Sztuczna inteligencja w szpitalach. Obszary zastosowania, korzyści i wyzwania

Wdrożenie sztucznej inteligencji w szpitalach stwarza potencjał do poprawy wyników leczenia pacjentów, obniżenia kosztów oraz zwiększenia dostępności i wydajności. Jest to technologia, która wymaga określonej ostrożności i racjonalnego podejścia z uwagi na złożoność zagadnienia i konkretne wyzwania związane z jej wdrażaniem.

Idea sztucznej inteligencji w opiece zdrowotnej powstała już we wczesnych latach rozwoju informatyki, kiedy naukowcy po raz pierwszy wyobrazili sobie maszyny, które mogłyby replikować ludzką inteligencję. Te wczesne koncepcje położyły podwaliny pod przyszłość, w której sztuczna inteligencja może zrewolucjonizować różne branże, w tym opiekę zdrowotną. Chociaż sztuczna inteligencja była wykorzystywana w środowiskach medycznych już w 1970 roku, jej największy potencjał został dostrzeżony w ciągu ostatniej dekady. Coraz liczniejsze przykłady wdrożeń sztucznej inteligencji są dowodem na to, że ta technologia umożliwia szpitalom racjonalizację procesów klinicznych, dostosowywanie opieki nad pacjentem do indywidualnych jego potrzeb i ułatwia bezproblemową współpracę między świadczeniodawcami opieki zdrowotnej. Co więcej, wdrażanie rozwiązań z wykorzystaniem sztucznej inteligencji może przyczynić się do rozwiązania wybranych palących problemów w placówkach medycznych.

Sztuczna inteligencja na rzecz spersonalizowanych planów leczenia

Jednym z możliwych zastosowań algorytmów sztucznej inteligencji jest tzw. medycyna precyzyjna. Ten rodzaj medycyny dostosowuje leczenie, biorąc pod uwagę genetykę, środowisko i styl życia danej osoby. Wdrożenie sztucznej inteligencji w obszarze analizy złożonych danych istotnie poprawia skuteczność i efektywność procesów terapeutycznych ukierunkowanych na konkretnego pacjenta. Co więcej, sztuczna inteligencja wspiera proces analizy obszernych zbiorów danych pacjentów, aby wskazać najskuteczniejsze metody leczenia, poprawiając ich skuteczność i zmniejszając skutki uboczne.

Algorytmy sztucznej inteligencji mogą również znaleźć zastosowanie w obszarze analizy danych pacjenta na rzecz automatyzacji procesu dostosowywania dawek w celu zwiększenia bezpieczeństwa i skuteczności. W rezultacie takie podejście minimalizuje błędy związane z podawaniem leków, zapewniając pacjentom otrzymywanie dokładnych dawek we właściwym czasie. Usprawniając procesy dawkowania i monitorowania leków, sztuczna inteligencja nie tylko poprawia wyniki leczenia pacjentów, ale także skraca czas i koszty. Analityka predykcyjna oparta na sztucznej inteligencji umożliwia szpitalom wykorzystanie wglądu w dane pacjentów, usprawnienie decyzji dotyczących planów leczenia i poprawę wyników leczenia pacjentów.

Szybsze diagnozy dzięki sztucznej inteligencji

Kolejnym obszarem zastosowania sztucznej inteligencji jest obszar związany z diagnozowaniem chorób. Algorytmy sztucznej inteligencji mogą pomóc pracownikom służby zdrowia w podejmowaniu świadomych decyzji dzięki wykorzystaniu ogromnych zbiorów danych medycznych. Aby wygenerować zalecenia oparte na dowodach, modele uczenia maszynowego analizują historie pacjentów, dane testowe i wyniki leczenia.

Analiza obrazu oparta na sztucznej inteligencji może z kolei zrewolucjonizować radiologię i obrazowanie medyczne, zwiększając dokładność diagnostyczną dzięki zaawansowanym technikom uczenia maszynowego. Sztuczna inteligencja może również wspierać badania patomorfologiczne i laboratoryjne, zwiększając skuteczność i dokładność diagnozowania chorób. Dzięki takiemu podejściu możliwe jest minimalizowanie błędów diagnostycznych i uzyskiwanie bardziej trafnych wyników badań.

Algorytmy sztucznej inteligencji mogą również znaleźć zastosowanie w obszarze elektronicznej dokumentacji medycznej podczas analizy różnorodnych danych pacjentów w celu szybszej i bardziej skutecznej interpretacji danych oraz łączenia różnych faktów medycznych. Sztuczna inteligencja może również wspierać rozwiązania z wykorzystaniem technologii robotycznych i pozwalać chirurgom na przeprowadzanie w sposób bardzo precyzyjny operacji o charakterze małoinwazyjnym. Sterowane za pomocą konsol komputerowych roboty zapewniają lepszą wizualizację i precyzję działania, minimalizując powikłania, ból pooperacyjny i skracając czas rekonwalescencji. Dzięki temu chirurdzy mogą wykorzystać możliwości systemów robotycznych w celu poprawy wyników operacji i rekonwalescencji pacjenta.

