Akademia Centrum e-Zdrowia oraz CSIRT CeZ zapraszają przedstawicieli sektora ochrony zdrowia na szkolenia poświęcone bezpieczeństwu cyfrowemu. Eksperci przybliżą, jak chronić się przed atakami typu ransomware – jednym z największych zagrożeń cybernetycznych dla podmiotów leczniczych.

Co to jest ransomware?

Ransomware to rodzaj złośliwego oprogramowania, które blokuje dostęp do komputera lub zaszyfrowuje pliki użytkownika, a następnie żąda okupu za ich odblokowanie. Najczęściej po zainfekowaniu komputera przez ransomware użytkownik widzi komunikat z żądaniem zapłaty (zwykle w kryptowalutach), aby odzyskać dostęp do swoich danych.

Do infekcji dochodzi najczęściej przez otwarcie zainfekowanego załącznika e-mail, kliknięcie w podejrzany link lub pobranie pliku z nieznanego źródła. Po uruchomieniu, ransomware zaczyna szyfrować pliki na komputerze lub blokuje cały system, uniemożliwiając normalne korzystanie z urządzenia. Jeśli placówka zdrowia nie ma kopii zapasowej danych, odzyskanie plików bez zapłacenia okupu jest zazwyczaj bardzo trudne lub wręcz niemożliwe. Ale nawet wpłata nie gwarantuje odszyfrowania danych.

Ataki ransomware na placówki zdrowia

Liczba ataków typu ransomware na placówki ochrony zdrowia na świecie wzrosła z 69 incydentów w 2020 roku do 506 w 2024 roku. Według danych CeZ, w 2023 roku odnotowano w Polsce łacznie 405 incydentów bezpieczeństwa danych, natomiast w 2024 roku było ich aż 1028. A to oznacza ponad 2,5-krotny wzrost w ciągu zaledwie 12 miesięcy. 

Cyberataki typu ransomware to coraz częstszy problem w ochronie zdrowia. Oprócz strat finansowych, mogą one prowadzić do przerw w świadczeniu usług medycznych, a nawet zagrozić zdrowiu pacjentów. Kluczowa jest nie tylko ochrona infrastruktury IT, ale też odpowiednia wiedza i reakcja zespołów medycznych. Uczestnicy webinarów dowiedzą się m.in.:

• jak rozpoznać oznaki zbliżającego się ataku,
• co zrobić w przypadku incydentu (ataku),
• jak chronić dane pacjentów i systemy informatyczne,
• jak budować kulturę bezpieczeństwa w organizacji.

Webinary

Dwa najbliższe webinary na temat zapobiegania atakom typu ransomware, organizowane przez Akademię CeZ, odbędą się 29 kwietnia oraz 8 maja.

Aby zapisać się na webinar, należy wypełnić formularz rejestracyjny dostępny na stronie Akademii CeZ.

Jak cyfryzacja może wspomóc onkologię? Dlaczego profilaktyka powinna być dostępna w aplikacji mObywatel? I czy onkolodzy potrzebują AI w pracy? Rozmowa z prof. dr hab. n. med. Piotrem Rutkowskim, Przewodniczącym Polskiego Towarzystwa Onkologicznego.

Centrum Zdrowia pracuje nad Platformą Usług Inteligentnych, która umożliwi lekarzom dostęp do algorytmów wspomagających diagnostykę obrazową. Czy to jest rozwiązanie, na które czekają onkolodzy?

Musimy znać więcej szczegółów, ale oczywiście algorytmy wspomagania decyzji oraz analizy badań obrazowych to jest coś, na co liczymy. Takie specjalizacje jak radiologia, patomorfologia czy też radioterapia są już częściowo wspierane przez AI. Przykładowo, na najnowszych aparatach do radioterapii korzystamy z AI do konturowania pól do napromieniania.

W przypadku onkologii nie spodziewam się, że AI w najbliższym czasie zastąpi pełną ocenę badań obrazowych, choć w wybranych przypadkach może być dużym wsparciem. Największe możliwości widzę w ocenie badań mammograficznych. Mammografia jest stosunkowo wystandaryzowana, a w Polsce wszystkie mammografy są cyfrowe. Jeśli Centrum e-Zdrowia chciałoby szybko wdrożyć nowe rozwiązania, analiza badań mammograficznych mogłaby być pierwszym krokiem. Oczywiście AI nie może w pełni zastąpić radiologa, ale może znacząco wspierać jego pracę.

Innym obszarem, gdzie AI mogłoby być pomocne, jest diagnostyka histopatologiczna. Tutaj nie wszystkie typy tkanek i nowotworów nadają się do automatycznej analizy, ale w przypadku np. raka piersi AI mogłoby znacząco usprawnić proces diagnostyczny. Takie rozwiązania już istnieją i czekamy na ich rozwój.

