Sztuczna inteligencja w medycynie – szanse i zagrożenia

„Medyczna inteligencja”

Pierwsze wykorzystanie maszynowych mechanizmów wspierania lekarzy, pielęgniarek w szpitalach poprzez dążenie do usprawnienia ich pracy miało miejsce wiele lat temu w USA, gdzie po raz pierwszy wykorzystano możliwość dyktowania treści dokumentacji medycznej. Pierwotnie nagrania te służyły sekretarkom (sekretarzom) do przepisywania ich na papier, ale bardzo szybko okazało się, że rozwiązania elektroniczne potrafią same „przesłuchać” nagrania i transponować je do tekstu. Ponieważ różna intonacja, wymowa prowadziły często do błędów, zmusiło to twórców oprogramowania do stałego ulepszania identyfikacji głosu, tak aby wygenerowany tekst był jak najbardziej precyzyjny i poprawny. Dzisiaj stosowane rozwiązania wiodących dostarczycieli technologii nie tylko czytają to, co mówimy albo chcemy napisać (poprzez przewidywanie tekstu), ale też właśnie dzięki zastosowaniu AI potrafią układać frazy, tak aby nawet źle rozpoznane zdanie w kontekście znalazło swoje poprawne miejsce i aby wygenerowany dokument nie wymagał już żadnych poprawek. Sztuczna inteligencja nie tylko rozpoznaje słowa, ale układa je w wyrażenia, korzysta z baz danych wielu języków, potrafi je automatycznie tłumaczyć w czasie rzeczywistym i zapewniać poprawną komunikację nie tylko pomiędzy ludźmi a systemami, ale też ludźmi w różnych językach.

Tak działają współczesne mechanizmy identyfikacji głosu, które w pracy lekarzy, pielęgniarek, ratowników medycznych i innych osób pracujących w ochronie zdrowia znajdują szerokie zastosowanie, oszczędzając czas na wpisywanie danych, prowadzenie szkoleń i konferencji, zbieranie wywiadu w różnych językach. AI pomaga nie tylko w samym spisywaniu mówionych wyrażeń, ale również, jeśli aplikacja jest wyposażona w rubryki lub pola kontekstowe, pozwala na automatyczne wypełnienie, bez potrzeby uzupełniania ręcznego. Dzieje się tak właśnie dzięki uczeniu maszynowemu i rozpoznawaniu kontekstu. Dzięki takim rozwiązaniom możemy mówić o poprawie jakości dokumentów i dobrej komunikacji.

Nie tylko sam głos jest źródłem danych, ale także odręczne pismo, które, wyposażone w tysiące cech charakterystycznych dla konkretnej osoby, od lat stanowi wyzwanie dla prób przeniesienia go do wersji cyfrowej. Jednak tę barierę, także dzięki rozwiązaniom AI, udało się przekroczyć. Na rynku (także polskim) dostępne są bowiem rozwiązania, które z powodzeniem generują tekst w postaci elektronicznej właśnie dzięki odczytaniu odręcznych notatek, niezależnie od tego, jaki jest charakter pisma autora.

W czasach pandemii COVID-19 wobec dużej liczby pacjentów, u których wykonywano diagnostykę obrazową układu oddechowego, ograniczonej liczby lekarzy, którzy mogliby te obrazy oceniać, pojawiła się potrzeba opracowania rozwiązań wspierających pracę profesjonalistów medycznych – lekarzy, pielęgniarek. Nie tylko w obszarze dokumentacji medycznej, ale też przy podejmowaniu konkretnych decyzji medycznych. Powstała przestrzeń do stosowania w praktyce systemów decyzyjnych, które poprzez analizę obrazów radiologicznych mogą ułatwić znajdowanie takich zmian ogniskowych, które są albo charakterystyczne dla określonego przypadku chorobowego i tym samym mogą przyspieszyć wydanie wyniku, albo jako niespecyficzne mogą nie być dostrzeżone przez lekarza oceniającego i dopiero po zwróceniu na nie uwagi przez narzędzie AI zostaną poddane analizie. Naprzeciw tym potrzebom wyszli dostawcy systemów. Zaproponowali możliwość wstępnego importowania obrazów radiologicznych do aplikacji AI, która proponuje lekarzowi odpowiednie sugestie i zwraca uwagę na określone fragmenty obrazu. Ponieważ pierwotnie narzędzie miało swoje zastosowanie do obrazów układu oddechowego (zarówno RTG, jak i TK, MRI), obecnie rozszerza się jego funkcjonalność także na inne obszary, tak aby pomóc w diagnostyce nowotworów, układu sercowo-naczyniowego czy zmian demielinizacyjnych w zaburzeniach kognitywnych. Trzeba z całą mocą podkreślić, że obecnie nie jesteśmy jeszcze na etapie, gdy rozpoznanie prawidłowości lub nieprawidłowości w obrazach diagnostycznych jest decyzją systemów AI. Tymczasem to lekarz wciąż orzeka o tym, co przedstawia analizowane badanie, ale na pewno, dzięki usprawnieniu i przyspieszeniu jego pracy, możliwości zaproponowania określonych rozwiązań, zwrócenia uwagi na obszary niespecyficzne, praca diagnostyczna jest znacznie ułatwiona i prowadzi do poprawy jakości diagnostyki.

