Gillie.AI

Ikke enda en sensor

De fleste løsningene i denne katalogen samler inn nye data: En sensor i taket, en alarm rundt halsen, en dispenser på kjøkkenbenken. Gillie.AI gjør det motsatte. Selskapet leverer ingen maskinvare, men analyserer det tjenesten allerede skriver og måler: Besøksnotater, diagnoser, legemiddellister, laboratoriesvar, målinger fra trygghetsteknologi og loggene fra responssenteret.

Forskjellen er verdt å merke seg før en anskaffelse: Gevinsten avhenger ikke av at nytt utstyr monteres hjemme hos noen, men av at dokumentasjonen som allerede finnes er god nok til å analysere. Sensio Insight hører til samme familie av beslutningsstøtte, mens Kepler Night Nurse er et eksempel på kunstig intelligens som tolker sensorsignaler i stedet for tekst.

Slik virker det

I stedet for faste grenseverdier bygger systemet et normalbilde av hver enkelt person. Selskapet oppgir at modellene bruker to til tre uker på å lære hva som er vanlig for den ene brukeren, og at det er avvik fra dette normalbildet — ikke en terskel som gjelder for alle — som utløser varsel. Systemet ser på hvor ofte avvikene kommer og hvilken vei utviklingen går over uker og måneder, slik at én dårlig dag ikke blir et varsel i seg selv.

Det som følges er funksjonsnivå mer enn enkeltmålinger: Kognisjon, smerte, bevegelse, matinntak, tale, pust og evnen til å klare dagliglivets gjøremål. Helsepersonell får en prioritert liste framfor en varselstrøm, der de mest alvorlige endringene ligger øverst, og kan slå av varsler som ikke er relevante for den enkelte brukeren. Selskapet oppgir at modellene har en feilmargin på to til tre prosent målt mot fagfolks egne vurderinger.

Modulene

• KI for hjemmetjenesten: Analyse av funksjonsnivå, varsler om avvik, risikofaktorer for akuttbesøk, vurdering av livskvalitet og av om brukeren fortsatt klarer seg hjemme.
• KI for sykehjem: Samme analyse på institusjon, lagt inn i systemene de ansatte allerede bruker, med støtte for kartleggingsverktøy som interRAI, RAVA, Omaha System og IFSIII.
• KI for nødovervåking: Ser på mønsteret i alarmene — hvor ofte de kommer, når på døgnet, og hvordan de blir besvart — og gir ledere oversikt over endringer i brukerens atferd og i tjenestens respons.
• Legemiddeloppslag: Et søkeverktøy for preparatomtaler, interaksjoner, kontraindikasjoner, bivirkninger og dosering, blant annet ved nedsatt nyre- og leverfunksjon. Selskapet understreker selv at dette er et oppslagsverk, ikke et verktøy for diagnostikk eller behandling.
• IoT-plattform: Knytter brukerens egne måle- og trygghetsapparater til fagsystemene, slik at målinger havner der de ansatte jobber, og varsler kan sendes videre til andre systemer.

Tallene selskapet oppgir

Gillie.AI oppgir 396 millioner observasjoner, 95 000 pasienter og 67 helseorganisasjoner, og en treffsikkerhet på 96 prosent. For hjemmetjenesten anslår selskapet en innsparing på 1 000 til 2 000 euro per bruker i året, og at færre akuttbesøk alene utgjør over 300 euro per bruker. Selskapet oppgir også at halvparten av brukerne som har flere risikofaktorer samtidig, havner i akuttmottak i løpet av to uker — poenget er at systemet skal fange dem opp før det skjer.

Dette er leverandørens egne tall, hentet fra nettsidene deres i september 2026, og de er i hovedsak basert på finske tjenester. De sier noe om retningen, ikke om hva en norsk kommune vil oppnå. Det avgjøres av arbeidet etterpå, som vi har skrevet om både i gevinstrealisering som metode og i den virkelige utfordringen etter implementeringen.

Gillie i Norge

Løsningen distribueres i Norge av Atea, som også står for integrasjon, innføring og oppfølging. Det mest omfattende prosjektet er i Nordre Follo. Der brukes teknologien både som støtte i de faglige vurderingene og i arbeidet med digitale hjemmebesøk. Ambisjonen kommunen selv beskriver er å gå fra å reagere på hendelser til å se utviklingen tidligere, og å koke store datamengder ned til noen få anbefalinger som er til å handle på.

Vi omtalte Gillie.AI første gang i 2024, i artikkelen Hvordan Gillie.AI bruker kunstig intelligens til pasientbehandling og effektivisering av helsevesenet. Tallene i den artikkelen er fra den gang; denne siden bruker det selskapet oppgir i dag.

Hva kommunen bør spørre om

• Er dokumentasjonen god nok? Analysen blir ikke bedre enn notatene og målingene den leser.
• Hvor havner varslene? Verdien avhenger av at de kommer fram der de ansatte allerede jobber, som i journalsystemet, og ikke i en ny arbeidsflate ved siden av.
• Hvem handler på varselet, og innen hvor lang tid? Selskapet beskriver en responstid på én til tre dager. Det må være en rutine, ikke en intensjon.
• Hva er den juridiske statusen? Selskapet oppgir at løsningen er beslutningsstøtte og ikke CE-merket medisinsk utstyr. Ansvaret for vurderingen ligger fortsatt hos helsepersonellet.
• Hvordan er personvernet løst, hvor behandles dataene, og hva skjer med data og modeller hvis avtalen avsluttes? Se også hvorfor dataportabilitet er viktig.

Kunstig intelligens i helsetjenesten er ikke noe nytt tema hos oss. Vi har skrevet om kunstig intelligens som helsepersonellets nye superkraft og om teknologisk synergi og mulighetene framover.

Referanser og kilder

Kildene under ligger hos selskapet selv, hos kommunen og hos distributøren. Eksterne lenker åpnes i ny fane.

• Gillie.AI — produkter og løsninger
• AI for Home Care (Gillie.AI)
• AI for Nursing Homes (Gillie.AI)
• AI for Emergency Monitoring (Gillie.AI)
• Gillie IoT
• Nordre Follo kommune: Kunstig intelligens som beslutningsstøtte og til digitale hjemmebesøk
• Kundereferanse: Slik bruker Nordre Follo AI for å forebygge innleggelser (Atea)

Våre egne artikler og sider

• Hvordan Gillie.AI bruker kunstig intelligens til pasientbehandling og effektivisering av helsevesenet — vår omtale fra 2024
• Atea — leverandøren som distribuerer Gillie i Norge
• Kunstig intelligens: Helsepersonellets nye superkraft

Bildet i toppen av artikkelen er hentet fra Gillie.AI.