Sztuczna inteligencja – zagrożenie czy szansa dla służby zdrowia?
To pytanie było przedmiotem jednego z paneli dyskusyjnych Strefy Politechniki Krakowskiej podczas Forum AI będącego ścieżką tematyczną XXXIII Forum Ekonomicznego w Karpaczu. Uznani eksperci ze świata nauki, praktykujący lekarze, specjaliści z dziedziny prawa oraz przedstawiciele branży medycznej w biznesie dzielili się swoimi doświadczeniami i wizjami dotyczącymi korzyści i wyzwań, które niosą ze sobą rozwiązania bazujące na sztucznej inteligencji.
25.09.2024 | aktual.: 25.09.2024 12:17
Sztuczna inteligencja (AI) za sprawą sukcesu między innymi ChatGPT często kojarzy nam się z programem, który generuje odpowiedzi na podstawie danych i zapytań wprowadzanych przez użytkowników. W sieci co chwilę możemy natrafić na różne kreatywne dzieła tworzone przez rozmaite AI. Osoby o bujniejszej wyobraźni potrafią nawet snuć wizje inteligentnych maszyn przejmujących kontrolę nad światem, tak solidnie ugruntowaną przez kulturę masową. Tymczasem systemy AI, bo tak zbiorczo nazwiemy rozwiązania technologiczne korzystające z modułów sztucznej inteligencji, uczenia maszynowego i analizy danych, już dziś dość powszechnie wspierają ludzi niemal w każdej dziedzinie życia. Bywa, że w zupełnie niezauważalny sposób. Pomagają rozładować poranne korki w drodze do biura. Sterują klimatyzacją, potrafią rozwiązywać problemy komunikacyjne, błyskawicznie tłumacząc teksty na inne języki. Na zakupach podpowiadają, które wino dobrać do kolacji, a wieczorem zasugerują najlepszy film, aby się odprężyć. Słowem, algorytmy AI już dziś są wszechobecne i bywają bardzo pomocne.
Oczywiście próbujemy wykorzystać drzemiące w nich możliwości także w medycynie. W istocie, według badań nowojorskiego instytutu CB INSIGHTS już w 2016 roku nakłady na badania i rozwój systemów AI w medycynie były wyższe niż w jakiejkolwiek innej branży światowej gospodarki i dziś takie systemy znajdują zastosowanie w niemal każdej gałęzi ochrony zdrowia [1].
AI w służbie zdrowia
Uczestnicy paneli dyskusyjnych organizowanych przez Politechnikę Krakowską w ramach jej Strefy na Forum AI podkreślali między innymi szerokie spektrum zastosowań AI w diagnostyce. Algorytmy potrafią szybko i bardzo dokładnie analizować i przetwarzać obraz, np. umożliwiając lekarzom zaobserwowanie zwężeń naczyń o przekrojach mniejszych niż 0,3 mm, niezauważalnych dla nieuzbrojonego ludzkiego oka. Już dziś pomagają również w analizie wyników rezonansu magnetycznego, tomografii komputerowej czy zdjęć rentgenowskich. Oferują lekarzom wstępnie opisane obrazy, istotnie oszczędzając ich czas. W Polsce z systemów AI korzysta dziś 7 proc. placówek, przy czym ponad 2/3 zastosowań tych systemów to zastosowania w radiologii [2]. W publicznej służbie zdrowia nawet sekundy zaoszczędzone na określonych procedurach potrafią znaczyć bardzo wiele, gdy weźmiemy pod uwagę ogromną liczbę świadczonych usług i leczonych pacjentów.
