Notatki w EDM z pomocą AI. Kiedy upowszechnią się w Polsce?

W USA błyskawiczną karierą robią tzw. AI scribes, czyli automatyczne tworzenie e-dokumentacji medycznej z pomocą generatywnej sztucznej inteligencji. AI słucha rozmowy lekarza z pacjentem, podsumowuje ją, a lekarz – bez pisania na klawiaturze – zatwierdza zapisy. W Polsce ich wdrożenie może rozbić się o infrastrukturę danych i przyzwyczajenia.

Lekarze oszczędzają czas na pisanie, pacjenci doceniają lepszy kontakt z lekarzem

Na taką pomoc w biurokracji lekarze czekali od dawna, bo wpisywanie danych do e-kartoteki pacjenta zajmuje nawet 30–50% czasu wizyty. Znamy to wszyscy: lekarz wpatruje się w ekran, notuje objawy, rozpoznania, wyniki badań; wypisuje receptę i skierowanie. Klikanie po zakładkach i skrolowanie w systemie IT stały się symbolem biurokracji w ochronie zdrowia. Czasochłonne uzupełnianie EDM – a obowiązków sprawozdawczych przybywa – doprowadziło do tego, że cyfryzacja i e-zdrowie kojarzą się z nielubianym obowiązkiem, a nie z ułatwieniami.

Pierwszy raz od dekad pojawiła się szansa, aby to zmienić. Systemy generatywnej AI transkrybują i analizują treść rozmowy w gabinecie lekarskim, podsumowują ją i przyporządkowują wyłapane dane do poszczególnych kategorii EDM, jak rozpoznanie, wywiad albo recepta. Wszystko dzieje się w tle, automatycznie. Na koniec lekarz wykonuje kilka kliknięć, aby potwierdzić poprawność zebranych danych albo je uzupełnić.

To działa. Coraz więcej badań prowadzonych w USA potwierdza, że AI scribes redukują czas, jaki lekarz spędza przed komputerem, a pacjenci doceniają, że lekarz w końcu poświęca im więcej uwagi. Są nawet badania sugerujące, że takie rozwiązanie może zmniejszyć wypalenie zawodowe lekarzy. Narzędzie AI rejestruje nawet szczegóły, które przy ręcznym notowaniu mogłyby umknąć lekarzowi albo na zanotowanie których nie ma czasu.

Kolejna zaleta: pacjent może otrzymać podsumowanie przebiegu wizyty napisane prostym i zrozumiałym językiem, wraz z planem opieki i wskazówkami. To o tyle istotne, że przy klasycznej rozmowie, pacjent wiele szczegółów zapomina zaraz po wyjściu z gabinetu. Lekarz nie musi już uzupełniać dokumentacji po godzinach albo pisać porady na kartkach, bo tak jest szybciej niż w systemie IT. Według najnowszych badań, w ten sposób może zaoszczędzić kilka godzin tygodniowo, a jakość notatek zazwyczaj przewyższa jakość tych wpisywanych ręcznie na klawiaturze (wiele systemów uczy się na podstawie poprawek wprowadzanych przez lekarza).

Te bariery blokują wdrożenie notatek AI w Polsce

Notatki AI nie są bezbłędne, ale i tak zaskakująco dobre, biorąc pod uwagę, że AI nie rozumie kontekstu rozmowy. Zdarzą się błędy, jak nieprawidłowe nazwy leków, przekręcone rozpoznania albo dodatkowe wpisy wynikające z halucynacji AI. Lekarz musi wiedzieć, jak rozmawiać z pacjentem, aby wychwycić wszystkie szczegóły. Tutaj nie ma miejsca na intuicję, uzupełnianie informacji z kontekstu – wszystko musi być powiedziane głośno i wyraźnie.

Zapytaliśmy polskich dostawców IT, czy i kiedy planują wprowadzić do powszechnego użytku notatki AI. Raczej nie prędko, bo problemów do pokonania jest dużo – przyznaje większość z nich.

Pierwszy to język polski. Generatywna AI świetnie radzi sobie z językiem angielskim, bo w zdecydowanej większości została wytrenowana na danych w języku angielskim. Z prostego powodu: większość treści w światowym internecie jest po angielsku. Na kolejnych miejscach są hiszpański, chiński, francuski oraz niemiecki. Polski zajmuje odległe miejsca, ale i tak AI radzi sobie z nim dzisiaj bardzo dobrze, i to nawet kiedy lekarze używają żargonu.

Kolejna czysto techniczna przeszkoda to integracja notatek AI z systemem gabinetowym. Model AI musi działać lokalnie, aby zapewnić bezpieczeństwo danych pacjenta i pełną poufność. To nie może być publiczny model jak ChatGPT albo inne narzędzie, aby dane nie trafiały na serwery zlokalizowane w chmurze, najczęściej w USA – placówka musi dysponować modelem AI zainstalowanym lokalnie. Ten warunek dyskwalifikuje przede wszystkim małe POZ-ty, gdzie AI mogłaby przynieść największe korzyści, ale które działają w oparciu o tradycyjne serwery albo bazy danych na laptopie, które mogą nie podołać wymaganiom mocy obliczeniowych modelu.

Tymczasem wszystkie przypadki zastosowania AI scribes w USA dotyczą podmiotów działających właśnie w chmurze, i to dostawcy usług chmurowych – jak AWS, Microsoft Azure, Google Cloud albo Oracle – mogą zaoferować taką usługę, jednocześnie spełniając wymagania HIPAA (Health Insurance Portability and Accountability Act), czyli amerykańskich zasad bezpieczeństwa danych.

Infrastruktura IT wymaga pilnego unowocześnienia

To powoduje, że dla polskich dostawców IT wprowadzenie do oferty notatek AI mijałoby się z realiami rynkowymi. Podmioty nie dysponują odpowiednią infrastrukturą IT i miną lata, zanim taką zbudują.

O ile kwestie techniczne z czasem przestaną być barierą, to dochodzą jeszcze te etyczne, prawne i kulturowe. W przypadku błędów AI odpowiedzialność ponosi lekarz, a rozwiązania typu AI scribes nie są systemami medycznymi i nie dają 100% gwarancji poprawności podsumowań informacji. Trzeba też wziąć pod uwagę, że obecnie tylko ok. 6% placówek zdrowia korzysta z AI i najczęściej są to szpitale stosujące AI w systemach diagnostyki obrazowej. W POZ-tach, AI po prostu nie ma. Na koniec dochodzi też opór ze strony pacjentów, którzy nie są przyzwyczajeni do tej formy wizyty i mogą mieć duże obawy co do prywatności i bezpieczeństwa danych.

Na automatyczne tworzenie EDM z pomocą AI jest za wcześnie – usłyszeliśmy od dostawców IT w Polsce. Polscy lekarze będą musieli jeszcze poczekać, aby skorzystać z tego ułatwienia. W tym czasie modele będą coraz doskonalsze i łatwiejsze do integracji z EDM. Trzeba jednak zaznaczyć, że postępy sztucznej inteligencji są tak szybkie i nieprzewidywalne, że te prognozy mogą już jutro okazać się nieaktualne.

Czytaj także: AI w EDM. „Lekarz oszczędza kilka godzin tygodniowo”