Czy polscy pacjenci mają dostęp do najnowocześniejszych metod diagnostyki i leczenia na poziomie światowym?

W około 90–95% przypadków – tak. Jednak mamy kilka problemów. Przede wszystkim ścieżka pacjenta w Polsce jest nadal nieskoordynowana. Dlatego wszyscy czekamy na Krajową Sieć Onkologiczną, która ma to poprawić. Kluczowe jest również wystandaryzowanie protokołu diagnostyki patomorfologicznej, obejmującego także diagnostykę molekularną. Tylko 40% zakładów patomorfologicznych w Polsce przeszło akredytację, co oznacza, że 60% działa bez odpowiedniego nadzoru.

Jeśli chodzi o diagnostykę molekularną, mamy w Polsce stosunkowo dobry dostęp, ale brakuje refundacji dla niektórych procedur, np. całościowego profilowania genomowego, które jest kluczowe w przypadku raka jajnika, płuca czy nowotworów rzadkich. Ministerstwo od ponad roku próbuje je wprowadzić, ale na razie bez sukcesu.

Chirurgia onkologiczna w Polsce nie jest tak dobrze rozwinięta, jak powinna być, głównie przez rozproszenie ośrodków. Leczenie za pomocą robotów chirurgicznych nie zawsze odbywa się tam, gdzie powinno. Tymczasem chirurgia robotyczna powinna być skoncentrowana w najlepszych ośrodkach zajmujących się nowotworami urologicznymi i nowotworami układu pokarmowego.

Na koniec jeszcze dodam, że na plus należy ocenić dostęp do nowoczesnego sprzętu, który jest na poziomie europejskim. Do tego ok. 60–70% innowacyjnych terapii onkologicznych dostępnych w Europie jest refundowanych przez NFZ. Problemem pozostaje nowoczesna diagnostyka onkologiczna, w tym diagnostyka molekularna.

To dlatego Polskie Towarzystwo Onkologiczne wprowadziło aplikację wspierającą lekarzy w doborze badań molekularnych?

Tak. Diagnostyka molekularna staje się coraz bardziej skomplikowana i nie każdy lekarz jest w stanie na bieżąco śledzić wszystkie zmiany w zaleceniach. W naszej aplikacji lekarz wpisuje rodzaj nowotworu i otrzymuje informację, jakie badania powinien zlecić oraz jak je rozliczyć. To eliminuje błędy i oszczędza czas.

Około 50% nowotworów wymaga od razu wykonania panelu molekularnego. Nasza aplikacja znacznie to ułatwia: po prostu klika się rodzaj nowotworu i od razu wiadomo, jaka jest dalsza ścieżka postępowania.

Czy podobne aplikacje mogłyby wspierać lekarzy w podejmowaniu decyzji klinicznych?

Cyfryzacja medycyny to nieunikniona przyszłość i już dzisiaj cała wiedza medyczna mieści się w komputerze albo na smartfonie. My już wprowadziliśmy aplikację wspierającą zarządzanie działaniami niepożądanymi w immunoterapii. Lekarze mogą dzięki niej szybko znaleźć rozwiązania dla pacjentów, co skraca czas hospitalizacji i ogranicza konieczność angażowania dodatkowych specjalistów. Ta apka jest pierwszą tego typu w Europie. Z tego co wiem, podobna jest tylko w USA.

Onkologia jest bardzo skomplikowaną i szybko rozwijającą się dziedziną. W związku z tym lekarze – zwłaszcza ci, którzy nie są onkologami – potrzebują wsparcia w diagnozie i decyzjach terapeutycznych.

W USA dużą popularność zyskuje tzw. test Galleri – proste badanie krwi pomagające rozpoznać do 50 rodzajów nowotworów. Czy to przyszłość onkologii, czy jest jeszcze za wcześnie na ogłaszanie sukcesu i wprowadzanie tego typu badań na szeroką skalę?

Może to jest przyszłość. Na razie wiemy, że wszystkie dostępne testy krwi częściowo okazały się nie do końca wiarygodne.

A inne metody screeningowe?

To, że potrzebujemy nowych metod diagnostycznych, nie podlega dyskusji. Chodzi o testy biomarkerowe, testy krwi oraz inne metody oparte na wydzielinach ciała, jak np. ślina. W Polsce szczególnie brakuje testów FIT do diagnozy raka jelita grubego. To bardzo nowoczesny test do wykrywania krwi utajonej w stolcu, który wciąż nie został wprowadzony na szeroką skalę.

Drugą kwestią jest wprowadzenie niskodawkowej tomografii komputerowej dla osób przewlekle palących. Została ona zapowiedziana na ten rok, ale trudno mi sobie wyobrazić jej skuteczne wdrożenie bez odpowiedniego systemu diagnostyki i leczenia raka płuca. Nie zapominajmy, że prawie 30% dorosłych Polaków pali papierosy. Gdybyśmy ten odsetek ograniczyli do 5%, moglibyśmy uniknąć około 30% zachorowań na nowotwory. To oczywisty kierunek działań profilaktycznych.

