Przeglądanie setek stron dokumentacji medycznej przed każdą wizytą to zmora współczesnych lekarzy. Tymczasem w słynnej amerykańskiej Mayo Clinic algorytmy redukują ten czas o kilkadziesiąt minut, analizują zapisy EKG pod kątem niewidocznych dla oka zaburzeń i pomagają wykrywać raka trzustki na etapie, w którym jest on jeszcze wyleczalny.
Czytaj także: Polskie medtechy na ratunek krajowej służby zdrowia. Tylko… czy zdążą?
Mayo Clinic: 150 algorytmów w służbie pacjenta
Kiedy dr Alexander Ryu, internista w Mayo Clinic w Rochester w stanie Minnesota, przygotowuje się do spotkania z pacjentem o złożonej historii medycznej, musi często przeanalizować kilkadziesiąt, a czasem nawet kilkaset stron dokumentacji. W medycynie czas jest kluczowy, a przekopywanie się przez cyfrowe sterty papierów to jedno z głównych źródeł wypalenia zawodowego lekarzy.
Rozwiązaniem ma być narzędzie o wymownej nazwie Record Time. System oparty na sztucznej inteligencji błyskawicznie analizuje historię choroby, układa dokumenty w porządku chronologicznym i generuje zwięzłe, kliniczne podsumowanie. Jak wynika z raportu opublikowanego przez CNN, narzędzie pozwala zaoszczędzić lekarzowi od 5 do nawet 30 minut przygotowań przed każdą wizytą.
Jednak skracanie biurokracji to zaledwie wierzchołek góry lodowej. Mayo Clinic wdrożyło już w swojej praktyce klinicznej około 150 różnych modeli sztucznej inteligencji. Wśród nich znajdują się systemy o fundamentalnym znaczeniu dla życia pacjentów:
- wczesne wykrywanie raka trzustki: szpital prowadzi badania kliniczne nad algorytmem wyłapującym we wczesnym stadium nowotwór trzustki – chorobę, która przez długi czas przebiega bezobjawowo i najczęściej diagnozowana jest zbyt późno;
- predykcja migotania przedsionków: Modele AI analizują rutynowe zapisy EKG (elektrokardiogramu), rozpoznając mikroskopijne wzorce zwiastujące ryzyko wystąpienia migotania przedsionków – groźnego zaburzenia rytmu serca, które grozi udarem mózgu;
- asystenci głosowi dla pielęgniarek: Zespół pielęgniarski w Mayo Clinic pomógł stworzyć system tzw. ambient intelligence (inteligencji otoczenia). Algorytm słucha przebiegu wizyty i automatycznie sporządza z niej notatkę kliniczną, co pozwala skrócić czas spędzany przez personel na wprowadzaniu danych do komputera o połowę.
Modele specjalistyczne zamiast „ogólnego chata”
Kluczowy w podejściu Mayo Clinic jest fakt, że szpital nie korzysta z powszechnie dostępnych, komercyjnych modeli językowych. Medycyna wymaga precyzji, której nie gwarantują ogólne algorytmy trenowane na danych z otwartego internetu.
W ramach strategicznego partnerstwa z gigantami technologicznymi, takimi jak Microsoft oraz Scale AI, Mayo Clinic buduje tzw. frontier model AI dostosowany wyłącznie do wymogów opieki zdrowotnej. System ten trenowany jest na zanonimizowanych rekordach medycznych i wiedzy klinicznej zgromadzonej przez dekady przez ekspertów szpitala.
Czytaj także: ChatGPT w medycynie: czym kusi AI, a czym ryzykują pacjenci i lekarze?
Jak podkreśla dr Matthew Callstrom, kierownik katedry radiologii w Mayo Clinic w wypowiedzi dla CNN, wdrożenie algorytmu traktowane jest tak samo rygorystycznie jak wprowadzenie nowego leku lub próba kliniczna: „środowisko lekarskie z natury cechuje duży sceptycyzm. Dajemy lekarzom możliwość przetestowania narzędzia AI – jeśli uznają je za pomocne, korzystają z niego. Jeśli nie – nie mają takiego obowiązku. Najlepszą miarą naszego sukcesu jest wskaźnik dojrzałej adopcji technologii przez personel.”
Polska służba zdrowia: Podwojenie skali i medtechowa awangarda
Podczas gdy amerykańskie giganty budują własne modele wielkoskalowe, w Polsce wdrażanie sztucznej inteligencji w placówkach medycznych również nabrało bezprecedensowego tempa.
