Marek Witulski, Siemens: Pandemia przyspieszy cyfryzację medycyny

Czy koronawirus przyspieszy postęp w medycynie?

Z całą pewnością! Pandemia jest oczywiście wielkim wyzwaniem dla systemów opieki zdrowotnej, ale też silną stymulacją choćby dla telemedycyny. Myślę, że COVID-19 przyśpieszył upowszechnienie wielu narzędzi, w tym sztucznej inteligencji (AI), nawet o jakieś 5 lat. Wbrew pozorom świat, nie tylko medyczny, jest często sceptyczny wobec dynamicznych zmian związanych z digitalizacją. Rewolucje nierzadko natrafiają na opór. Ale lockdown zmusił wszystkich uczestników ochrony zdrowia, zarówno profesjonalistów medycznych, jak i pacjentów, do przełamania swoich barier, zanurzył ich w narzędziach IT, wspomagając i przyśpieszając ich akceptację.

Jaka może być rola AI w medycynie?

O AI w medycynie należy myśleć jak o niezwykle użytecznym asystencie lekarza, wyręczającym go z części stosunkowo prostych, acz czasochłonnych zadań, przyśpieszającym poszukiwanie diagnozy i wspierającym planowanie terapii. Algorytmy z powodzeniem radzą sobie z zadaniami takimi jak rozpoznawanie wzorca – co ma zastosowanie np. podczas wstępnej analizy danych obrazowych – czy precyzyjne wyszukiwanie informacji w rozległych, złożonych bazach danych, np. zbiorach przypadków klinicznych. To wszystko przekłada się na lepszą dostępność najważniejszego zasobu systemów opieki zdrowotnej, czyli właśnie lekarzy. Może także zwiększyć precyzję i powtarzalność diagnostyki, zmniejszając wpływ czynników zewnętrznych, takich jak np. zmęczenie radiologa po opisaniu kolejnego obrazu z tomografu. AI odgrywa też ważną rolę w badaniach naukowych, zwiększając efektywność pracy z danymi klinicznymi.

cyfrowa.rp.pl

A operacje? Czy na tym polu lekarzy zastąpią bardziej precyzyjne roboty?

Robotyka medyczna rozwija się niezwykle szybko, ale przynajmniej na ten moment to jedynie wspomagające narzędzie – bardzo precyzyjne, lecz sterowane przez człowieka. To on podejmuje wszystkie decyzje. Robotyzacja ma niezaprzeczalne zalety. Np. w hybrydowych salach operacyjnych wyposażonych w roboty naczyniowe, może się ona przełożyć na jeszcze dokładniejszą nawigację, zwiększenie powtarzalności wyników oraz lepszą ochronę operatorów przed promieniowaniem. Trzeba bowiem pamiętać, że dawka przyjęta przez pacjenta podczas zabiegu nawigowanego angiografem jest niewielka – ale dla operatora, który może przeprowadzać kilka takich zabiegów dziennie, to już poważniejsze zagadnienie. Coraz bliższą perspektywą są zabiegi zdalne. Przeprowadzano już takie testy, na odległość kilkuset czy nawet kilku tysięcy kilometrów, z użyciem robota należącej do Siemens Healthineers firmy Corindus – na razie przede wszystkim z wykorzystaniem systemów symulacji medycznej. Są też przykłady wykorzystania robotyzacji do zdalnej rewaskularyzacji serca u realnych pacjentów. Myślę jednak, że roboty operujące bez ludzkiej asysty to odległa przyszłość – ze względu na bariery technologiczne, regulacyjne i nie mniej ważne psychologiczne.

Jak rysuje się przyszłość telemedycyjny?