Systemy AI szczególnie dobrze radzą sobie z przejrzyście zdefiniowanymi zadaniami, gdzie analizowany jest określony zbiór danych wejściowych, a oczekujemy binarnego rezultatu. W takich przypadkach potrafią mieć zdecydowanie lepszą wydajność niż ludzie. Dobrym przykładem takiego zastosowania systemu AI może być diagnostyka podejrzanych zmian skórnych. Tutaj zbiór danych wejściowych stanowią zdjęcia zmian, a zadaniem rozwiązania bazującego na module sztucznej inteligencji jest ocena, czy zmiana jest łagodna, czy potencjalnie złośliwa i wymaga dalszej diagnostyki lub leczenia. System ma zdolność maszynowego uczenia się i jego przewaga nad lekarzem jest taka, że bez wysiłku, w niedługim czasie oraz bez ograniczeń geograficznych może przeanalizować większą liczbę przypadków niż praktykujący dermatolog przez całą karierę zawodową. Dodatkową korzyścią jest w tym przypadku możliwość "przeniesienia" diagnostyki dermatologicznej zmian skórnych z zakresu kompetencji opieki specjalistycznej do zakresu opieki podstawowej. Zdjęcia zmian analizowane przez system AI może wykonać odpowiednio przeszkolony personel przychodni rejonowej i niemal od razu przekazać dobre informacje pacjentom niskiego ryzyka, a pacjentów wysokiego ryzyka kierować do dalszej konsultacji specjalistycznej, odciążając tym samym system.
Systemy AI mogą przyczyniać się do skracania kolejek do lekarza także na inne sposoby – optymalizując działanie placówek. Brytyjska NHS dysponuje rozwiązaniem opartym o aplikację na smartfony, która wspiera efektywną segregację pacjentów z uwagi na skalę obrażeń lub potencjalne zagrożenie życia w szpitalnych izbach przyjęć w północnym Londynie. Aplikacja jest zdolna jednocześnie ocenić i zakwalifikować aż 1,2 mln przypadków, a ponadto nieustannie uczy się, przetwarzając dane z centralnego systemu [3]. Pracownicy konkretnej placówki ratunkowej nie mają takich możliwości. System jest potencjalnie skalowalny, czyli możliwe jest zastosowanie go w przyszłości np. do zarządzania kolejkami w całym krajowym systemie służby zdrowia.
Diagnostyka w trybie ekspresowym
Pojedynczy system AI jest w stanie obsługiwać znacznie więcej osób niż pojedynczy pracownik ochrony zdrowia. Tutaj za przykład mogą posłużyć kraje o wysokim współczynniku zachorowań na gruźlicę i niedostatkach w zakresie wykwalifikowanego personelu medycznego oraz dużych odległościach pomiędzy ośrodkami zdrowia. Ostatnie badania dowodzą, że centralny system AI jest zdolny diagnozować gruźlicę na podstawie zdjęć rentgenowskich wykonywanych przez techników w różnych ośrodkach z ponad 95 proc. skutecznością. Dzięki temu, nawet przy niedoborze specjalistów radiologów można szybciej podjąć skuteczne leczenie i zapobiegać dalszemu rozwojowi choroby.
Do ciekawych rozwiązań diagnostycznych należą także systemy autodiagnozy. Amerykańska agencja FDA pozytywnie zaopiniowała bazujące na aplikacji przeglądarkowej narzędzie, które służy do samodzielnej oceny stanu wzroku. To wielka szansa dla słabiej rozwiniętych krajów, w których często dostęp do internetu może być bardziej powszechny niż do podstawowej opieki okulistycznej.
Na zaawansowanym etapie są także technologie analizujące nagrania ludzkiej twarzy, które już dziś potrafią z 5-10 proc. marginesem błędu ocenić ciśnienie krwi pacjenta. Inne rozwiązania, działając na podobnej zasadzie, potrafią sygnalizować potencjalne zaburzenia genetyczne, dolegliwości bólowe o różnym natężeniu, a nawet, wyłapując niewidoczne na pierwszy rzut oka asymetrie, ostrzegać z wyprzedzeniem o zbliżającym się udarze. Te systemy mają szczególnie duży potencjał, gdy weźmiemy pod uwagę rosnące przekonanie pacjentów do wizyt zdalnych. Badania Ministerstwa Zdrowia (Raport z dn. 08.08.2020) przeprowadzone w trakcie pandemii COVID-19 wykazały, że "43,2 proc. badanych osób jest przekonanych, że teleporady/wideoporady powinny stanowić jeden z głównych kanałów kontaktu z lekarzem POZ i to lekarz powinien określać, czy konieczne jest udanie się do placówki POZ" [4], a 57,7 proc. ankietowanych oceniło jakość takich porad za porównywalną lub wyższą niż w przypadku wizyty osobistej.
