AI w medycynie. Co już potrafi i jak zmieni sektor zdrowia?

Algorytmy pomagają diagnozować, leczyć i opracowywać nowe leki, a liczba opartych na AI systemów i urządzeń medycznych rośnie wykładniczo. Do potencjału danych sięgają systemy zdrowia, firmy farmaceutyczne i nawet WHO. Jak AI zmieni medycynę, profilaktykę i pracę lekarzy?

Błędem jest mówienie, że czeka nas wielka rewolucja AI w ochronie zdrowia – ona dawno już się zaczęła. I nie będzie świętowania sukcesów czy fajerwerków, bo transformacja cyfrowa jest procesem realizującym się przede wszystkim pod powierzchnią systemu ochrony zdrowia.

Prosty przykład – dziś już nikt nie chwali oczyszczalni wody czy systemu rurociągów. A przecież m.in. dzięki systemowi wodno-kanalizacyjnemu średnia długość życia w przeciągu stu ostatnich lat zwiększyła się o 30 lat. Podobnie lekarz podejmujący decyzje medyczne po prostu otrzyma wskazówki terapeutyczne, nawet nie zdając sobie sprawy, że stoi za nią skomplikowana infrastruktura: centra danych, algorytmy, systemy IT. Decyzje zdrowotne każdego z nas będą racjonalne, oparte na faktach, precyzyjnie kalkulowane.

Zdrowie. Tak ważne, a mimo to nadal często kwestią przypadku

W 2009 roku, Hiroshi Kobayashi z Tokyo University of Science, zaprezentował pierwszego na świecie robota – nauczyciela (Saya). Zdaniem naukowca, wychowanie i edukację dziecka lepiej powierzyć maszynie. Napędzany AI robot zna odpowiedzi na wszystkie pytania, monitoruje i analizuje zachowanie uczniów, aby indywidualizować proces nauczania i rozwijać ukryte talenty.

Ta utopijna wizja edukacji ma wiele wspólnego z ochroną zdrowia. Nikt nie chciałby, aby leczyła nas sztuczna inteligencja ubrana w fartuch lekarza. Społecznej empatii człowieka nie zastąpi racjonalna maszyna. Ale gdy trzeba przeanalizować dane, monitorować, prognozować, podejmować decyzje oparte na faktach, AI ma o wiele większe możliwości zapamiętując kartoteki medyczne milionów pacjentów. Tego człowiek zrobić nie potrafi.

Dziś wiele danych i faktów umyka lekarzowi i pacjentowi, a to opóźnia diagnozę i pogarsza rokowania leczenia. Brak danych prowadzi do błędów medycznych. Podejmujemy nieracjonalne decyzje zdrowotne gubiąc się w morzu dobrych porad, zaleceń i sprzecznych opinii. AI może to zmienić, a wówczas medycyna zacznie respektować każdego człowieka jako indywiduum.

Wpływ AI na ochronę zdrowia, czyli jak AI zwiększy wydajność pracy lekarzy o 30%

Lekarze toną w zadaniach administracyjnych, a podróż pacjenta w systemie jest jak labirynt. Nawet 1/3 czasu lekarz traci na zadania administracyjne. W sytuacji gdy WHO prognozuje, że do 2030 roku brakować będzie 9,9 mln lekarzy, pielęgniarek i położnych, na takie marnotrawstwo zasobów kadr medycznych nie można sobie pozwolić.

Nie brakuje statystyk świadczących o tym, że ochrona zdrowia potrzebuje zmian: ok. 250–440 tys. osób umiera każdego roku w USA w wyniku błędów medycznych. To już trzecia przyczyna zgonów, zaraz po nowotworach i chorobach układu krążenia. 80% kosztów w ochronie zdrowia generują niezakaźne choroby przewlekłe. Paradoksalnie, 80% przypadków chorób serca, zawałów i cukrzycy można zapobiec modyfikując styl życia. Z kolei opóźnione o miesiąc leczenie raka powoduje wzrost ryzyka zgonu o ok. 10%.

AI jest koniecznością, a nie jedynie ciekawym dodatkiem. Wyobraźmy sobie skalę korzyści, gdy algorytmy pozwolą zmniejszyć liczbę błędów medycznych dzięki analizie danych pacjenta i porównaniu scenariuszy leczenia z wynikami leczenia milionów innych osób, wyręczą lekarzy w pracy papierkowej automatycznie sortując informacje i zbierając dane do elektronicznej dokumentacji dzięki przetwarzaniu głosu, przyspieszą diagnozę monitorując parametry zdrowia w czasie rzeczywistym, doprowadzą do szybkiego opracowania nowych leków prowadząc badania kliniczne na tzw. wirtualnych bliźniakach.