Pandemia COVID-19 całkowicie zmieniła perspektywy tej dziedziny, przyśpieszając realizację przygotowywanych już projektów. Przez telemedycynę można rozumieć sytuację, w której lekarz np. opisuje zdalnie wyniki badania, ale clou tej koncepcji jest nie tyle „zdalny” lekarz, co pacjent, w tym wariancie diagnozowany na odległość. Jeszcze przed koronawirusem rzeczywistością w Polsce stały się e-recepty, w kolejce czeka e-skierowanie. Podczas lockdownu popularność błyskawicznie zdobyły zdalne konsultacje lekarskie, zarówno online, jak i telefoniczne. Myślę, że czeka nas gwałtowny rozwój ¬wearables, noszonych na ciele czujników wszelkiego rodzaju, które będą monitorowały coraz szerszą gamę wskaźników przy coraz lepszej integracji z systemami pracującymi w placówkach systemu opieki zdrowotnej. Nie wykluczałbym, że w dalszej przyszłości pojawią się np. powszechnie dostępne terminale, w prosty i zautomatyzowany sposób pobierające krew i oferujące na podstawie jej analizy spersonalizowaną ścieżkę diagnostyczną.

Jakie są główne przeszkody w rozwoju nowych rozwiązań?

Systemy AI potrzebują do nauki czy „treningu” olbrzymich ilości dobrze zidentyfikowanych i przygotowanych danych. Te jeszcze nie zawsze są dostępne, ale szybko postępująca digitalizacja usług medycznych działa z pewnością na korzyść AI. Danych będzie coraz więcej, będą coraz lepiej ustrukturyzowane i powiązane. Kompletne karty pacjentów, zawierające wszelkie informacje medyczne, to wcale nie jest pieśń odległej przyszłości.

Spowalniaczem, choć oczywiście uzasadnionym, jest legislacja rejestracyjna produktów medycznych i stosunkowo długotrwałe procedury walidacji i rejestracji. Warto podkreślić, że systemy samouczące, wykorzystujące deep learning, u klienta już się nie uczą. Po każdej ewolucji algorytmu w wyniku uczenia się trzeba by bowiem zwalidować takie zmiany, zamrozić system, zrobić opisany kolejnym numerem wersji release i na nowo zarejestrować.

Ważną barierą mogą być obawy końcowych użytkowników i ich pacjentów o bezpieczeństwo danych. Oczywiście ochrona wrażliwych danych to w cyfrowej medycynie sprawa absolutnie fundamentalna. Jako pacjenci wciąż jednak potrzebujemy oswojenia z myślą, że wyniki naszych badań lekarskich trafiają gdzieś do chmury. Niektóre narzędzia AI potrzebują jednak dużej mocy obliczeniowej. Rezygnacja z chmury z powodu obaw o bezpieczeństwo ogranicza zatem dostęp do zaawansowanych narzędzi albo wymaga uruchomienia odpowiednich zasobów IT na miejscu, co pociąga za sobą niewspółmiernie wysokie koszty.

Lekarze widzą w robotyzacji i AI rywala czy pomocnika?

Być może część lekarzy, myśląc o zastosowaniach AI ma obawy o miejsca pracy czy jakość sugestii diagnostycznych dostarczanych przez systemy oparte na sztucznej inteligencji. Można jednak na to spojrzeć inaczej – jako na bardzo użyteczne narzędzie, wspierające lekarza, a nie zastępujące go. AI automatyzuje niektóre czasochłonne czynności, ale kluczowy pozostaje człowiek. Algorytm dokonuje preprocessingu skanów tomograficznych, dokonując np. podstawowych pomiarów struktur anatomicznych, ale to radiolog zatwierdza, uzupełnia i rozwija opis.

Jakie rozwiązania na tym polu oferuje Siemens?

Algorytmami sztucznej inteligencji Siemens Healthineers zajmuje się od przeszło dekady, stały się więc nieodłączną częścią praktycznie każdego produkowanego przez nas urządzenia: w analizatorze laboratoryjnym Atellica Solution optymalizują obieg próbówek wewnątrz urządzenia, w tomografach za pomocą kamery 3D kontrolują ułożenie pacjenta, a system BioMatrix w naszych rezonansach magnetycznych dostosowuje aparat do budowy ciała pacjenta, zwiększając kluczową dla jakości obrazowania jednorodność pola magnetycznego. W tomografii komputerowej i rezonansie magnetycznym AI pojawia się na niemal każdym etapie badania: podczas przygotowania pacjenta i badania, w trakcie procedury, w pre- i post-processingu obrazów diagnostycznych. Możliwości AI najlepiej ilustrują dwie nasze platformy.