AI w zabiegach i leczeniu
Wymieniliśmy zaledwie kilka rozwiązań diagnostycznych bazujących na AI i ich możliwych ścieżek rozwoju. To jednak tylko jedna z dziedzin ochrony zdrowia. Czy systemy AI pomagają aktywnie także w zabiegach i leczeniu? Oczywiście tak, i tutaj także ich potencjał wydaje się bardzo duży. Już na początku minionej dekady viralem stał się film pokazujący możliwości robota chirurgicznego Da Vinci. Ramiona sterowane częściowo przez moduł AI pod nadzorem człowieka realizują superprecyzyjny "zabieg" na winogronie. Mały, śliski owoc o bardzo cienkiej skórce wybrano nieprzypadkowo. Ponoć nawet doświadczony chirurg nie byłby w stanie powtórzyć tej procedury, choćby z uwagi na mimowolne ruchy dłoni, które robota nie dotyczą. Kolejne generacje robotów Da Vinci z powodzeniem wykonują operacje w szpitalach na całym świecie. Ich zakres możliwości i oprzyrządowania jest stale rozwijany. W 2022 roku w Polsce dysponowało nimi 19 ośrodków. Technologia oferuje również możliwości operacji na odległość.
Chirurdzy już niedługo będą mogli liczyć na wsparcie jeszcze innej nowinki. Zszywanie nieregularnych tkanek o złożonej budowie ma być łatwiejsze dzięki robotowi wykorzystującemu elastyczną i sterowaną laserem igłę. Jej optymalną ścieżkę podczas procedury skutecznie obierać ma zintegrowany system AI. Robot wykonał już zakończone sukcesem operacje na świńskim płucu.
Rozwiązania AI ze względu na zdolność szybkiego przetwarzania dużej liczby parametrów są nieocenionym wsparciem w planowaniu spersonalizowanych terapii. Przykładowo znajdują zastosowanie w radioterapii głowy i szyi, gdzie pomagają planować kierunek i siłę wiązki tak, aby jednocześnie oddziaływać na patologiczne zmiany i chronić kluczowe narządy w tym obszarze. Ciekawą koncepcją jest tzw. cyfrowy bliźniak, czyli tworzona przez AI cyfrowa replika pacjenta, opracowywana na podstawie historycznych danych klinicznych, bieżących danych z urządzeń medycznych, danych genetycznych i danych środowiskowych oraz stylu życia pacjenta. Lekarze, korzystając z takiej cyfrowej kopii, mogą na przykład lepiej przygotować się do zabiegów, planować ukierunkowane leczenie onkologiczne, analizować możliwe skutki oddziaływania urządzeń medycznych, np. pomp insulinowych, lub przewidywać potencjalne dolegliwości kardiologiczne w przyszłości i odpowiednio wcześnie im przeciwdziałać.
Kolejnym zadaniem, w którym wsparcie systemów AI może okazać się bezcenne dla służby zdrowia, jest monitorowanie pacjentów po zabiegach i tych, którzy wymagają stałej opieki. O ile w ostatnich 30 latach udało się zmniejszyć liczbę powikłań śródoperacyjnych ponad stukrotnie, do poniżej 1 proc., to nadal stanowią one duże wyzwanie. Zdarzają się nie tylko w placówkach ochrony zdrowia, ale także poza nimi, gdy pacjent jest już wypisany do domu. Odpowiedzią mogą być automatyczne systemy AI monitorujące w sposób ciągły parametry pacjenta i reagujące korektą ustawień urządzenia lub alarmujące opiekuna medycznego, gdy dzieje się coś niepożądanego. Technologia jest dosłownie na wyciągnięcie ręki! Przecież wielu z nas już dziś nosi opaski monitorujące naszą aktywność i współpracujące z aplikacją w smartfonie. Przeszkodą do jej powszechnego zastosowania w ochronie zdrowia, jak w wielu przypadkach, może być brak wystarczających środków.
Sto razy szybciej od człowieka
Siłą systemów AI jest ich moc obliczeniowa. Analizując wielkie zbiory danych, mogą wspierać optymalizację i planowanie, a także przyspieszać procesy. Przykładami w służbie zdrowia mogą być rozwiązania optymalizujące łańcuchy dostaw do placówek medycznych. Na podstawie danych bieżących i historycznych mogą one tworzyć urealnione listy zapotrzebowania na wyroby medyczne i na przykład ograniczać marnowanie leków o określonej przydatności do użycia. Szpitalne systemy mogą współpracować z takimi narzędziami jak model prognozowania epidemii grypy. Danymi wejściowymi modelu są dane z przychodni, hasła wpisywane przez użytkowników wyszukiwarki oraz lokalne dane pogodowe. Na ich podstawie model przewiduje liczbę zachorowań oraz zakres terytorialny i czas trwania epidemii.
