AI w placówce zdrowia. Od czego zacząć? [PORADNIK]

AI to temat numer 1, ale nie w polskiej ochronie zdrowia. Barierą nie są już koszty, ale przepisy prawne, brak zachęt finansowych i zawiły proces wdrożenia . Mimo to, do AI trzeba przygotować się już dzisiaj – radzili eksperci podczas kongresu HIMSS Europe 2024. Od czego zacząć?

Wdrożenie AI to nie to samo co wdrożenie systemu IT

Według badania Centrum e-Zdrowia, tylko co 16 placówka medyczna w Polsce (ok. 6%) korzysta z rozwiązań AI. Najczęściej są to systemy diagnostyki obrazowej. Pod tym względem Polska ochrona zdrowia jest daleko za Stanami Zjednoczonymi, gdzie stosuje się takie nowinki AI jak systemy transkrypcji rozmowy pacjenta z lekarzem na zapisy w elektronicznej kartotece medycznej oraz rozwiązania generatywnej AI do podsumowania danych z EDM.

Powodem są pieniądze i mało precyzyjne prawo, a na kolejnych miejscach – niska dojrzałość cyfrowa. Menedżerowie podmiotów zdrowia dzielą się na tych, którzy mają poczucie FOMO (strach przed pozostaniem w tyle rewolucji sztucznej inteligencji) oraz tych, którzy nawet nie myślą jeszcze o jej wdrożeniu, bo wyzwanie przekracza ich aktualne możliwości organizacyjno-kadrowo-finansowe.

Mało kto może mierzyć się z takimi liderami jak amerykańska Klinika Mayo, która obecnie wykorzystuje ok. 200 algorytmów AI do optymalizacji procesów logistycznych i klinicznych oraz prognozowania stanu zdrowia. Jak podkreśla Cris Ross odpowiedzialny za cyfryzację w Mayo Clinic, nawet jeśli dla wielu placówek AI pozostaje poza zasięgiem, najważniejsze jest przygotowywanie gruntu do jej wdrożenia. Dynamiczny rozwój generatywnej sztucznej inteligencji i nowych algorytmów, w połączeniu z rosnącą liczbą urządzeń medycznych korzystających z AI spowodują, że za kilka lat każdy szpital albo klinika będą skazane na AI.

Criss Ross zaznacza, że wdrożenie AI jest zupełnie innym procesem niż wdrożenie systemu IT. I trzeba się do niego dobrze przygotować, najlepiej zaczynając od stworzenia strategii AI. Samo wypracowanie atmosfery akceptacji dla AI może potrwać kilka lat. W tym procesie najlepiej skupić się na tzw. małej AI (small AI), czyli algorytmach i systemach bezpośrednio wspomagających procesy. W jakich obszarach mogą się one najlepiej sprawdzić? Które elementy jakości opieki i leczenia można poprawić wdrażając AI? Z jakich systemów AI korzystają liderzy rynkowi z dobrymi rezultatami? To tylko niektóre pytania, na które powinna odpowiadać strategia dla sztucznej inteligencji.

Za algorytmem musi iść zmiana procedur pracy

Źródłem pomysłów na wdrożenie algorytmów AI są pracownicy i obserwacja rozwiązań stosowanych przez inne placówki. Ron Balicer, Dyrektor ds. Innowacji w Clalit radzi, aby zacząć od dwóch pytań: „dlaczego” i „co dalej”? „Dlaczego” – aby sprawdzić, czy danego procesu nie da się udoskonalić sięgając po alternatywne sposoby. „Co dalej” – ponieważ za rezultatem obliczeń algorytmu AI muszą iść konkretne działania, które często wywracają do góry nogami całą ścieżkę opieki nad pacjentem. Jeśli nie jesteśmy w stanie zmienić procedur, co wymusza wdrożenie algorytmu, nie ma sensu wprowadzać AI.

Przykładem jest analityka predykcyjna. Jeśli algorytm AI oblicza prawdopodobieństwo pogorszenia stanu zdrowia na oddziale intensywnej terapii albo wystąpienia sepsy, to nie można zostawić tej informacji bez konsekwencji. Trzeba opracować nowe procedury weryfikacji obliczeń AI, ścieżki opieki i postępowania. W przeciwnym wypadku, zamiast poprawy wyników leczenia, nagle będziemy mieli tylko informację bez reakcji.

