4,7% placówek zdrowia korzysta z AI. „Nie ma pieniędzy i danych”

Potencjał sztucznej inteligencji jest ogromny: AI może być drugą parą oczu lekarza i wyręczyć go w wielu obowiązkach administracyjnych. Ale równie duże jak nadzieje są obawy. Czy ochrona zdrowia prześpi, czy w pełni wykorzysta możliwości nowej technologii?

Radiolodzy oswojeni z AI, lekarze – jeszcze nie

Pierwsze algorytmy AI w radiologii pojawiły się już w latach 90-tych. Dzisiaj są powszechnie stosowane do oznaczania zmian patologicznych, obróbki obrazu albo poprawy jego jakości. Stanowią część systemów PACS dla radiologii, ale równie często są wbudowane w nowej klasy MRT, CT albo RTG.

Algorytmy przyspieszają analizę zdjęć medycznych, co z kolei skraca czas oczekiwania na diagnozę i umożliwia szybsze rozpoczęcie leczenia. To kluczowe z punktu widzenia efektów terapii i kosztów pobytu pacjenta w szpitalu. Szacuje się, że zastosowanie AI do analizy obrazów rezonansu magnetycznego czy tomografii komputerowej skróciło czas realizacji badań nawet o 50%.

AI pomaga też lekarzom analizować dane z elektronicznej dokumentacji medycznej, choć w tym przypadku dopiero jesteśmy na początku drogi. Postęp w tej dziedzinie znacznie przyspieszył w 2023 roku, gdy na rynek weszły modele generatywnej AI. Sztuczna inteligencja może też usprawniać zarządzanie placówką medyczną, pomaga podejmować decyzje kliniczne sięgając do aktualnych wytycznych, a nawet kontroluje procedury na sali operacyjnej. Wszystko dla bezpieczeństwa pacjenta i komfortu pracy lekarza.

Ale w Polsce AI, poza radiologią, dopiero raczkuje. Brakuje pieniędzy, cyfryzacji danych medycznych i ich standaryzacji. Cały czas w środowisku medycznym dobrze mają się mity o AI zastępującej lekarzy albo podejmującej samodzielnie decyzje medyczne. Jedna z ciekawszych debat o AI w polskiej ochronie zdrowia odbyła się podczas Kongresu Wyzwań Zdrowotnych. Jaki jest poziom zastosowania AI w medycynie w 2025 roku?

10 minut na badanie zamiast 25

AI w medycynie często kojarzy się z robotami asystującymi chirurgom lub komputerami stawiającymi diagnozy. W rzeczywistości, jej zastosowania są o wiele bardziej zróżnicowane. Prof. Marek Gierlotka, prezes Polskiego Towarzystwa Kardiologicznego, uważa, że lekarze nie zawsze bezpośrednio odczuwają obecność AI. Mimo to, technologie coraz częściej wspierają ich codzienną pracę.

– Sztuczna inteligencja jest zaszyta w sprzęcie, który używamy. Czasem nie wiemy, że pewne procesy są ułatwione, pewne rzeczy lepiej widać albo lepiej można coś pomierzyć, zobrazować dzięki AI – twierdzi Gierlotka.

W diagnostyce obrazowej to już rutyna i radiolodzy przyzwyczaili się do asysty algorytmów, bo oferują dużo ułatwień. Przykładowo, AI pomaga w analizie obrazów medycznych, a to skraca czas oczekiwania na wyniki i zwiększa precyzję diagnoz. To jak druga para oczu, dzięki której można mieć pewność, że żaden detal na zdjęciu RTG nie został przeoczony. A to z kolei daje duży komfort psychiczny dla przedstawicieli tego bardzo odpowiedzialnego zawodu. Joanna Miłachowska, prezes Siemens Healthineers Poland, podaje konkretne liczby: rezonans magnetyczny mózgu trwa obecnie za sprawą AI 12 minut zamiast 25 minut, a badanie kolana – zamiast 25 minut, tylko 10 minut. Do tego AI może bez problemu przeanalizować wyniki rezonansu magnetycznego szukając innych potencjalnych problemów zdrowotnych, a nie tylko tych, które były powodem wykonania badania.

Nadal w ograniczonym zakresie, ale AI może skrócić czas poświęcany na tworzenie dokumentacji medycznej. Przykładem są systemy wprowadzające dane do EDM na podstawie rozmowy lekarza z pacjentem albo rozwiązania ułatwiające syntezę danych z EDM. Pierwsze doświadczenia sugerują, że w ten sposób lekarze mogą zaoszczędzić nawet 30% czasu wizyty. AI to obecnie jedyna nadzieja na to, że lekarze nie będą musieli ręcznie wprowadzać danych do EDM, klikając i pisząc na klawiaturze. Jeśli się tak stanie, komfort pracy będzie nieporównywanie wyższy.