Sztuczna inteligencja jest nieocenionym wsparciem również dla ośrodków badań i rozwoju. Pracując 80-100 razy szybciej niż człowiek, może analizować genomy i sekwencjonować DNA. Zważywszy, że DNA jednego człowieka to około 100 terabajtów, to wielka pomoc. Dla porównania: odtworzenie filmów o łącznej objętości tylko jednego terabajta zajęłoby aż 18 dób. Dzięki AI możliwa jest między innymi realizacja projektu analizy genomu 500 tysięcy osób pochodzenia afrykańskiego, które dotąd w badaniach medycznych były niedostatecznie reprezentowane (poniżej 0,5 proc.) [5]. To pierwszy krok do skutecznych, nowoczesnych i ukierunkowanych terapii medycznych dla mieszkańców tej części świata, ponieważ spersonalizowane terapie projektowane na podstawie analizy DNA mieszkańców półkuli północnej okazywały się w Afryce zwyczajnie nieskuteczne.
Systemy AI przyspieszają również produkcję leków i antybiotyków. Jednym z pierwszych etapów do ich powstania jest wybór odpowiednich aktywnych cząsteczek. To model AI dokonuje dziś wstępnej selekcji z tysięcy możliwości, oceniając potencjał i sugerując molekuły, na których warto skoncentrować się w fazie badań przedklinicznych. To szczególnie ważne w erze lekoodpornych bakterii.
Wyzwania i zagrożenia
Przedstawiona powyżej teraźniejszość i przyszłość bez wątpienia napawa optymizmem. Jeden z gości panelu zwrócił jednak uwagę, że nie należy myśleć o rozwiązaniach bazujących na sztucznej inteligencji inaczej niż o narzędziu wspierającym pracę personelu medycznego i naukowców. Posłużył się przy tym dowcipnym porównaniem do młotka, który jest bardzo pomocny, gdy chcemy upiększyć pokój, wieszając obrazek na ścianie, ale jednocześnie może być groźny dla zdrowia, gdy użyjemy go niezgodnie z przeznaczeniem. Młotek, choć użyteczny, nie rozwiąże każdego problemu. Jakie zagrożenia związane z coraz bardziej powszechnymi rozwiązaniami AI dostrzegają eksperci i praktycy ze świata medycyny?
Motywem, który często wybrzmiewa w dyskusjach o wyzwaniach związanych z AI, są dane wejściowe. To od ich jakości często w największym stopniu uzależniony jest rezultat działania systemu. Sektor usług medycznych dostarcza gigantycznych ilości danych, jednak, jak dotąd, rzadko są one rejestrowane w ustandaryzowany sposób. Niemal każdy z nas, gdy myśli o notatkach sporządzonych przez lekarza, ma przed oczami luźną kartkę pełną trudnych do odczytania słów, często zapisaną w biegu. Tymczasem system AI potrzebuje danych zdigitalizowanych i zarejestrowanych w uszeregowanym formacie zrozumiałym dla algorytmów. Zmiany już dziś są widoczne. Cyfryzacja w służbie zdrowia postępuje szybko, ale wciąż brakuje systemowego myślenia właśnie o danych. Rozwiązaniem tego problemu ma być przyzwyczajanie młodych pokoleń pracowników medycznych do współpracy z systemami gromadzenia danych już na etapie edukacji zawodowej.
Innym ważnym aspektem związanym z danymi jest ich bezpieczeństwo i prywatność. Dane medyczne należą do najbardziej wrażliwych danych osobowych, przez co są szczególnie narażone na ukierunkowane działania hakerskie, a ich wycieki są wyjątkowo niebezpieczne. Pacjenci mogą niechętnie udostępniać swoje dane nawet w sposób anonimowy. Wyzwanie stanowi także brak możliwości przewidzenia dokładnej ścieżki rozwoju technologii i związany z tym brak gwarancji, że dane, które dziś wydają się bezpieczne i anonimowe, pozostaną takie w przyszłości.