Rozwój AI w medycynie postępuje mimo barier

Opublikowana we wrześniu 2021 roku przez U.S. Food & Drug Administration (FDA) lista urządzeń medycznych wykorzystujących sztuczną inteligencję i uczenie maszynowe zawiera już 343 pozycji. Do 2015 roku było ich mniej niż 30.

Najwięcej algorytmów medycznych certyfikowanych przez FDA w USA i posiadających znak CE w Europie trafia do radiologii. Na kolejnych miejscach znajduje się kardiologia, hematologia oraz neurologia. Rozwój technologii cyfrowych i AI w ochronie zdrowia pociągnął za sobą szybki wzrost badań naukowych w dziedzinie AI i ML. Do tego stopnia, że w 2019 roku prestiżowy magazyn naukowy The Lancet postanowił przygotować odrębną wersję poświęconą tylko cyfryzacji – The Lancet Digital Health.

Naukowcy z całego świata publikują w nim badania dotyczące m.in. skuteczności algorytmów w ochronie zdrowia. Tak jak ten z kwietnia 2022 roku potwierdzający zmniejszenie stopnia zachorowania na raka jelita grubego w przypadku kolonoskopii wykorzystującej narzędzia AI.

Tak szybki rozwój algorytmów jest logicznym następstwem cyfryzacji ochrony zdrowia, przemian kulturowych i sprzyjających rozwiązań legislacyjnych. Systematycznie rozbudowywana architektura IT w placówkach ochrony zdrowia oraz digitalizacja kartotek pacjentów ułatwiają wymianę i wtórne wykorzystanie danych przez ośrodki naukowe i firmy komercyjne.

To nie jest już tylko gra o postępy w medycynie – konkurencyjność gospodarek przyszłości będzie mierzona skalą innowacyjności i poziomem digitalizacji. Zdaje sobie z tego sprawę Komisja Europejska, która z początkiem maja 2022 przedstawiła projekt Europejskich Przestrzeni Danych Medycznych (European Health Data Space). Mają on ułatwić wymianę danych medycznych do celów wtórnych, w tym m.in. wsparcia badań naukowych i celów polityki zdrowotnej.

Czytaj więcej: Co oznacza dla ochrony zdrowia wprowadzenie Europejskich Przestrzeni Danych Medycznych?

Do potencjału AI w naukach o życiu sięga przemysł farmaceutyczny współpracując ze startupami opracowującymi tzw. terapie cyfrowe (digital therapeutics) – platformy i aplikacje mobilne wspierające pacjentów w zarządzaniu chorobami przewlekłymi. Ale nie tylko. Novartis we współpracy z chińskim gigantem technologicznym opracował AI Nurse – inteligentną platformą wspierająca pacjentów, lekarzy i pielęgniarki w zarządzaniu chorobami serca. Program objął 500 szpitali. BioNTech znany z wynalezienia szczepionki mRNA na COVID-19, ogłosił niedawno wieloletnią współpracę z InstaDeep Ltd. Jej celem jest zastosowanie najnowszych osiągnięć w dziedzinie sztucznej inteligencji i technologii uczenia maszynowego do opracowania nowych immunoterapii dla nowotworów i chorób zakaźnych.

Potencjał AI w badaniach naukowych dostrzegają też firmy big tech niezwiązane z rynkiem zdrowia. Koncern Alphabet, do którego należy Google, ogłosił w listopadzie 2021 utworzenie Isomorphic Laboratories. Firma ma na celu wprowadzenie „podejścia opartego na sztucznej inteligencji” do badań w dziedzinie biofarmacji, stając się partnerem komercyjnym dla producentów leków.

W stronę AI wyciąga też rękę zdrowie publiczne. W efekcie pandemii COVID-19, Światowa Organizacja Zdrowia utworzyła Hub for Pandemic and Epidemic Intelligence. Wykorzystując AI do analizy danych zdrowotnych, WHO chce zapobiegać przyszłym pandemiom i ograniczać ich skalę.

