AI to jedyna szansa, aby zredukować błędy medyczne

Pomimo ogromnych postępów w medycynie, szacuje się, że w Europie ok. 5–15% pacjentów jest błędnie diagnozowanych. Przyczyną jest manualny proces diagnozy – mózg człowieka czasami popełnia błędy. Aby wzmocnić rolę medycyny opartej na faktach, nie obejdziemy się bez AI.

Przewlekła choroba ochrony zdrowia: błędy medyczne

Jeśli nie zaczniemy stosować sztucznej inteligencji w ochronie zdrowia, nie poradzimy sobie z błędami medycznymi, których nie maleje mimo ogromnych nakładów finansowych na ochronę zdrowia – twierdzą Gaurav Singal i Anupam B. Jena z Harwardzkiej Szkoły Medycznej i ekspert AI w medycynie Eric Topol w apelach opublikowanych na łamach Los Angeles Times i The Science.

Liczby są alarmujące. W USA, nawet 15–25% diagnoz jest nieprawidłowych, w Europie odsetek ten szacuje się na ok. 5–15%, ale prawdziwa skala zjawiska może być jeszcze większa. Błędne diagnozy prowadzą do błędów preskrypcji leków, opóźnionego leczenia pacjentów, zgonów oraz powikłań, których można uniknąć.

Z raportu National Academies of Sciences, Engineering, and Medicine z 2015 roku wynika, że błędy diagnostyczne dotykają co roku 5% społeczeństwa. Każdy człowiek w ciągu swojego życia prawdopodobnie także doświadczy, często nieświadomie, takiego błędu.

Nie brak danych, ale procedura diagnozy jest najsłabszym ogniwem

Zaawansowane metody obrazowania medycznego, testy genetyczne oraz cyfryzacja powodują, że lekarze mają wgląd do precyzyjnych danych obrazujących stan zdrowia człowieka. Przez ostatnie lata systematycznie poprawiała się dostępność bezpłatnych badań profilaktycznych oraz wiedza medyczna. Odkąd dane gromadzone są w elektronicznej dokumentacji medycznej, lekarze otwierają pełną historię pacjenta jednym kliknięciem, niezależnie od miejsca pracy.

Mimo tych postępów, jedna rzecz nie zmieniła się od setek lat: sposób podejmowania decyzji medycznych realizowany manualnie przez człowieka. Niestety, ludzki mózg ma ograniczenia kognitywne analizy danych i większa ilość danych nie oznacza automatycznie lepszych decyzji. Do tego lekarze podatni są na psychologiczne mechanizmy stronniczości, bo zamiast faktami kierują się intuicją. To powoduje, że łatwo przeoczyć albo zignorować informacje kluczowe do prawidłowej diagnozy.

Lekarze nie są też w stanie przeanalizować wszystkich danych, bo pracują pod presją czasu wynikającą z realiów finansowych i rosnącego popytu na usługi medyczne. I to właśnie pośpiech jest głównym źródłem pomyłek. W natłoku pracy, lekarze polegają na szybkim, intuicyjnym myśleniu (System 1 według koncepcji Daniela Kahnemana), zaniedbując myślenie analityczne oparte na danych i literaturze medycznej (System 2).

AI włączy “system 2” w medycynie

Sztuczna inteligencja może wypełnić lukę pomiędzy ilością gromadzonych danych, a ich faktycznym wykorzystaniem w procesie diagnozy. AI się nie męczy i może analizować gigabajty informacji w ułamku sekundy, a do tego jest mniej podatna na czynniki prowadzące do błędów medycznych. Może wychwytywać zależności w danych, piksele zmian na zdjęciach medycznych i drobne, ale ważne zapisy w kartotekach medycznych sprzed kilku lat, których nie jest w stanie wychwycić ludzkie oko.

Dotychczasowe badania naukowe potwierdzają, że AI identyfikuje udary mózgu w kilka sekund po wykonaniu badań, znacznie szybciej niż radiolodzy. Jest w stanie przewidywać wystąpienie sepsy u hospitalizowanych pacjentów na podstawie setek parametrów życiowych i historii choroby, diagnozować poprawnie zapalenie płuc, czy uszkodzenie nerek. Multimodalna AI analizuje takie dane jak teksty i zdjęcia w e-kartotece pacjenta, pomagając w identyfikacji chorób rzadkich. Ostateczną decyzję podejmuje lekarz, ale jest to wtedy decyzja oparta na faktach, a nie wyłącznie na zawodnym systemie 1.

Co stoi na przeszkodzie AI?

Do wytrenowania precyzyjnych algorytmów nadal brakuje wysokiej jakości danych. Bez nich także AI może być stronnicza i popełniać błędy zgodnie z zasadą „śmieci na wejściu, śmieci na wyjściu” (złej jakości dane na wejściu, złej jakości diagnozy na wyjściu).

Kolejną przeszkodą są koszty – obecnie tylko duże placówki uniwersyteckie mogą sobie pozwolić na wdrażanie AI. Algorytmy uczenia maszynowego nadal są drogie, a ich stosowanie w większości przypadków nie jest refundowane przez płatników. Do tego wiele placówek medycznych zniechęcają skomplikowane przepisy dotyczące stosowania algorytmów AI oraz wykorzystania danych do ich trenowania.

Diagnostyka wsparta AI postrzegana jest jako największa nadzieja w walce z błędami medycznymi. Stosowana jako źródło drugiej opinii i wsparcie lekarza, sprawi, że każda diagnoza będzie oparta na obiektywnych danych. Dla lekarzy oznacza to większe bezpieczeństwo podejmowania decyzji oraz zmniejszenie presji związanej z tempem pracy. Daniel Kahneman, który za badania nad psychologią podejmowania decyzji i koncepcję systemu 1 i systemu 2 otrzymał nagrodę Nobla, stwierdził, że nigdy nie zaufałby lekarzowi, który polega jedynie na swojej intuicji.

Przez miliony lat dominacja systemu 1 nad systemem 2 pozwoliła nam przetrwać jako gatunkowi. Jednak medycyna to nauka oparta na faktach i wymaga zimnej oraz skrupulatnej oceny faktów, na co na razie lekarze niestety nie mają czasu. AI to zmieni.

Errare humanum est, sed in errare perseverare diabolicum. “Mylić się jest rzeczą ludzką, jednak obstawanie przy błędzie jest diabelską” – powiedział Seneka. Także w medycynie w medycynie, gdzie dominuje pośpiech i stres. Ale aby leczyć w zgodzie z przysięgą Hipokratesa, trzeba zrobić wszystko, aby błędów było jak najmniej.

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