Tu znowu – wbrew wielu obawom – takie rozwiązania, jak wspieranie lekarza w procesie podejmowania decyzji przez systemy elektroniczne, nie są niczym nowym. Od wielu lat np. aparaty do elektrokardiografii oraz te do badań czynnościowych układu oddechowego są wyposażone w proste moduły analityczne, które na podstawie przeprowadzonego badania proponują określone diagnozy. Jest oczywiste, że te analizy są bardzo schematyczne, niedoskonałe i często nie są gotowe na ocenę obrazów dyskretnych, niemniej jednak takie wsparcie ze strony systemów w tych obszarach nie jest nowością. Zmienia się tylko mechanizm dojścia do rezultatu, wykorzystanie maszynowego uczenia się, korzystanie ze źródeł poprzednio wykonanych badań, stawiane poprzednio diagnozy, albo też systemy big data (wielobazodanowe), w których systemy szybko znajdują rozwiązania dla pojawiających się nowych zdarzeń.

Poza wykorzystaniem ściśle diagnostycznym sztuczna inteligencja wchodzi także do obszaru farmakoterapii, wspierając jej bezpieczeństwo, obniżając prawdopodobieństwo polipragmazji (stosowania wielu leków jednocześnie, szczególnie w sytuacji, gdy istnieje prawdopodobieństwo niekorzystnych interakcji pomiędzy tymi lekami), poprawiając adherence (przestrzeganie zaleceń terapeutycznych) i wpływając tym samym na skuteczność terapii. Możliwości wykorzystania AI w tym obszarze pojawiają się już na etapie ordynacji leku, wystawienia recepty w gabinecie lekarza czy pielęgniarki(-rza). Wtedy osoba ordynująca, dzięki podłączeniu do systemu elektronicznego, widzi, jakie leki pacjent zażywał wcześniej (w zależności od przyjętych rozwiązań albo w ograniczeniu do puli wystawionych we własnej jednostce, albo dzięki udostępnieniu danych przez pacjenta, także z innych podmiotów leczniczych), jakich niekorzystnych interakcji można się spodziewać. Systemy wspomagające podejmowanie decyzji sugerują wtedy albo zmianę substancji czynnej, albo – gdy wiadomo, że lek jest trudno dostępny na rynku – zastąpienie preparatu innym o podobnym działaniu. Ta informacja trafia od razu na konto indywidualne pacjenta, co pozwala następnie wspierać już jego samego w przypominaniu o zażyciu leku, zgłoszeniu objawów niepożądanych czy zawiadomieniu lekarza (pielęgniarki) o tym, że kończy się opakowanie leku i należy przepisać kolejne.

Bardzo obiecującą grupą systemów i urządzeń wykorzystujących AI są te dedykowane seniorom i będące de facto systemami asystującymi (tzw. AT – ang. assistive technologies). Wtedy, gdy percepcja osoby w wieku senioralnym, chorej na różne schorzenia jest obniżona, ważne jest, aby technologia przejęła w pewien sposób bezpieczeństwo tej osoby. Systemami, które w tym pomagają, są z pewnością urządzenia monitorujące, identyfikujące upadek, zagubienie w otoczeniu. Zwykle nie wykorzystywały one do tej pory systemów AI, koncentrując się na uruchomieniu przycisków (np. panic button), geolokalizacji GPS, sieci połączeń głosowych GSM, jednak coraz częściej są w nie wyposażane. Tak, aby system bez potrzeby reakcji pacjenta sam był w stanie zauważyć nieprawidłowości w jego zachowaniu, poruszaniu się, zmianie codziennego trybu życia, aby poprzez analizę danych pochodzących ze skanerów i kamer zainstalowanych (za zgodą oczywiście) w środowisku pacjenta mógł sam wezwać pomoc medyczną czy opiekuna. Te rozwiązania są dostępne już na rynku europejskim, także polskim, i cieszą się dużym zainteresowaniem, szczególnie w tych krajach, które przeznaczają duże środki na politykę senioralną oraz dbają o ochronę zdrowia i komfortu życia osób niesamodzielnych.

Czytaj też: Cyberbezpieczeństwo placówek medycznych