Sztuczna inteligencja w medycynie – szanse i zagrożenia

Inteligentna ochrona zdrowia

Patrząc na wykorzystywane dotychczas w Polsce systemy wspierania decyzyjności polityki zdrowotnej, można odnieść wrażenie, że w wielu miejscach nie tylko nie myśli się o zastosowaniu sztucznej inteligencji, ale też jakichkolwiek mechanizmów elektronicznych. Oczywiście znamy świetnie możliwości modeli BI (ang. business intelligence) wspierających decyzje menedżerskie, wiemy, że także w Polsce są one dostępne. Jednak trzeba przyznać, że trudno się im przebić do szerokiego zastosowania w szpitalach i przychodniach nawet w warunkach ograniczonych środków finansowych i przy wiedzy, że takie wdrożenia doprowadziłyby do dużych oszczędności.

Publiczne podmioty lecznicze stoją przed potrzebą wprowadzenia systemów elektronicznych w całym procesie świadczeń zdrowotnych, a nie tylko tam, gdzie przewiduje to potrzeba kodowania na potrzeby płatnika (NFZ). Bardzo duże rozproszenie danych: elektronicznych, papierowych, zgromadzonych w bazach rozliczeniowych NFZ, lokalnych bazach urządzeń medycznych (aparatów EKG, TK, MRI, USG i in.), raportach odręcznych, notatkach dołączonych do skoroszytów, prowadzi do sytuacji, w której nie ma miejsca na zastosowanie sztucznej inteligencji wyposażonej w pełną informację o pacjencie. A tylko taka jest w stanie poprzez analizę kompletnych danych doprowadzić do racjonalizacji terapii, poprawy jakości opieki czy optymalizacji kosztów. Profesjonaliści medyczni od dawna apelują o pełną informatyzację danych, wprowadzenie systemów tabletowych, zautomatyzowanych systemów dostarczających danych bez potrzeby ich ręcznego wpisywania, zintegrowania urządzeń diagnostycznych z bazami HIS (ang. hospital information system), wprowadzenia elektronicznych rekordów pacjentów przebywających w szpitalach, tak aby można było monitorować wykorzystanie łóżek, dostępność dla pacjentów transportowanych przez służby ratownictwa medycznego.

Proces podejmowania decyzji w ochronie zdrowia to głównie decyzje o charakterze ekonomiczno-finansowym, kadrowym czy gospodarczym. To także analizy opłacalności, efektywności, przewidywania na temat skuteczności planowanych działań w przyszłości. Z pewnością można przyjąć, że systemy bazodanowe zawierające wszystkie te czynniki: zarówno dotyczące produktywności szpitala, liczby wykonanych świadczeń medycznych, ale też danych biznesowych, wpłynęłyby na poprawę wykorzystania środków, podniosłyby jakość zarządzania. Podobnie jak w obszarze medycznym, tak również w menedżerskim, to nie sztuczna inteligencja podejmowałaby decyzję, ale dawałaby narzędzia do tego, aby podejmowane decyzje nie opierały się na wrażeniu, przeczuciu czy doświadczeniu osobistym, czyli na kryteriach, które są współcześnie pierwszoplanowe w praktyce podmiotów leczniczych i instytucji nadzoru.

Ochrona zdrowia to także epidemiologia, zdrowie publiczne, przewidywanie przyszłych trendów związanych z rozprzestrzenianiem się zagrożeń zdrowotnych, epidemii, chorób zakaźnych czy niezakaźnych chorób przewlekłych. W tym obszarze AI dostarcza już wielu rozwiązań po stronie pacjenta, tj. wspieranie samodiagnozowania stanu zdrowia na podstawie określonych czujników, rekomendowanie zmiany stylu życia, monitorowanie jakości spożywanych posiłków, aktywności sportowej i ruchowej itd. Brakuje jednak narzędzi, które na podstawie tak licznych danych pozwoliłyby na wspieranie procesu decyzyjnego związanego z tworzeniem nowych podmiotów leczniczych, punktów poradnictwa zdrowotnego (szczególnie dla osób zdrowych, poszukujących informacji, jak to zdrowie utrzymać), tworzenia polityk zdrowotnych opartych o rzetelne i pochodzące od ich wytwórców danych epidemiologicznych. W tym zakresie niestety powszechne jest korzystanie z danych wtórnych, a tym samym narażonych na niespójność, niedokładność lub po prostu błędy. Wydaje się, że sztuczna inteligencja powinna dotrzeć także w te obszary ochrony zdrowia, w których dotychczas jest wykorzystywana głównie jako narzędzie analityczne dla danych zastanych.