Jedna z funkcjonalności systemu AI-Rad Companion – Chest CT – wspiera tomografię klatki piersiowej: automatycznie dokonuje pomiarów aorty, pojemności płuc i serca, określa rozmiary i gęstość kręgów flagując odstępstwa od normy, zaznacza zwapnienia mięśnia sercowego, znajduje guzki w miąższu płuc. Może porównywać aktualne badanie do wcześniejszych obrazów tego samego pacjenta, a także odnosić wyniki do obowiązujących norm i wskaźników ryzyka. Automatycznie generuje także podstawowy opis. Dzięki temu radiolog może skupić się na elementach wymagających decyzji, doświadczenia, na przypadkach nieoczywistych. Jest to platforma oparta na głębokim uczeniu: sieć neuronowa przetwarza miliony obrazów, porównuje je z opisami stworzonymi przez ludzi i samodzielnie szuka prawidłowości. AI-Rad Companion Chest CT uczył się na ponad 3 mln badań. Dziesięciu radiologom analizującym 20 badań dziennie, siedem dni w tygodniu, zajęłoby to… ponad 40 lat.

Warto też podkreślić, że w bardzo krótkim czasie została przygotowana prototypowa aplikacja CT Pneumonia Analysis. Aplikacja automatycznie identyfikuje i kwantyfikuje widoczne w obrazie tomograficznym nieprawidłowości w obrębie płuc. Oblicza następnie wskaźniki stopnia zajętości płuca i poszczególnych płatów, kalkulując objętość zmian wywołanych COVID-19. Dzięki temu szybciej można ocenić, w jakim stanie jest pacjent i jak reaguje na zastosowane terapie. Prototyp tej aplikacji został bezkosztowo udostępniony naszym klientom.

Innym przykładem może być AI-Pathway Companion – narzędzie wspomagające podejmowanie decyzji klinicznych na podstawie zagregowanych wyników badań z różnych źródeł. Zbiera, analizuje i wizualizuje w jednym rekordzie pacjenta dane laboratoryjne, obrazowe, patomorfologiczne. AI kojarzy także np. wyniki badań obrazowych z odpowiednimi wynikami laboratoryjnymi. Różnorodność danych jest wyzwaniem, część z nich nie jest ustrukturyzowana – a zatem trudna do automatycznej analizy. Tu wkracza analiza języka naturalnego, interpretując i kwantyfikując wywiady czy opisy badań. AI-Pathway Companion odnosi zebrane dane do ogólnie przyjętych standardów, wytycznych, formuł kalkulowania ryzyka, dostępnych wyników badań naukowych. Wszystko to wspiera zespół medyczny w podejmowaniu decyzji precyzyjnie odpowiadających potrzebom konkretnego pacjenta. Niestety ze względu na nasz trudny dla komputerów język na wdrożenie tego rozwiązania w Polsce musimy jeszcze zaczekać.

Czy Polska odstaje od reszty Europy? Ciekawe projekty i wdrożenia w Polsce?

Polska jako rynek technologii medycznych rozwija się dynamicznie. Ilustracją potencjału może być na przykład wskaźnik liczby aparatów rezonansu magnetycznego w przeliczeniu na milion mieszkańców. W ciągu ostatnich 10 lat liczba aparatów na rynku zwiększyła się ponad dwukrotnie, osiągając 13 systemów na milion mieszkańców (w 2010: 6/mln). Co więcej, wiodące polskie szpitale i ośrodki naukowe to naprawdę liga międzynarodowa. Jest duże zainteresowanie prototypami, testami, wspólnymi projektami badawczymi. Potencjał polskich naukowców jest ogromny. Siemens Healthineers prowadzi wraz z polskimi partnerami badawczymi kilkanaście projektów, obejmujących choćby diagnostykę laboratoryjną, diagnostykę obrazową czy właśnie nowatorskie wdrożenia sztucznej inteligencji.