Na co wydać 1,26 mld zł z KPO na AI w ochronie zdrowia?

Ministerstwo Zdrowia planuje przeznaczyć z KPO 4,3 mld zł na cyfryzację ochrony zdrowia, z czego 1,26 mld na AI. Wdrożenie jakich innowacji sztucznej inteligencji będzie miało sens? Dlaczego MZ stawia na CDSS? I jak się ma do tego mapa innowacji tworzona przez Ministerstwo Zdrowia?

AI pomaga lekarzowi w podejmowaniu decyzji

– W ramach KPO podmioty lecznicze o znaczeniu ogólnokrajowym/regionalnym zostaną podłączone do centralnego elektronicznego repozytorium danych medycznych oraz wyposażone w narzędzia wspomagania podejmowania decyzji oparte na sztucznej inteligencji – powiedział w wywiadzie dla OSOZ Wojciech Demediuk, dyrektor Departamentu e-Zdrowia w Ministerstwie Zdrowia. Podczas konsultacji dotyczących KPO na e-zdrowie prowadzonych w MZ padły zapowiedzi, że 30% świadczeniodawców ma zostać wyposażonych w narzędzia wspomagające procesy decyzyjne.

Klasyczne systemy wspomagania decyzji klinicznych (CDSS, Clinical Decision Support Systems) to rozwiązania, które pozwalają szybko wyszukiwać informacje o nowych badaniach klinicznych, pomagając w diagnozie i leczeniu bardzo skomplikowanych przypadków medycznych. Zamiast szukać w internecie, czy pojawiła się nowa rekomendacja leczenia choroby X albo jakie alternatywne leki sprawdziły się w leczeniu podobnych przypadków, lekarz może to zweryfikować w jednej bazie danych i to bez konieczności czytania długich opracowań naukowych.

W Polsce CDSS nie są powszechne, wykorzystują je tylko duże ośrodki akademickie i to najczęściej w ramach bezpłatnych licencji edukacyjnych. Liderami rynku są Elsevier oraz Wolters Kluwer, które ostatnio wyposażyły swoje systemy w AI, aby ułatwić dopasowywanie nowych rekomendacji i badań naukowych do określonego przypadku pacjenta.

Opieka koordynowana z elementem predykcji zdrowia

Jednak pod pojęciem „oparte na AI systemy podejmowania decyzji klinicznych” kryją się także inne rozwiązania. Przykładowo algorytmy, które analizując podstawowe dane z kartoteki medycznej pacjenta mogą z dużą dokładnością przewidywać ryzyko rozwinięcia się choroby u pacjenta i podpowiedzieć, co zrobić, aby tak się nie stało.

Można sobie wyobrazić zastosowanie takich systemów przykładowo w opiece koordynowanej (OK), która w Polsce wyjątkowo dobrze się przyjęła. Algorytmy mogłyby analizować dane z EDM (oczywiście w bezpieczny sposób zapewniający prywatność) i podpowiadać lekarzowi potencjalne ryzyka zdrowotne lub dalsze ścieżki postępowania. OK nadaje się idealnie, bo od początku był programem do którego zgłaszały się dobrowolnie placówki chcące zaoferować pacjentom nową jakość opieki, a nie usługą obowiązkową – a więc placówki otwarte na innowacje i rozwój.

Pod kategorię „wspomagania decyzji klinicznych” można też podpiąć algorytmy podsumowujące dane w EDM. Generatywna, multimodalna AI jest w stanie przeglądnąć zapiski lekarzy, także te wprowadzane skrótami, zapoznać się z historią badań nawet z ostatnich 10 lat i przeglądnąć zdjęcia medyczne. I to w kilka sekund. Lekarz otrzymuje krótkie podsumowanie, a w razie niepokojącego raportu może zweryfikować wskazania AI. Takie systemy są coraz częściej stosowane w USA, ale nie brakuje też pierwszych wdrożeń w Europie.

