Przyszłość, która jest teraz. Eksperci o wykorzystaniu sztucznej inteligencji w opiece zdrowotnej

1 tydzień temu 17

AI realnie wspiera diagnostykę i organizację pracy, ale każde narzędzie wymaga lokalnej walidacji
Brak jasnych zasad finansowania sprawia, że wiele projektów pozostaje w fazie testów
Integracja z systemami EHR i profesjonalne zarządzanie danymi to warunek efektywnego wykorzystania AI
Lekarze potrzebują jasnych wytycznych i szkoleń, zwłaszcza w POZ, gdzie technologia mogłaby znacząco odciążyć kadry
AI ma wspierać decyzje kliniczne, nie zastępować lekarza — kluczowe jest bezpieczeństwo i odpowiedzialność

Tak sztuczna inteligencja wspiera polskich specjalistów

Choć dla wielu pacjentów sztuczna inteligencja w medycynie wciąż brzmi jak pieśń przyszłości, w przypadku niektórych lekarzy jest już częścią codziennej pracy. Za przykład może posłużyć radiologia, w której deficyty kadrowe niejako wymusiły automatyzację niektórych procesów.

O sposobach wykorzystania AI w radiologii opowiadał na XXI Forum Rynku Zdrowia dr Daniel Kaźmierczak, prezes zarządu, Diagnostyka-Teleradiologia24:

– Stworzyliśmy taką przestrzeń technologiczną, przestrzeń informatyczną, teleinformatyczną, w której możemy testować różne rozwiązania AI (…) Pierwsze modele AI, które testujemy i walidujemy, to są modele wspomagania raportowania radiologicznego, drugie to są takie, które odnoszą się do triażowania pacjentów, trzecie odnoszące się do segmentacji badań i czwarte oczywiście odnoszą się do detekcji badań, patologii w konkretnych badaniach radiologicznych – mówił dr Daniel Kaźmierczak.

Ekspert wyjaśnił, że wykorzystanie AI pozwala np. skracać czas wykonania rezonansu z 20 do 12 minut, co z jednej strony zwiększa bezpieczeństwo – ograniczając ekspozycję, a przy okazji zwiększa przepustowość pracowni radiologicznej.

Jednocześnie lekarze zdają sobie sprawę z ograniczeń technologii. Kaźmierczak przypomniał, że „w zależności od tego, z jakim producentem modelu AI mamy do czynienia, to faktycznie identyfikujemy, że ich czułość, swoistość, a tym samym wiarygodność kliniczna też jest różna”. To kluczowa obserwacja – bo pokazuje, że samo wdrożenie algorytmu nie oznacza jeszcze poprawy jakości świadczeń, a każde narzędzie wymaga lokalnej walidacji.

Swoje doświadczenia przedstawili także eksperci pracujący z danymi medycznymi w dużych ośrodkach klinicznych. Karolina Tądel z Instytutu Matki i Dziecka zwracała uwagę na to, jak ważna jest integracja narzędzi z istniejącymi systemami, powołując się na przykłady z zagranicy. W ośrodkach w USA większość rozwiązań AI jest zintegrowana z systemem EHR (Electronic Health Record). Ekspertkę zastanawia fakt, że w polskich warunkach wykorzystanie AI do wsparcia działań administracyjnych wciąż jest rzadkością:

- (…) W instytucie utworzyliśmy dział zarządzania danymi, który wspiera dział wdrożeń i jest już w instytucie od trzech lat. (…) Ale co ciekawe dział zarządzania danymi nie jest oczywistością i nie mamy odpowiednika w Polsce w żadnym szpitalu publicznym.

