To już nie jest tylko pobudzające wyobraźnię hasło, znane z filmów i książek sci-fi. Sztuczna Inteligencja (z ang. Artificial Intelligence, AI) ma dziś realny wpływ na nasze życie i zdrowie. A medycyna to jedna z dziedzin, które z powodzeniem wykorzystują zaawansowaną informatykę. Jej dalszy rozwój powinien przyczynić się do kolejnych przełomów w służbie zdrowia.

Pojawienie się technologii ChatGPT zwiększyło zainteresowanie zjawiskiem Sztucznej Inteligencji (SI). W jej kontekście eksperci często przywołują terminy związane z informatyką: analizę danych, automatyzację procesów, robotykę, uczenie maszynowe i sieci neuronowe. Do systemów komputerowych wprowadzamy coraz więcej danych, co oznacza rozwój algorytmów, wykorzystywanych w służbie zdrowia. Ten postęp był już zauważalny w trakcie pandemii. System opieki zdrowotnej okazał się wówczas niewydolny, a braki kadrowe odczuwalne. Wzrosło więc zapotrzebowanie na narzędzia podnoszące efektywność świadczeń zdrowotnych. Przyczyniło się to m.in. do ożywienia w obszarze telemedycyny i dalszej automatyzacji procesów administracyjnych. Dziś po SI sięgają zarówno giganci technologiczni, jak i startupy, ośrodki naukowe oraz kliniki. Wg twórcy Microsoftu, Billa Gatesa, a także innych specjalistów z branży informatycznej, rok 2024 upłynie pod znakiem AI. Przyczyni się to do zwiększenia tempa znaczących odkryć w nauce. Te przewidywania wydają się spójne z prognozami ośrodka analitycznego Insider Intelligence.  Jego eksperci już w połowie ubiegłej dekady zakładali, że wartość rynku AI w medycynie będzie rosnąć rocznie o 48%, by osiągnąć w 2025 r. kwotę 34 mld dolarów.

Diagnostyka, badania obrazowe i nie tylko

Sztuczna Inteligencja wykorzystywana jest już w diagnostyce i badaniach obrazowych. Pomaga np. wykrywać zmiany nowotworowe (biomarkery w badaniach krwi), anomalie w pracy serca (elektrokardiografia) lub oznaki udaru mózgu (tomografia komputerowa, rezonans magnetyczny). W trakcie pandemii, aby przyśpieszyć proces diagnostyczny, wspomagano się modułami AI (np. InferRead CT Lung firmy Infervision) przy odczytywaniu obrazów tomograficznych płuc. Oprogramowanie to stworzono w oparciu o analizę kilkuset tysięcy badań z całego świata, a algorytmy pomagały wykrywać zmiany spowodowane wirusem SARS-CoV-2 nawet na wczesnym etapie rozwoju choroby. Taki wirtualny asystent potrafi sam zaznaczyć odpowiednie obszary płuc, identyfikować rodzaj zmian i zaklasyfikować wynik do dalszej oceny lekarza. Tego typu pomoc znacząco zyskała na znaczeniu w warunkach mocno obciążonego systemu. Dziś duże nadzieje eksperci rynku medycznego wiążą z opracowywanymi modelami do rozpoznawania mowy i odczytywania naszych zachowań pod kątem diagnozowania zdrowia psychicznego. 