65 polskich innowacji medycznych czeka na zielone światło

Podczas wspomnianego posiedzenia Komisji Sejmowej, Wojciech Demediuk dużo mówił też o tzw. mapie innowacji MZ, na której jest obecnie 65 technologii AI z ponad 160 wszystkich innowacji (stan na listopad 2024). Są one teraz weryfikowane przez resort zdrowia, jak dodał Demediuk. Nie wiadomo jednak, w jakim celu.

„Na mapie innowacji są prezentowane innowacyjne projekty, przedsięwzięcia oraz usługi i produkty służące usprawnieniu funkcjonowania systemu ochrony zdrowia, zapewnieniu pacjentowi możliwie najlepszej opieki, dostarczeniu odpowiedniego wsparcia personelowi medycznemu, a także mające na celu zwiększenie efektywności, jakości i dostępności udzielanych świadczeń” – czytamy na stronie Ministerstwa Zdrowia. Nie jest to jednak pełna lista wszystkich innowacji, ale lista innowacji zgłoszonych przez twórców. Jest na niej kilka ciekawostek.

Przykładem jest symptom checker wrocławskiego startupu Infermedica, który w czasie pandemii był umieszczony na stronie MZ, aby pomóc zdezorientowanym pacjentom w szybkim określeniu, czy ich objawy wskazują na COVID-19 czy na zwykłe przeziębienie. Jest też StethoMe – pierwszy polski cyfrowy stetoskop domowy, który był wdrażany pilotażowo w ramach Domowej Opieki Medycznej.

Oprócz rozwiązań komercyjnych nie brakuje projektów akademickich. Przykładem jest system AI do szacowania ryzyka wystąpienia sepsy zgłoszony przez Katedrę i Klinikę Anestezjologii i Intensywnej Terapii Uniwersyteckiego Szpitala Klinicznego we Wrocławiu albo e-KRN+ – platforma gromadzenia i analizy danych z Krajowego Rejestru Nowotworów oraz onkologicznych rejestrów narządowych, zintegrowana z bazami świadczeniodawców leczących choroby onkologiczne. Projekt zgłosił Narodowy Instytut Onkologii im. Marii Skłodowskiej-Curie – Państwowy Instytut Badawczy.

Innowacji startupów jest znacznie więcej, jak na przykład FindAir One (inteligentne inhalatory do monitoringu pacjentów z przewlekłymi chorobami płuc), CarnaLife Holo (system obrazowania 3D wykorzystujący wirtualną rzeczywistość) albo LabPlus, rozwiązanie AI generujące dla pacjentów proste do zrozumienia opisy badań laboratoryjnych.

AI tak, ale zintegrowana z EDM

Problemem Ministerstwa Zdrowia nie będzie znalezienie polskich rozwiązań AI dla medycyny, ale przemyślenie, jakie rozwiązania AI są najpilniej potrzebne i rzeczywiście będą wykorzystywane przez świadczeniodawców, a nie tylko kupione w ramach grantu i szybko zapomniane. Przyglądając się polskiemu rynkowi zdrowia, naturalnym kandydatem jest opieka koordynowana, jako rozwiązanie już samo w sobie innowacyjne, a które jeszcze bardziej można udoskonalić dodając do niego elementy profilaktyki wspomaganej sztuczną inteligencją.

Dzięki AI, OK mogłaby się stać flagowym programem oferującym jeszcze więcej korzyści dla pacjentów i świadczeniodawców. 1,26 mld zł mogłoby trafić np. do dostawców IT, którzy zintegrowaliby systemy IT do obsługi OK z nowymi funkcjonalnościami AI. To najprostszy sposób dystrybucji AI, bo opiera się na już wdrożonych systemach, nie wymagający od placówek medycznych implementacji kolejnego odrębnego systemu, a do tego niezintegrowanego z aplikacją gabinetową.

Czytaj także: AI przewidzi nawet 1000 chorób. Wystarczą dane z EDM