Algorytmy AI na rzecz procesów nieklinicznych

Oparte na sztucznej inteligencji systemy zarządzania procesami biznesowymi (BPM) i zrobotyzowanej automatyzacji procesów (RPA) mogą automatyzować rutynowe obowiązki administracyjne, w tym planowanie zabiegów czy fakturowanie. Upraszczając te procedury, szpitale mogą zmniejszyć liczbę błędów, skrócić czas realizacji zamówień i odciążyć personel od czynności o charakterze biurokratycznym. Co więcej, rozwiązania takie jak chatboty czy wirtualni asystenci, oparte na sztucznej inteligencji, mogą zwiększyć zaangażowanie pacjentów, oferując całodobową pomoc i odpowiadając na często zadawane pytania.

Wykorzystując przetwarzanie języka naturalnego (NLP) i algorytmy uczenia maszynowego, sztuczna inteligencja może zwiększyć dokładność i kompletność dokumentacji medycznej. Zmniejsza to liczbę błędów i zapewnia zgodność z przepisami. Co więcej, narzędzia oparte na sztucznej inteligencji umożliwiają szybszy przegląd i aktualizację dokumentacji, dzięki czemu lekarze mogą skupić się bardziej na interakcji z pacjentem niż na zadaniach administracyjnych.

Racjonalizacja łańcucha dostaw w szpitalach oparta na sztucznej inteligencji może w istotny sposób wspierać proces zarządzania zasobami, automatyzując czynności związane z zarządzaniem zapasami i racjonalizując alokację zasobów. To transformacyjne podejście może zapewnić szpitalom niezbędne materiały i sprzęt do optymalnej opieki nad pacjentami, jednocześnie minimalizując straty i obniżając koszty.

Planowanie usług medycznych wspomagane sztuczną inteligencją zwiększa wydajność opieki zdrowotnej, optymalizując czas wizyt w oparciu o analizę danych pacjenta, skracając czas oczekiwania i poprawiając przepływ pacjentów. Co ciekawe, sztuczna inteligencja w szpitalach może zapewnić ciekawsze i bardziej zindywidualizowane doświadczenia pacjentów. Algorytmy sztucznej inteligencji mają możliwość dostosowywania planów opieki, materiałów edukacyjnych i taktyk komunikacyjnych dla każdego pacjenta poprzez badanie jego danych, preferencji i interakcji. Wykazano, że stosowanie takich rozwiązań może zwiększyć zadowolenie pacjentów, przestrzeganie planu leczenia i ogólne wyniki zdrowotne.

Praktyczne przykłady ze świata

Według badania opublikowanego w Internecie 23 lutego br. w „JAMA Cardiology” narzędzie sztucznej inteligencji (AI) może skutecznie identyfikować i rozróżniać dwie zagrażające życiu choroby serca od filmów ultrasonograficznych. Algorytm identyfikuje pacjentów wysokiego ryzyka z większą dokładnością niż dobrze wyszkolone oko eksperta klinicznego. Według naukowców dzieje się tak, ponieważ algorytm wychwytuje subtelne wskazówki na filmach USG, które rozróżniają choroby serca, które podczas wstępnego przeglądu często mogą wyglądać bardzo podobnie do łagodniejszych, a także do siebie nawzajem.

Z kolei oparte na technologii Google Glass okulary, zwane Envision Glasses, mogą pomóc niewidomym osobom w zrozumieniu otaczającego ich świata. Ten projekt został zaprezentowany w czasie CSUN Assistive Technology Conference. Envision Glasses mają umożliwiać łączenie się z urządzeniami działającymi na systemach iOS/Android. Osoba korzystająca z tych okularów, całkowicie niewidoma bądź niedowidząca, chcąc dowiedzieć się, co znajduje się przed nią, musi uruchomić odpowiedni tryb działania. Kiedy tak się stanie, użytkownik dwukrotnie stuka w urządzenie, aby zarejestrowało obraz. Ten jest następnie przetwarzany przez algorytmy oparte na sztucznej inteligencji.

Naukowcy z amerykańskiego szpitala Cedars-Sinai w Los Angeles opracowali algorytm sztucznej inteligencji do prognozowania zawału serca. Algorytm wspiera pomiar tempa narastania blaszki miażdżycowej w naczyniach wieńcowych. Narastanie tej blaszki może powodować zwężanie się tętnic, utrudniając dopływ krwi do serca, co zwiększa ryzyko wystąpienia zawału. W diagnostyce dolegliwości bólowych ze strony serca pomaga badanie zwane angiografią naczyń wieńcowych metodą tomografii komputerowej (CCTA). Podczas takiego badania wykonywane są trójwymiarowe obrazy serca i tętnic. Obrazy te dostarczają lekarzom szacunkowych danych na temat stopnia zwężenia tętnic pacjenta. Nowo opracowany algorytm pozwala na prosty, zautomatyzowany i szybki sposób pomiaru blaszki miażdżycowej widocznej na obrazach CCTA.