Z danych Centrum e-Zdrowia (CeZ) wynika, że odsetek polskich szpitali wykorzystujących rozwiązania AI wzrósł do 13,2% (wobec 6,5% rok wcześniej). Najczęstszym polem eksploatacji algorytmów nad Wisłą jest diagnostyka obrazowa – aż 33,9% wdrożeń dotyczy analizy wyników tomografii komputerowej (CT) i rezonansu magnetycznego (MRI).
Polska stała się też mocnym zagłębiem innowacji z obszaru medtech (technologii medycznych). Z raportów publikowanych w naszym serwisie wynika, że w Polsce działa blisko 400 startupów medycznych, z czego co trzeci wykorzystuje sztuczną inteligencję i uczenie maszynowe (machine learning).
Gdzie polskie AI realnie ratuje życie?
Przykłady konkretnych aplikacji z polskiego rynku pokazują, że rodzime rozwiązania w niczym nie ustępują amerykańskim:
- Neuroradiologia i udary (BrainScan): rodzimy system AI wdrożony m.in. w Szpitalu Joannitas w Pszczynie analizuje skany tomografii komputerowej głowy w poszukiwaniu zmian krwotocznych i niedokrwiennych. Skraca to czas oceny krytycznych przypadków z godzin do kilkudziesięciu sekund.
- Kardiologia prenatalna (Prometheus MedTech.AI): polski startup stworzył system Ultra Pregna Scan, który wspomaga lekarzy w wykrywaniu wrodzonych wad serca u nienarodzonych dzieci podczas rutynowych badań USG.
- VR i Neurorehabilitacja (BioMinds Healthcare): w odpowiedzi na rosnącą liczbę schorzeń neurologicznych polscy twórcy opracowali system osadzony w wirtualnej rzeczywistości. Wspiera on rehabilitację pacjentów po udarach i z chorobami neurodegeneracyjnymi w obszarze motorycznym i poznawczym.
- Onkologia i Pulmonologia: Rozwiązania klasy AI-Rad Companion analizujące tomografię klatki piersiowej automatycznie mierzą i klasyfikują guzki płuc, odciążając przeciążonych radiologów.
Prawo, etyka i finanse
Zarówno w USA, jak i w Polsce, największą barierą we wdrażaniu sztucznej inteligencji nie jest sama technologia, lecz kwestie prawne i proceduralne.
W Polsce od 1 stycznia 2025 roku obowiązuje znowelizowany Kodeks Etyki Lekarskiej (art. 12). Wprowadził on jasne wymogi:
- lekarz może skorzystać z pomocy algorytmu AI wyłącznie za świadomą zgodą pacjenta;
- używany system musi posiadać odpowiednie certyfikaty wyrobu medycznego;
- ostateczną decyzję diagnostyczną lub terapeutyczną zawsze podejmuje człowiek – lekarz.
Dodatkowo, polskie placówki finansują wdrożenia cyfrowe głównie ze środków z Krajowego Planu Odbudowy (KPO) – na cyfryzację szpitali przeznaczono ponad 3,1 mld zł. Narodowy Fundusz Zdrowia (NFZ) nadal jednak nie refunduje użycia AI jako osobnego świadczenia medycznego.
AI nie zastąpi lekarza, ale…
Obserwując praktykę Mayo Clinic oraz rozwój polskich szpitali, trudno nie dostrzec wspólnego mianownika. Sztuczna inteligencja w medycynie przestała być futurystyczną wizją z powieści science-fiction, a stała się cichym, niezmiernie skrupulatnym asystentem. Jak podsumowuje dr Callstrom z Mayo Clinic, przewidywania, że AI w rok czy dwa całkowicie zmieni medycynę, są zbyt optymistyczne. Najważniejsza pozostaje jakość opieki nad pacjentem i bezpieczeństwo.
Czytaj także: AI jest lepsze niż słaby lekarz, lecz nigdy tak dobre jak wybitny – Aleksandra Staniszewska (MY OVU) o AI w medtechach
Sformułowanie, które najtrafniej oddaje obecny etap rewolucji, brzmi zatem tak: sztuczna inteligencja nie zastąpi lekarza, ale lekarze i szpitale korzystający ze sztucznej inteligencji bez wątpienia zastąpią tych, którzy próbują ignorować postęp technologiczny.
