tal for covid-19, der spredte sig meget hurtigt. De kunne se, at hvis det udviklede sig til en pandemi, ville mange lande komme til at mangle beskyttelsesudstyr, værnemidler og test, og at der var et presserende behov for at blive bedre til at diagnosticere, om folk havde covid-19.

Vores drøm har hele tiden været, at robotten skulle være i stand til at hjælpe ved meget andet end hjertestop. Vi var bare ikke nået til det endnu.

Da corona kom, fik vi chancen for at bevise dette, og vi satte os for at udvikle vores robot, så den også kunne hjælpe med at diagnosticere covid-19. Siden 2016 har vi fået at vide, at det kun er Apple og Google, der kan bygge en robotlæge, men nu skulle vi en gang for alle bevise, at selv om vi er små, kan vi også skabe noget, der giver mening. Der ville aldrig komme en bedre mulighed end nu.

Byggede coronarobot på fire uger

Vi vidste, at det skulle gå hurtigt, for smittetallene steg kraftigt. Vi havde brugt to år på at bygge robotten og lære den at genkende hjertestop. Så lang tid havde vi ikke nu.

I marts samlede vi hele holdet i København. I USA var der allerede mange smittede, og via vores partnere i Seattle fik vi en masse opkald fra personer, der troede, at de havde corona, og disse opkald kunne vi analysere. Vi lagde dem op på serveren, trænede robotten og fik testet resultaterne. Herefter sendte vi vores resultater tilbage til vores partnere i USA, som fik dem godkendt og udgav en klinisk publication. Alt dette gjorde vi på fire uger, hvor hele holdet arbejdede i døgndrift.

Resultatet blev, at robotten kunne lytte til folk, der beskrev symptomer og kunne skelne mellem sager, som sundhedsvæsenet burde tage alvorligt, og sager, hvor sundhedsvæsenet i første omgang ikke behøvede at være helt så bekymret.

Det betød blandt andet, at akutberedskabet i Seattle kunne være mere datadrevet, når medarbejderne skulle bruge det sparsomme beskyttelsesudstyr. Hvis der var en coronapatient blandt dem, de rykkede ud til, kunne vedkommende smitte alle i ambulancen. De var nødt til at rationere beskyttelsesudstyret og træffe nogle meget svære beslutninger uden at have ordentlig data at gøre det ud fra. Det fik de, da vi fik styr på vores robot.

Det rygtedes hurtigt, og robotten blev rullet ud i forskellige versioner i Region Hovedstaden, Frankrig, New Zealand, Australien og flere steder i USA, hvor offentlige myndigheder bruger teknologien til at få borgere til at diagnosticere sig selv eller til at hjælpe personalet, der diagnosticerer patienter.

»Mange synes, at vi var nogle fantaster«

Da vi stiftede virksomheden i 2016, var der ikke mange, der troede på os, og i begyndelsen handlede det om at overbevise beslutningstagere i sundhedssektoren om, at kunstig intelligens kan spille en rolle. Mange syntes, at vi var nogle fantaster. For hvis IBM og Apple ikke kan bygge en robot, hvorfor skulle et lille dansk firma så kunne det? Samtidig er der ikke nogen af os stiftere, der er lægefagligt uddannet. Jeg er serieiværksætter og har en HD i strategi og ledelse fra Copenhagen Business School, og mine medstiftere er eksperter i kunstig intelligens fra DTU.

Vi fandt derfor hurtigt ud af, at vi måtte gå ærbødigt til opgaven, så vi ikke faldt i kategorien af Silicon Valley-typer med frelsersyndrom, der tror, at teknologi er svaret på alt.

Vi mødte Freddy Lippert, som er læge og direktør for akutberedskabet i Region Hovedstaden. Ikke nok med at han mente, at vores projekt lød spændende, han troede også på, at verden ville gå den vej. Vi blev enige om et samarbejde og blev koblet på et af deres forskningsstudier og fik lov til at lytte til akutberedskabets samtaler.

Vi troede, at vi kunne bruge en masse teknologi fra IBM og Google, som vi kunne bygge ovenpå, men det viste sig, at de etablerede taleteknologier er bygget til podcast og monologer. Det kunne vi ikke bruge, for alle akutopkaldene var larmende, folk var kede af det eller hysteriske, og der var overlap af snak. Det var bestemt ikke som at høre en god podcast. Så ikke nok med, at vi havde påtaget os et sindssygt projekt med at bygge kunstig intelligens, der kunne diagnosticere patienter via lyd, så havde vi også taget en teknologisk byrde på os, hvor alt det, vi troede, vi kunne bygge ovenpå, ikke virkede.

Det var ret frustrerende dengang, hvor det virkede som om, at projektet var en dødssejler, og vi frygtede, at vi ville spilde vores investorers penge og tillid. Vi havde mange aftener, hvor vi overvejede, om vi skulle droppe det, og om vi overhovedet kunne få det til at virke.

Produktet var dog for vigtigt til ikke at blive bygget, og vi troede ikke på, at de store teknologivirksomheder ville satse på det og få det gjort, så vi kastede os ud i at bygge det hele selv.

Robot skal lytte til en million samtaler om måneden

I 2017 kom vendepunktet. Vi fik data tilbage fra akutberedskabet på, at Corti virkede, og der blev udgivet en forskningsartikel, som er første globale evidens for, at det kan lade sig gøre. Herefter fik vi vores partner i Seattle, og kort tid efter fik vi en henvendelse fra EENA, som er en global organisation for alle 112-numre. Vi blev det tredje private partnerskab i EENAs historie efter to store partnerskaber med Google og Apple.

Vores ambition er, at Corti skal lytte med på så mange samtaler som muligt. Vi er gået fra at lytte med på 10.000 opkald om måneden til at lytte med på flere end en kvart million opkald. Målsætningen er at være med på mange millioner opkald hver eneste måned, for så skulle den kunstige intelligens gerne blive så god, at den kan hjælpe med alt fra for tidligt fødte børn til psykisk sygdom og hjerte-kar-sygdomme.

Jo mere kunstig intelligens bliver brugt, jo klogere bliver den. Så når den hjælper mange steder i verden, vil den også blive bedre til at håndtere bølge to eller tre med corona.

Da vi i 2016 diskuterede, hvilken virksomhed vi skulle bygge, kunne vi være drejet en anden vej mange gange. Når vi kan diagnosticere et hjertestop, så forestil dig, hvad vi kunne gøre, hvis vi lyttede med på teleselskaber eller bankers samtaler. Vores udgangspunkt var dog, at vi skulle blive gode til noget, der kunne løse et meningsfuldt problem. Det synes vi, at vi gør nu.

Læs flere historier om forbilleder i en krisetid her

➔