W Polsce sztuczna inteligencja (AI) jest coraz częściej wykorzystywana w szpitalach i placówkach medycznych.

Przykłady tych wdrożeń są następujące:

1. RSQ AI: systemy wspomagania decyzji diagnostycznych dla obrazowania medycznego, takich jak RTG, tomografia komputerowa i rezonans magnetyczny.
2. Radiato.ai: narzędzie wspierające diagnostykę guzów nerek.
3. CancerCenter.ai: oprogramowanie do ręcznego skanowania preparatów laboratoryjnych, umożliwiające tworzenie wysokiej jakości obrazów cyfrowych próbek laboratoryjnych i ich analizę przy wsparciu AI.
4. iSIL-FFR: nowoczesna, nieinwazyjna metoda diagnostyki choroby wieńcowej serca, opracowana przez LifeFlow.
5. VSI HoloMedicine^®: platforma przekształcająca obrazy medyczne oraz przebieg pracy klinicznej i edukacji medycznej w interaktywne środowisko trójwymiarowej rzeczywistości mieszanej, wykorzystująca okulary HoloLens2.

Te innowacje pomagają w szybszej i dokładniejszej diagnostyce, we wdrażaniu odpowiedniego leczenia oraz w optymalizacji zasobów i kosztów w systemie opieki zdrowotnej.

Wyzwania we wdrażaniu sztucznej inteligencji

Chociaż integracja sztucznej inteligencji w szpitalach oferuje wiele korzyści, wiąże się również z wyzwaniami i względami etycznymi. Prywatność i bezpieczeństwo danych są najważniejsze, ponieważ dane medyczne są bardzo wrażliwe. Szpitale muszą wdrożyć odpowiednie środki w celu ochrony informacji o pacjentach i przestrzegania przepisów dotyczących ochrony danych, ubezpieczenia zdrowotnego i innych norm określonych przez odpowiednie przepisy prawa. Ponadto istnieje potrzeba zapewnienia przejrzystości algorytmów sztucznej inteligencji. Dzięki temu pracownicy ochrony zdrowia zrozumieją wnioski wyciągnięte z wykorzystaniem sztucznej inteligencji i zaufają im.

Kluczowym zagadnieniem z punktu widzenia implementacji algorytmów sztucznej inteligencji w opiece zdrowotnej jest ochrona obywateli przed potencjalnymi szkodami związanymi z nową technologią, jak również zapewnienie im bezpieczeństwa i zagwarantowanie ochrony praw podstawowych. Dlatego też 21 maja 2024 Rada Europejska zatwierdziła przełomową ustawę mającą na celu harmonizację przepisów dotyczących sztucznej inteligencji, tzw. akt w sprawie sztucznej inteligencji.

Nowe regulacje prawne wymagają podjęcia określonych działań na rzecz stworzenia w Polsce warunków, ułatwiających opracowywanie i testowanie nowoczesnych rozwiązań, bazujących na algorytmach sztucznej inteligencji przed ich wprowadzeniem do obrotu. Kluczowe jest również umożliwienie testowania tych rozwiązań w warunkach rzeczywistych. Z perspektywy ochrony zdrowia dostęp do takiej infrastruktury powinny mieć w szczególności start-upy medyczne, których działalność to swoisty poligon doświadczalny w zakresie opracowywania innowacji w tej branży. Dzięki temu możliwe będzie rzetelne opracowywanie i trenowanie innowacyjnych algorytmów AI, zanim znajdą zastosowanie na przykład w placówkach medycznych.

Podsumowanie

Sztuczna inteligencja w szpitalach znacząco wpłynie na opiekę zdrowotną w nadchodzących latach. Obrazowanie i diagnostyka medyczna, medycyna spersonalizowana, odkrywanie leków, analityka predykcyjna, wirtualni asystenci zdrowia, chirurgia robotyczna, zdalne monitorowanie, przetwarzanie języka naturalnego, wsparcie zdrowia psychicznego i zadania administracyjne to tylko niektóre z kluczowych obszarów, w których sztuczna inteligencja będzie królować, a tym samym usprawniać system opieki zdrowotnej. Wdrożenie sztucznej inteligencji w szpitalach stwarza potencjał do poprawy wyników leczenia pacjentów, obniżenia kosztów oraz zwiększenia dostępności i wydajności. Jest to technologia, która wymaga określonej ostrożności i racjonalnego podejścia z uwagi na złożoność zagadnienia i konkretne wyzwania związane z jej wdrażaniem. Wnioskowanie będzie właściwe pod warunkiem, że analizowane dane będą charakteryzowały się odpowiednią jakością. Dodatkowo należy pamiętać o tym, że szereg problemów w ochronie zdrowia można rozwiązać za pomocą mniej wyszukanych technologii.

dr Anna Gawrońska
Szkoła Główna Handlowa w Warszawie, Zakład Innowacji w Ochronie Zdrowia

Zobacz także materiał wideo: Możliwości zastosowania SI w ochronie zdrowia