Prześwietlanie przyszłości medycyny: Jak polski startup Hetalox wykorzystuje AI, by walczyć ze stwardnieniem rozsianym i otępieniem

Nasza „prześwietleniowa” rozmowa dotyka krytycznych problemów neurologicznych, wąskich gardeł systemu opieki zdrowotnej oraz rewolucyjnego potencjału technologii.

Rosnące zagrożenie i słabe punkty systemu

Dr Korbecki od razu zarysował skalę wyzwania: co 5 minut ktoś na świecie otrzymuje diagnozę stwardnienia rozsianego, a co 3 sekundy u kolejnej osoby rozwija się otępienie. Prognozy są alarmujące – do 2060 roku liczba osób cierpiących na różne postacie otępienia ma wzrosnąć trzykrotnie. Dlaczego ten problem narasta? Po pierwsze, żyjemy dłużej, co daje więcej czasu na rozwój neurodegeneracji. Po drugie, kluczową rolę odgrywa nasz styl życia: niedosypianie, nieprawidłowe odżywianie i ciągły pęd, których długoterminowe efekty po prostu się sumują.

W kontekście stwardnienia rozsianego (choroby dotykającej najczęściej młode kobiety), kluczowe jest wczesne wdrożenie leczenia. Dr Korbecki podkreślił: „jeśli opóźnimy wdrożenie tego leczenia, to w trakcie przebiegu stworzenia rozsianego również rozwijają się rozwija się różny stopień niepełnosprawności”.

W systemie opieki zdrowotnej, szczególnie w Polsce, występują jednak poważne przeszkody w szybkiej diagnostyce:

• niedobór radiologów: choć w Polsce aktywnych zawodowo radiologów jest tylko około 3–4 tys., dr Korbecki uważa, że to nie jest największy „bloker”;
• niewystarczające wykorzystywanie skanerów: głównym problemem jest ograniczona ilość czasu na aparatach rezonansu magnetycznego (MR), co prowadzi do niedostatecznego skanowania społeczeństwa;
• długi łańcuch oczekiwania: od momentu pojawienia się objawów, pacjent czeka na skan, potem na opis badania, a następnie na wizytę u lekarza klinicysty, co sumarycznie tworzy długie opóźnienia.

Rozwiązaniem tych problemów mogłoby być skrócenie czasu trwania samych badań MR (nawet do 5–10 minut w przyszłości), zwiększenie liczby radiologów oraz, co postulował dr Korbecki, profilaktyczne skanowanie mózgu. Zapytany, czy popiera powszechne badania przesiewowe mózgu, odparł: „jestem radiologiem, jestem fanem skanowania, więc jak ktoś się pyta, czy skanować, ja mówię skanować”.

Hetalox: AI jako drugie oko radiologa

Właśnie w tym momencie wkracza technologia Hetaloksu, która ma za zadanie usunąć wąskie gardła i poprawić jakość diagnozy. Dr Korbecki wyjaśnił, że algorytmy AI działają na trzy główne sposoby, wspierając radiologów:

• wykrywanie subtelnych zmian (drugie oko): AI jest w stanie dostrzec zmiany, które mogłyby umknąć uwadze człowieka. Algorytm analizuje obraz i sygnalizuje: „hej, spójrz w to miejsce: czy tutaj aby nie ma patologii? Czy tistota biała nie jest zbyt hiperintensywna?”;
• przyspieszenie porównania: AI automatycznie porównuje bieżące badanie z poprzednimi, szybko mierząc i licząc objętość zmian, co skraca czas pracy radiologa z 10 do 2–3 minut;
• ocena wolumetryczna (niedostępna dla ludzi): najbardziej przełomową funkcją jest wolumetria, czyli objętościowa ocena struktur mózgu, np. hipokampów. Algorytm może porównać objętość danej struktury do zdrowej populacji i poinformować: „uwaga, te hipokampy zdają się być w 15 centylu w porównaniu do osób zdrowych zgodnych z płcią i wiekiem”. Taka wiedza umożliwia wcześniejszą modyfikację stylu życia lub wdrożenie leczenia, np. wyprzedzając ryzyko rozwoju choroby Alzheimera.

Etyka, odpowiedzialność i dane

W kontekście wdrażania zaawansowanych algorytmów pojawia się kluczowe pytanie o odpowiedzialność w przypadku pomyłki diagnostycznej. Dr Korbecki stanowczo wyjaśnił, że „obecne wytyczne są takie i obecna litera prawa jest taka że AI nie stawia diagnozy”. Narzędzia Hetalox są certyfikowane jako wspomagające diagnostykę, a ostateczną decyzję zawsze podejmuje lekarz.

Ekspert zauważył, że radiolodzy są świadomi rewolucji, jaką niesie AI, i chętnie korzystają z narzędzi, które poprawiają jakość i ilość ich pracy, pod warunkiem zbudowania zaufania do algorytmu. Wyzwaniem dla Hetaloksu, jako medtechu budującego własne modele AI, pozostaje dostęp do danych, szczególnie w Polsce i Europie. Sukces modelu zależy od jakości danych treningowych. Hetalox radzi sobie z tym, wykorzystując własne oznaczenia tworzone przez specjalistów oraz dbając o różnorodność zbioru danych (różne aparaty, jakość skanowania), aby uniknąć stronniczości algorytmu. Przy tworzeniu modeli przyjęli zasadę: „zrobienie perfekcyjnego narzędzia, które działa tylko na perfekcyjnych badaniach nie ma sensu”.

Model biznesowy startupu jest szeroki. Rozwiązanie ma generować przychody ze strony: sieci diagnostycznych (poprawa wolumenu badań i szybkości opisu), firm farmaceutycznych (wykorzystanie w badaniach klinicznych) oraz, co jest perspektywą przyszłości, systemów ochrony zdrowia, które zyskają na wczesnej diagnostyce i profilaktyce.

Chcesz dowiedzieć się więcej o wyzwaniach certyfikacji medycznej, różnicach między rynkiem europejskim a amerykańskim oraz o tym, dlaczego profilaktyka jest kluczowa? Posłuchaj pełnej rozmowy Przemysława Zielińskiego z doktorem Adrianem Korbeckim, współzałożycielem Hetaloksu w serwisie YouTube

albo Spotify