Sztuczna inteligencja coraz śmielej wkracza na szpitalną scenę

Zaawansowane algorytmy zyskują na znaczeniu. Beneficjentami są pacjenci i cała gospodarka.

Poprawa dostępu do opieki medycznej, lepsza diagnostyka oraz znacząca redukcja kosztów – to tylko niektóre z korzyści, płynących z zastosowania zaawansowanych algorytmów. Pełne wdrożenie rozwiązań bazujących na sztucznej inteligencji (ang. artificial intelligence, AI) może zwiększyć wydajność personelu pielęgniarskiego o 40–50 proc. oraz zmniejszyć wydatki na ochronę zdrowia w Polsce o 0,3–0,6 proc. PKB – podaje firma McKinsey&Company.

Wyścig z czasem

Sławny superkomputer Watson firmy IBM, który jest w stanie przeanalizować potężną ilość danych, stawia zaskakująco trafne diagnozy. Co ważne, potrzebuje na to zdecydowanie mniej czasu niż konsylium lekarzy. A trafna diagnoza i czas – szczególnie w przypadku chorób nowotworowych – to najważniejsze elementy, przesądzające o skuteczności leczenia.

W tym kontekście niepokojąco prezentują się statystyki, według których lekarze, podczas diagnozowania pacjentów chorych na raka i ustalania szczegółów terapii, korzystają z zaledwie 20 proc. dostępnej wiedzy opartej na badaniach klinicznych.

Przykładów idących tropem Watsona przybywa. Niedawno głośno było o naukowcach z Uniwersytetu w Kalifornii, którzy stworzyli platformę, potrafiącą nie tylko zdiagnozować i rozróżnić dwie najpopularniejsze choroby siatkówki (zwyrodnienie plamki żółtej i cukrzycowy obrzęk plamki), ale także ocenić stopień zaawansowania schorzenia. Zastosowanie tzw. transferowego systemu uczenia pozwala już teraz sztucznej inteligencji diagnozować obrazy rentgenowskie klatki piersiowej i z 90-proc. dokładnością rozróżniać wirusowe i bakteryjne zapalenie płuc.

Wykorzystanie w opiece medycznej petabajtów danych, umożliwiających spersonalizowaną opiekę, wymaga zastosowania nowych metod ich agregacji, przechowywania i modelowania. Rozwiązaniem mogą być tzw. systemy kognitywne, do których zaliczyć można m.in. machine learning, deep learning czy sieci neuronowe.

– Pozwalają one na radzenie sobie z dużymi wolumenami szybko zmieniających się i przyrastających danych. W medycynie systemy kognitywne mogą być wykorzystywane np. do przewidywania wystąpienia choroby, badania wpływu leku na jednostki lub całą populację lub do klasyfikowania i modelowania potencjalnego wystąpienia różnych chorób w społeczeństwie – mówi Robert Paszkiewicz, dyrektor sprzedaży w OVH Polska.

IT w służbie pacjentom

Obszarów zastosowania sztucznej inteligencji jest więcej niż mogłoby się wydawać na pierwszy rzut oka. Algorytmy mogą sugerować, gdzie należy wprowadzać programy profilaktyczne. McKinsey&Company spodziewa się też, że płatnicy oraz firmy oferujące ubezpieczenia opracują nowe podejścia, zachęcające do profilaktyki, wykorzystując uczenie maszynowe do analizowania danych o hospitalizacji pacjentów.

Na znaczeniu zyskuje też internet rzeczy. Już teraz usprawnia np. działania związane z rozmieszczeniem karetek w Małopolsce.

– Analiza natężenia ruchu w połączeniu z danymi o częstotliwości i kierunkach dojazdu ambulansów pomaga w takim umiejscowieniu załóg ambulansów, aby były one w stanie dojechać do pacjentów w ustawowym czasie nieprzekraczającym 15 minut w terenie zabudowanym i 20 minut poza nim – podkreśla Jacek Sobotka, dyrektor sprzedaży w Esri Polska.

Co ciekawe, dzięki inwestycjom w odpowiednią technologię, usprawnienia te nie muszą się wiązać z koniecznością zakupu nowych pojazdów.

Z pomocą pacjentom może też przyjść wykorzystanie czynnika lokalizacji. – Wizualizacja danych w postaci wykresów lub łatwo czytelnej mapy pozwoli na przykład sprawdzić jaki jest średni czas oczekiwania do specjalisty w danej placówce z uwzględnieniem informacji o miejscu zamieszkania pacjentów – wskazuje Sobotka.