Czy lekarze boją się sztucznej inteligencji?

AI kusi możliwościami, ale też budzi obawy wśród pacjentów i lekarzy. Wątpliwości dotyczą m.in. etyki i bezpieczeństwa stosowania algorytmów. Dr Sebastian Radej, adiunkt Instytutu Nauk Medycznych Katolickiego Uniwersytetu Lubelskiego, przypomniał, że pacjent powinien być świadomy, że w procesie diagnozy i leczenia stosowane są algorytmy. Chodzi o transparentność wizyty, a nie o straszenie. W końcu AI nie jest biernym narzędziem, ale rozwiązaniem, które wpływa na decyzję lekarza, sposób leczenia i jego efekty.

Wielu lekarzy czuje się niepewnie, wiedząc, że algorytmy zaczynają podejmować decyzje. Mają poczucie utraty kontroli, a to przecież oni – a nie AI – odpowiadają osobiście za ewentualne błędy. Łukasz Sosnowski, partner operacyjny Sieci Lekarzy Innowatorów Naczelnej Izby Lekarskiej, uspokaja: AI jest po prostu kolejnym narzędziem w rękach lekarza, a nie jego zamiennikiem.

– Dzisiaj lekarz nie zastanawia się, czy ufa termometrowi albo zdjęciu rentgenowskiemu. Tak samo powinno być z AI – to kolejna technologia, która wspiera diagnostykę – twierdzi Sosnowski. Każdy algorytm stosowany w medycynie jest certyfikowanym urządzeniem medycznym spełniającym określone standardy bezpieczeństwa. Dodatkową ochronę gwarantuje europejski Akt AI, który jasno definiuje wymagania dotyczące systemów sztucznej inteligencji w medycynie.

AI zaczyna się od danych

Wszystko to brzmi dobrze w teorii, ale aby AI w praktyce przyniosła korzyści, potrzebne są dane – uporządkowane, ustandaryzowane oraz wysokiej jakości. Rzeczywistość w placówkach medycznych jest inna. Dane są rozproszone po różnych systemach, a do tego niskiej jakości. Menedżerowie boją się na razie AI jak ognia, nie chcąc wychodzić przed szereg, narażając się na konsekwencje związane z naruszeniem przepisów dotyczących ochrony danych pacjentów.

Dr hab. Barbara Więckowska z PZU Zdrowie przypomniała zasadę „garbage in – garbage out”, czyli „śmieciowe dane na wejściu – śmieciowe wyniki obliczeń”. Jeśli do trenowania modelu AI, który ma pomóc podejmować dane kliniczne, wykorzystamy dane bez ich wstępnej selekcji jakościowej oraz harmonizacji, możemy otrzymać błędne wyniki. Placówki medyczne pochłonięte wdrażaniem EDM, a za chwilę także Centralnej e-Rejestracji, często nie mają czasu na zajęcie się bazami danych. Odkładany na później problem spowoduje, że nawet jeśli na rynku będą już dostępne bezpieczne i świetne rozwiązania, i tak nie będzie ich można w pełni wdrożyć.

Jak to zmienić? Potrzebujemy pilnie programu edukacji dla menedżerów zdrowia w zakresie AI. Centrum e-Zdrowia pracuje nad Platformą Usług Inteligentnych (PUI), która zostanie wdrożona w ok. 30% placówek. Jeśli nie będzie zaufania do algorytmów ani wiedzy o tym, jak z nich korzystać, PUI zostanie tak szybko zapomniane jak szybko zostało wdrożone. Jedną z propozycji jest opracowanie przewodników wdrażania innowacji, aby placówki medyczne nie musiały eksperymentować samodzielnie. Przykładowo, menedżer chcący wdrożyć algorytmy do analizy EDM miałby dostęp do studium przypadków z innych szpitali wraz z opisem projektu, kosztami oraz efektami.

Wbrew pozorom Polska ma dobre warunki do zastosowania AI, bo wiele danych jak e-recepty czy niektóre dokumenty EDM podlegają standaryzacji. Dzięki Platformie P1 dane powoli stają się interoperacyjne, przepływając w systemie pomiędzy placówkami oraz placówkami a pacjentami (IKP). Wkrótce, za sprawą Platformy Usług Inteligentnych budowanej za pieniądze z KPO, wiele placówek otrzyma dostęp do algorytmów AI za darmo. Aby zostały dobrze wykorzystane, szpitale muszą wiedzieć, jak to zrobić.

Czytaj także: Nowe funkcje systemów IT dla lekarzy: CDSS, AI, SMS-y