Sztuczna inteligencja na dużą skalę wykorzystywana jest również w Wojskowym Instytucie Medycznym. Jednak, jak podkreśla Jakub Olędzki, kierownik Regionalnego Centrum Medycyny Cyfrowej, Wojskowy Instytut Medyczny - Państwowy Instytut Badawczy, AI nigdy nie zastąpi w pełni człowieka – lekarz zawsze będzie potrzebny, chociażby po to, by wziąć na siebie odpowiedzialność za decyzje kliniczne:

– Jeśli chodzi o rozwój technologii, jestem zwolennikiem optymalizacji choćby pod kątem logistyki zarządzania, a nie decyzji klinicznych. Od tego mamy bardzo dobrych lekarzy. Chcemy im dostarczyć informacje, by sami sobie wnioskowali, wyciągali te wnioski, zamiast dostarczać im gotowych wniosków. Tego nie potrzebują. Więc na chwilę obecną wszelkie rozwiązania, które robimy, dostarczają tylko w praktyce agregatu informacji, które lekarz sam i tak może sobie znaleźć, tylko oszczędzają czas. Natomiast decyzja kliniczna? Tego nie ruszamy.

Po rozwiązania z zakresu AI sięga też AOTMiT, choć, jak mówi wiceprezes agencji, dr Anna Kowalczuk, są one wciąż traktowane z ostrożnością: „mamy już AI wdrożone w pewnym zakresie, natomiast nie możemy jeszcze powiedzieć, że zamykamy oczy (…) i zapuszczamy sobie algorytmy do przerobienia dużej ilości danych, do przeglądów systematycznych”.

Problem finansowania rozwiązań z zakresu AI

Entuzjazm wokół sztucznej inteligencji to jedno, a ekonomia systemu – drugie. I to właśnie bariery finansowe okazały się jednym z głównych tematów dyskusji. Najbardziej dosadnie ujął to Rafał Dunal z Grupy Synektik: „wydaje mi się, że jest trochę więcej debat i konferencji dotyczących AI niż prawdziwych projektów komercyjnych w Polsce. To znaczy: wszyscy chcą testować, ale nikt nie chce za to płacić”.

Dunal podkreślał również, że największy błąd placówek to używanie AI „na próbę”, bez konsekwentnego modelu wdrożenia. Jak zauważył, dopóki nikt nie płaci za działające rozwiązania, trudno mówić o dojrzałym rynku.

Wiceprezeska AOTMiT wskazywała na trudności widoczne z perspektywy agencji. Krótki cykl życia innowacji sprawia, że procesy akceptacji, wyceny, oceny i monitorowania stosowane dla leków czy terapii zupełnie nie zdają egzaminu w tym przypadku. Istnieje potrzeba przeprojektowania ich w taki sposób, by oceniane narzędzia nie były przestarzałe już w momencie wydania decyzji administracyjnej.

AI w codziennej praktyce lekarzy POZ

Choć najwięcej mówi się o AI jako narzędziu wspierającym proces diagnostyki dla lekarzy specjalistów, równie ważny jest wpływ technologii na podstawową opiekę zdrowotną. To właśnie lekarze POZ są pierwszym ogniwem kontaktu pacjenta z systemem, a przeciążenie tej części opieki sprawia, że automatyzacja mogłaby odgrywać ogromną rolę.

Małgorzata Wywrot z Naczelnej Izby Lekarskiej zauważyła, że nawet jeśli lekarze chcą korzystać z AI, często brakuje im wiedzy, jak to robić bezpiecznie i zgodnie z regulacjami.

– Kodeks Etyki Lekarskiej mówi jasno, że lekarz, lekarka mogą korzystać z rozwiązań sztucznej inteligencji, dostosowując ją odpowiednio do danego pacjenta i oczywiście informując o tym swojego pacjenta – mówiła Małgorzata Wywrot.

I dodała szczerze: „lekarze często nie wiedzą, z jakich rozwiązań mogą korzystać… i bardzo często jest im się wstyd przyznać do tego, że nie wiedzą”. To jedna z najpoważniejszych barier – lęk przed niezrozumieniem technologii, przy jednoczesnym braku systemowych szkoleń i jasnych rekomendacji.

Solidne narzędzia AI zintegrowane z kartoteką medyczną i oparte na lokalnych danych, mogą w przyszłości wspierać lekarzy POZ w ocenie ryzyka, profilaktyce, interpretacji wyników czy prowadzeniu pacjentów z chorobami przewlekłymi. Ale wymaga to nie tylko technologii – również regulacji i edukacji.