Abstract
Denne masteroppgaven utforsker utformingen av et menneskesentrert, Kunstig Intelligens (KI)-veiledet brukergrensesnitt for point-of-care ultralyd (POCUS), for å gjennomføre og tolke eFAST-undersøkelsen (Extended Focused Assessment with Sonography in Trauma), som identifiserer indre blødning og pneumotoraks. I Combat Casualty Care (CCC) er dette kritisk, ettersom ikke-komprimerbar torsohemoragi fortsatt er en av de ledende årsakene til forebyggbar død før kirurgi. Målet er å gjøre det mulig for helsepersonell i militæret, uten spesiell kompetanse i ultralyd, å utføre og tolke livreddende diagnostikk i krise- og krigssituasjoner. Prosjektet er gjennomført i samarbeid med SINTEF, og er en del av AI POCUS CCC-prosjektet. Oppgaven utforsker hvordan menneskesentrert designmetodikk kan anvendes for å skape et intuitivt og pålitelig brukergrensesnitt for KI-assistert ultralyd, samtidig som transparens, tilbakemelding og feiltoleranse i KI-støttet beslutningstaking ivaretas.
Resultatene fra denne masteravhandlingen indikerer at et godt utformet KI-veiledet brukergrensesnitt kan redusere kognitiv belastning og strukturere oppgaveutførelse, som gjør det mulig for uerfarne brukere å utføre komplekse diagnostiske prosedyrer mer effektivt. I tillegg fremhever studien viktigheten av å designe for transparens og brukerkontroll for å fremme tillit og etisk ansvar ved bruk av KI i helsesystemer. Dette arbeidet viser hvordan menneskesentrert design kan bidra i utviklingen av KI-assisterte diagnostiske verktøy, der målet er å styrke militærmedisinske kapasiteter og støtte rask og informert beslutningstaking i krise- og krigssituasjoner.