Ryzyko związane z AI w ochronie zdrowia

AI będzie głównym źródłem postępów w naukach medycznych. Jednak zanim się to stanie, trzeba pokonać kilka wyzwań i odpowiedzieć na trudne pytania. Wśród nich jest niska jakość i ograniczona dostępność danych wykorzystywanych do trenowania algorytmów. Istnieją uzasadnione obawy o stronniczość zbiorów danych, która może przełożyć się na błędne działanie algorytmów w przypadku populacji, które nie są reprezentowane w danych ćwiczeniowych. Barierą pozostaje tzw. black box, czyli sposób podejmowania decyzji przez algorytmy. Nikt nie wie, dlaczego AI podjęła taką, a nie inną decyzję, a więc trudno zweryfikować poprawność całego procesu.

Obywatele mają obawy co do bezpieczeństwa danych i prywatności. Wykorzystanie tańszych niż praca ludzi algorytmów diagnostycznych może potencjalnie doprowadzić do ochrony zdrowia dwóch prędkości, gdzie standardem będą usługi diagnostyczne i konsultacje świadczone przez boty, a kontakt z lekarzem-człowiekiem stanie się opcją premium, dostępną poza standardowym ubezpieczeniem zdrowotnym.

Lekarze z nadzieją, ale i obawami przyglądają się systemom zdrowia opartym na AI. Pojawiają się dylematy etyczne dotyczące odpowiedzialności zawodowej za błędy medyczne popełniane przez algorytmy. Pomyłka systemu AI sugerującego zakup nowego ubrania, książki czy wyświetlającego najciekawsze treści w mediach społecznościowych nie ma takich konsekwencji jak nieprawidłowa diagnoza albo nieprecyzyjnie dobrany lek.

Za szybkim rozwojem technologii nie nadąża legislacja. A to powoduje, że wiele potencjalnie korzystnych dla pacjentów rozwiązań nie jest skalowanych na rynku, bo nie są refundowane przez ubezpieczycieli zdrowotnych. Przyjęcie nowych technologii wymaga też zmiany kultury pracy w ochronie zdrowia. O tym, że jeszcze daleko nam do płynnej współpracy lekarzy z AI, świadczy porażka Dr Watson Health firmy IBM. System oskarżano o wydawanie niedokładnych i niebezpiecznych zaleceń, co skłoniło wiele szpitali do zerwania współpracy z IBM.

Przyszłość AI: Deep learning, komputer kwantowy i pierwsze AI z dyplomem lekarskim

Jest jeszcze jeden determinant rozwoju AI – postępy w rozwoju sprzętu IT. Rozwiązania pozwalające na przetwarzanie dużych zbiorów danych i wykrywanie zależności niewidocznych dla ludzkiego oka (albo raczej: tradycyjnych statystyk) upowszechniły się dopiero w ostatnim dziesięcioleciu. Mowa o tzw. głębokim uczeniu się/uczeniu maszynowym (deep learning/machine learning, DL/ML). I choć historia sieci neuronowych sięga 1943 roku, to DL/AM weszły do praktycznego użytku w tym stuleciu. AI potrzebuje nie tylko danych, ale też mocy obliczeniowej. A ta – zgodnie z prawem Moore’a – powiększa się wykładniczo: liczba tranzystorów na pojedynczym mikroczipe podwaja się co dwa lata.

Przed nami kolejna innowacja, która zasili rozwój AI. Mowa o komputerach kwantowych o mocy obliczeniowej nieporównywalnie wyższej od tradycyjnych komputerów. Google twierdzi, że jego laboratoryjna wersja komputera kwantowego jest 100 milionów razy szybsza niż jakikolwiek klasyczny komputer. Jego wydajność można porównać do siły 5 milionów laptopów. W przeprowadzonych testach, 54-kubitowy komputer Google’a był w stanie wykonać w 200 sekund zadanie, które na tradycyjnych komputerach zajęłoby ponad 10 000 lat. Takie maszyny mogą przyspieszyć setki, tysiące razy czas potrzebny na poszukiwanie nowych cząsteczek dla potencjalnych leków prowadzone przez systemy AI.

W 2017 roku chiński robot oparty na AI zdał egzamin lekarski. Ale nawet w Chinach mających ambicje zostać liderem AI do 2030 roku, roboty jeszcze nie zastąpiły lekarzy. Za to wspomagają ich pracę, na czym korzystają pacjenci. AI z czasem upowszechni się w ochronie zdrowia, choć proces ten będzie trwał dłużej niż ma to miejsce w innych gałęziach gospodarki.

Czytaj także: ukazała się pierwsza w Polsce “Biała Księga AI w Ochronie Zdrowia” >