Naczelna zasad: AI musi być zintegrowane z EDM

Szef ds. cyfryzacji w Mayo Clinic przestrzega przed wprowadzeniem rozwiązań, które nie są zintegrowane z elektroniczną dokumentacją medyczną. Lekarze są obciążeni pracą w systemach IT i każde jedno kliknięcie może ogromnie paraliżować ich pracę, bo najczęściej musi być powtarzane dziesiątki, setki razy dziennie. Firmy rozwijające rozwiązania AI podkreślają, że ułatwiają one pracę, ale ktoś te systemy musi obsługiwać.

Złotą zasadą powinno być osadzanie AI w EDM, tak aby lekarz miał jeden system, a nie musiał przełączać się pomiędzy aplikacjami, oknami, komputerami i urządzeniami. Z doświadczenia Mayo wynika, że alerty generowane przez AI czasem bardziej przeszkadzają niż pomagają. O wiele lepiej sprawdzają się systemy oparte na sugestiach.

Wszystkie algorytmy AI muszą pracować na jednej platformie danych. Placówki medyczne powinny już zawczasu myśleć o interfejsie opartym na czacie, aby lekarze lub pielęgniarki mogły komunikować się z systemem AI, zamiast klikać w poszukiwaniu danych.

– Nie zwiększaj obciążenia lekarzy innowacjami technologicznymi, niezależnie od tego, jak są innowacyjne – podkreśla Criss Ross, przestrzegając m.in. przed aplikacjami AI na smartfony.

Czekanie na lepsze, dojrzalsze AI to błąd

Generatywna sztuczna inteligencja zdominowała dyskusję o AI. Ale wdrażanie AI najlepiej rozpocząć od prostych algorytmów głębokiego uczenia się, stosowanych m.in. w modelach predykcyjnych. Z prawnego punktu widzenia, są dużo łatwiejsze do implementacji niż w generatywna AI.

Największe nadzieje wiąże się obecnie z wielomodalną AI (multimodal AI), która analizuje różne formaty danych, jak zdjęcia medyczne i zapisy w EDM. Trzeba pamiętać, że te modele nie są w 100% dokładne, ale mogą być stosowane jako narzędzie pomocnicze, przykładowo do triażu. Tak zresztą trzeba patrzeć na każdy algorytm w placówce zdrowia – ma on wspierać pracę, ale ostateczna decyzja należy do lekarza.

Implementacja AI wymaga dobrego przygotowania

Wdrażanie AI musi być planowe i zintegrowane. Nawet jeśli lekarze zgłoszą potrzebę wykorzystania AI, trzeba zapytać pracowników innych szczebli (np. pielęgniarki), jak to wpłynie na ich pracę. Dopiero jeśli zastosowanie algorytmu ma sens, do gry wchodzi dział IT (czy dane da się zintegrować w ekosystemie cyfrowym) oraz dział prawny (jak go wdrożyć przestrzegając obowiązujących przepisów).

Przed wdrożeniem sztucznej inteligencji należy zbudować potencjał adaptacyjny, szkoląc pracowników działu IT i końcowych użytkowników (lekarzy, pielęgniarki). W przeciwnym razie implementacja zakończy się porażką, bo personel nie będzie widział sensu korzystania z AI.

Zakładając, że wydatki na IT nie przekraczają 2–3% budżetu, większość placówek medycznych nie może pozwolić sobie na tworzenie własnych algorytmów – będą polegać na AI dostawców. To kolejny argument za stworzeniem strategii AI zawierającej plan integracji nowych aplikacji do ekosystemu IT.

Nie wiesz jak zacząć? Zacznij od danych

Nie ma wątpliwości, że stosowanie AI w ochronie zdrowia będzie coraz bardziej powszechne. Można spodziewać się dużych dysproporcji we wdrażaniu pomiędzy placówkami zdrowia. Liderami zostaną te podmioty, które konsekwentnie od lat dbają o higienę baz danych.

Wcześni innowatorzy implementujący AI podkreślają, że nie ma AI bez ustrukturyzowanej architektury danych. Nowych rozwiązań, jak wieże kontrolne w szpitalu, nie da się wdrożyć nie mając wysokiej jakości danych, najlepiej w chmurze. Rosnące znaczenie AI powoduje, że teoretycznie duże placówki medyczne już teraz powinny zatrudniać inżynierów danych. Ale realia rynkowe są zupełnie inne.

Czytaj także: Poradnik dla lekarzy, jak korzystać z ChatGPT