Zagrożenia zastosowania sztucznej inteligencji w zdrowiu

Bezwzględnie trzeba pamiętać, że sztuczna inteligencja, tak samo jak stetoskop, tomograf komputerowy i elektrokardiograf, to tylko narzędzie do prowadzenia racjonalnego procesu diagnostyczno-leczniczego i oddawanie jej pełnego pola decyzyjnego związanego z chorobą pacjenta byłoby dużą niefrasobliwością. Niewątpliwie dostrzegamy ograniczenia ludzkiego umysłu, takie jak możliwość zmęczenia, niedostrzeżenia jakiejś zmiany w obrazie diagnostycznym, pominięcia jakiejś alternatywy decyzyjnej, podczas gdy system AI te wszystkie rozwiązania zidentyfikuje i oceni ich racjonalność. W tym kontekście zastosowanie sztucznej inteligencji jest bardzo potrzebne i jako rozwiązanie wspierające podjęcie decyzji jest oczekiwane.

Niemniej jednak w tym podejściu może pojawić się także ludzka rutyna, zbytnie zaufanie do propozycji „elektronicznego mózgu”, oddanie decyzji narzędziom niesprawdzonym. Ale czy to będzie mogło świadczyć o samej sztucznej inteligencji, czy o niedoskonałości człowieka?

Osoby korzystające z modeli tekstowych albo graficznych AI dostrzegają bez wątpienia także takie jej mankamenty, jak np. brak samokrytyki proponowanych rozwiązań czy „halucynacje”. Są one dość rozpowszechnione w kontekście sztucznej inteligencji, szczególnie w modelach językowych. W procesie generowania odpowiedzi modele te mogą „halucynować” dane – tworzyć informacje, które są fałszywe lub mylące, mimo że wyglądają na prawdziwe i spójne. To zjawisko jest wyzwaniem szczególnie w dziedzinie generowania tekstu, podczas gdy ważne jest, aby informacje były nie tylko gramatycznie poprawne, ale także rzetelne i dokładne. „Halucynacje” modeli AI mogą prowadzić do rozpowszechniania błędnych informacji, jeśli nie zostaną odpowiednio zweryfikowane, a ta weryfikacja jest bez wątpienia zadaniem człowieka.

Wygoda ludzkiego postrzegania świata, chęć automatyzacji procesów decyzyjnych, odsuwania od siebie analizowania obszernych baz danych oraz szerokiego spojrzenia na rzeczywistość prowadzą do bardzo intensywnego rozwoju wszystkich tych rozwiązań, które mają za zadanie ułatwić człowiekowi codzienną egzystencję. Nie inaczej jest w sektorze zdrowia, w którym podejmowanie decyzji jest codziennością. Jednak aby móc mówić o zagrożeniach związanych z wykorzystaniem AI w tym obszarze, musielibyśmy najpierw zdefiniować granice, poza które człowiek nie zdecyduje się przejść, poza którymi nie zostawi pacjenta decyzji zautomatyzowanych narzędzi, modeli heurystycznych, sztucznej inteligencji. Ta granica może bowiem okazać się granicą niebezpieczeństwa.

Jeszcze kilka lat temu moglibyśmy powiedzieć, że sztuczna inteligencja wchodzi do systemu ochrony zdrowia i zaczyna zajmować w niej ważne miejsce. Dzisiaj jednak musimy bezsprzecznie przyznać, że AI w zdrowiu jest od dawna, że już zajęła ważne miejsce i w wielu obszarach trudno byłoby nam dzisiaj zaakceptować rezygnację z jej obecności. Wydaje się, że największą popularność AI zdobywa w obszarze diagnostyki medycznej, gdzie staje się ważnym narzędziem (a może partnerem) w podejmowaniu decyzji terapeutycznych, gdzie wskazuje lekarzom to, czego sami mogliby nie dostrzec. W innych miejscach AI wspiera profesjonalistę medycznego i pacjenta poprzez ułatwienie w prowadzeniu dokumentacji medycznej, zbieraniu wywiadu, łączeniu informacji o objawach, stosowanych lekach, zastosowanych metodach terapeutycznych, dając pełen obraz, dzięki któremu podjęte leczenie może okazać się bardziej skuteczne i efektywne.

Czy to jednak jest granica możliwości wykorzystywania AI w zdrowiu? Z całą pewnością nie. Spodziewamy się w niedługim czasie kolejnych obszarów, w których sztuczna inteligencja ujawni swoje możliwości we wspieraniu profesjonalistów medycznych i polityków zdrowotnych w dążeniu do lepszej dostępności i jakości ochrony zdrowia.

Czytaj też: Zintegrowany system gromadzenia i przetwarzania danych w oddziale anestezjologii i intensywnej terapii. Samodzielny Publiczny Szpital Kliniczny im. prof. Adama Grucy CMKP w Otwocku