Po zgromadzeniu danych są one przetwarzane przez algorytm systemu AI. Co do zasady, dobrze zaprojektowany algorytm na podstawie danych dobrej jakości podejmie odpowiednie decyzje. Statystycznie system AI, który nie ulega zmęczeniu i emocjom, myli się rzadziej niż człowiek. Dochodzimy tutaj jednak do kolejnej grupy wyzwań, które stoją przed twórcami i użytkownikami rozwiązań AI. To aspekty prawne i etyczne. Co stanie się, gdy system się pomyli? Czy odpowiedzialny jest pracownik medyczny nadzorujący jego pracę, czy twórca algorytmu? A może regres odpowiedzialności powinien dotyczyć jednostki certyfikującej wyrób medyczny? Niestety, nie ma na świecie spójnej legislacji dotyczącej tych zagadnień. Liderem w tym zakresie wydaje się UE, która 12 lipca 2024 opublikowała Rozporządzenie o sztucznej inteligencji (AI Act) [6]. Około 200-stronicowy dokument to początek próby uregulowania tych złożonych kwestii. Od 2027 roku jego przepisy mają być wiążące także dla wyrobów medycznych, a z czasem możemy spodziewać się ich kolejnych nowelizacji i uzupełnień np. w formie wskazówek. Spodziewamy się, że powstanie kilkaset stron przepisów dla twórców i użytkowników systemów AI, ale eksperci wydają się w tym przypadku zgodni: lepiej mieć niedoskonałe i zawiłe prawo, niż nie mieć go w ogóle…
Kilkukrotnie podkreślaliśmy, że zaletą systemów AI jest ich "nieludzka" wręcz wytrwałość i konsekwencja. Pojawiają się jednak głosy, że brak im zdolności empatycznego podejścia oraz kreatywnego i niekonwencjonalnego myślenia, które w relacji lekarz-pacjent może okazać się zbawienne. Technologia ma przecież swoje techniczne ograniczenia. Na przykład robot Da Vinci nie posiada zdolności haptycznych, czyli nie potrafi tak jak lekarz komunikować się z pacjentem poprzez zmysł dotyku. Nie wyczuwa drżenia czy zmian napięcia skóry tak, jak człowiek. Bazuje w dużej mierze na obrazie.
W kontekście nowych technologii AI często wskazuje się jeszcze jedno zagrożenie. To obawa, że systemy AI zastąpią ludzi i pozbawią ich pracy. W tym przypadku goście panelu Politechniki Krakowskiej wydawali się zgodni. W możliwej do przewidzenia przyszłości AI pozostanie jedynie narzędziem w rękach lekarzy. Przynajmniej tak długo, jak nie bierze odpowiedzialności za podejmowane decyzje, a jedynie sugeruje możliwe rozwiązania. Przewiduje się, że będziemy żyli dłużej niż dotychczas, a przecież niedobory personelu oraz specjalistów to problem, z którym już dziś zmaga się niemal każdy system opieki zdrowotnej. Systemy AI są tu szansą, z której powinniśmy skorzystać.
Przypuszczalnie na pytanie zadane w tytule nie da się odpowiedzieć w sposób dychotomiczny. Systemy AI oczywiście nie są magicznym rozwiązaniem wszystkich problemów służby zdrowia, ale także nie są początkiem końca opieki medycznej, jaką znamy, oraz nie stanowią szeroko uchylonych drzwi do zbliżającej się nieuchronnie "ery maszyn". Warto jednak na bieżąco analizować, czy szanse i korzyści płynące z zastosowania systemów AI w medycynie przeważają nad ryzykami, które te rozwiązania ze sobą niosą, oraz czy uda nam się zachować taki pozytywny bilans w przewidywalnej przyszłości.
Panel zorganizowany w ramach Strefy Politechniki Krakowskiej na XXXIII Forum Ekonomicznym w Karpaczu był bez wątpienia ciekawą próbą zaproszenia do wieloaspektowych rozważań na ten temat. Jeżeli chciałbyś dowiedzieć się więcej, posłuchaj nagrania panelu.
Przypisy:
[2] https://forum-ekonomiczne.pk.edu.pl/aktualnosci/technologia-ai-monitorujaca-parametry-zyciowe-2/