Szansa na poprawienie wydajności sektora medycznego

Wg raportu PARP „Branżowy Bilans Kapitału Ludzkiego – Branża opieka zdrowotna i pomoc społeczna”, Polska ma jeden z najniższych wskaźników liczby lekarzy na tysiąc mieszkańców w UE. Algorytmy mogą pomóc pracownikom placówek medycznych, którzy poświęcają dużo czasu na wypełnianie dokumentacji, wprowadzanie danych i archiwizację. Usprawnienie tych procesów pozwala na obsłużenie większej liczby interesantów. Uproszczone zostały też procedury komunikacji z klientami. Powiadomienia, przypomnienia o wizytach czy zaproszenia na badania przesiewowe można generować automatycznie, a voiceboty obsługujące infolinie stają się codziennością. Pacjentom udostępniane są na bieżąco wyniki badań, mogą też śledzić historię wizyt w placówce. Dzięki takim rozwiązaniom technologicznym jak Zbadani.pl, pacjent otrzymuje swoje badanie obrazowe sms-em, może je przechowywać w swojej wirtualnej teczce medycznej oraz udostępniać poprzez bezpieczny link do wybranego specjalisty aby otrzymać niezwłocznie konsultacje i diagnozę.

Osoby przyjmujące leki mają możliwość zainstalowania w smartfonie aplikacji, przypominającej o kolejnych dawkach i monitorującej stan zdrowia. Z kolei szpitale i kliniki mogą być lepiej zarządzane dzięki usprawnieniu administracji, logistyki i efektywniejszemu planowaniu dostaw. Objęcie nadzorem SI urządzeń i sprzętu szpitalnego oznacza lepszą konserwację i tańszą eksploatację. Stosowane w chirurgii roboty potrafią w czasie rzeczywistym analizować dane, co zwiększa jakość ich pracy i bezpieczeństwo operowanych osób. Sami lekarze mogą się doszkalać na zaawansowanych modelach anatomicznych (odwzorowujących zachowania tkanek), a w środowisku wirtualnej rzeczywistości (VR) trenować skomplikowane zabiegi.

Leki od AI? To realne

Już dziś analiza wielkich zbiorów danych przy pomocy algorytmów uczenia maszynowego i Sztucznej Inteligencji poszerza naszą wiedzę na temat mechanizmów chorób i odgrywa znaczącą rolę przy wprowadzaniu kolejnych terapii. Praca nad nowymi lekami to dziś wyzwanie nie tylko dla chemików i biologów, ale także informatyków. Środowisko komputerowe stało się jednym z narzędzi, wykorzystywanych przez przemysł farmaceutyczny. Pozwala skutecznie pracować nad nowymi substancjami chemicznymi oraz przewidywać ich wpływ na pacjenta. Rezultaty prób klinicznych SI pozwala konfrontować na bieżąco z wynikami badań obrazowych, laboratoryjnych i genetycznych. Sama genetyka to z kolei jedna z kluczowych dziedzin przy opracowywaniu leków, dedykowanych chorobom rzadkim. Zaawansowane badania nad ludzkim genomem pozwalają na personalizowanie planów leczenia.

Potrzeba dalszych badań i weryfikacji

Sztuczna Inteligencja jest coraz częściej wykorzystywana w medycynie, ale wymaga kolejnych badań i pogłębiania wiedzy. Eksperci zwracają uwagę na związane z AI ograniczenia oraz ewentualne ryzyka. Mowa tu m.in. o niewystarczającej ilości danych, potrzebnych do uczenia algorytmów oraz błędach, mogących skutkować niewłaściwą diagnozą lub wyborem nieodpowiedniego leczenia. Praktyka wprowadzania danych do różnych systemów informatycznych może z kolei utrudniać ich przekazywanie między zakładami opieki zdrowotnej. Dlatego zaczęto stosować ujednolicone standardy zapisywania i przenoszenia (np. DICOM w przypadku diagnostyki obrazowej). W ostatnich latach możemy mówić o skokowym wzroście liczby informacji, dostarczanych do cyfrowego ekosystemu. W tym kontekście zyskują na znaczeniu kwestie etyczne i ochrony prywatności pacjentów. Niezbędne stają się: szyfrowanie danych, anonimizacja, odpowiedni nadzór, szkolenia personelu placówek, wdrażanie procedur bezpieczeństwa i przepisów prawa. Nie zmienia to faktu, że wykorzystanie SI w radioobrazowaniu, gdzie pacjent będzie w stanie w trybie natychmiastowym otrzymać od SI raport z wykonanego badania obrazowego to już bliska przyszłość.