Dobrą wiadomością jest to, że niedawno wprowadzono nowe badanie przesiewowe w kierunku raka szyjki macicy – test HPV-DNA, który od tego miesiąca jest refundowany w Polsce. To krok w dobrym kierunku, jednak skuteczność takich działań zależy także od odpowiedniego wykorzystania narzędzi cyfrowych.

Czy tutaj mogłaby pomóc cyfryzacja, aby zwiększyć dostępność badań przesiewowych?

Zdecydowanie. AI mogłaby proaktywnie przypominać pacjentom o badaniach przesiewowych. Jeśli kobieta nie wykonała mammografii przez ostatnie pięć lat, system mógłby automatycznie wysyłać jej powiadomienie z informacją o najbliższych dostępnych terminach. To samo dotyczy cytologii czy kolonoskopii.

Obecnie w aplikacji mojeIKP pacjent może znaleźć informacje o profilaktyce, ale brakuje praktycznych funkcji, takich jak możliwość zapisania się na badanie czy przypomnienie o terminie wizyty. AI mogłaby także wspierać osoby chcące rzucić palenie, oferując im kroki, które mogą podjąć, oraz motywujące powiadomienia.

W kilku krajach europejskich są już dostępne aplikacje na receptę oparte na sztucznej inteligencji. Przykładowo, wspomagają one psychologicznie pacjentów onkologicznych.

Jeśli odpowiednio wdrożymy rozwiązania cyfrowe, możemy znacząco zmniejszyć obciążenie systemu ochrony zdrowia. Świat zmierza w stronę wykorzystywania smartfonów jako osobistych doradców zdrowotnych. AI może stać się pozytywnym „opiekunem” zdrowia, pomagając obywatelom w podejmowaniu świadomych decyzji.

Jeśli możemy otrzymywać powiadomienia o nadchodzącej burzy, to dlaczego nie możemy dostawać przypomnień o konieczności wykonania badań przesiewowych?

A co z pacjentami? Na rynku są już aplikacje mobilne pozwalające na np. wstępną ocenę zmian skórnych pod kątem czerniaka. Oferują nawet szczegółowy opis i teleporadę. Co sądzi Pan Profesor o takiej diagnostyce z pomocą rozwiązań telezdrowia?

Diagnostyka chorób skóry wymaga wysokiej jakości obrazów. Standardem jest wideo-dermatoskopia, która powiększa obraz 20-krotnie i stosuje specjalne oświetlenie. Aplikacje dla pacjentów często bazują na zdjęciach z telefonów, co nie zapewnia takiej dokładności. Natomiast aplikacje dla lekarzy POZ mogłyby być bardzo przydatne, pomagając w klasyfikacji zmian i wskazując, które wymagają dalszej konsultacji ze specjalistą.

Czy korzystał Pan Profesor z ChatGPT lub podobnych narzędzi AI?

Tak, testowałem je w kontekście onkologii. Muszę przyznać, że ChatGPT radzi sobie dobrze z analizą tekstów i opracowywaniem danych. Jeśli zaś chodzi o pytania kliniczne, to nie jest to zadanie dla ChatGPT. Moim zdaniem, AI może w przyszłości odpowiadać na podstawowe pytania pacjentów. Wyobraźmy sobie takiego zaufanego doradcę zdrowia na zawołanie w aplikacji mObywatel. To wyeliminowałoby duży problem jakim są alternatywne i niesprawdzone terapie rozpowszechniane w Internecie.

Czytaj także: Opieka koordynowana w POZ. „Cyfryzacja jest niezbędna”

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

Po raz pierwszy w historii, sztuczne serce tak długo biło dla pacjenta zakwalifikowanego do przeszczepu narządu. Innowacja firmy BiVACOR będzie teraz testowana na kolejnych 15 osobach.

40-letni mężczyzna z ciężką niewydolnością serca otrzymał implant w szpitalu St. Vincent w Sydney w listopadzie ubiegłego roku. Przez 3 miesiące urządzenie pozwoliło mu przeczekać w warunkach domowych czas do przeszczepu serca, do którego doszło w lutym br. Zgodnie z komunikatem szpitala, chory – który pozostaje anonimowy – wraca do zdrowia.

Naukowcy od dawna pracują nad sztucznym sercem, które mogłoby być łatwo stosowane u pacjentów czekających na przeszczep narządu. Co roku przeprowadza się na świecie ok. 5000 transplantacji serca, najwięcej w USA. W latach 2011–2022 liczba ta podwoiła się. Wynalazek daje nadzieję na opracowanie wygodnej w stosowaniu i bezpiecznej opcji leczenia dla chorych z ciężką niewydolnością serca.

Założycielem firmy BiVACOR jest australijski bioinżynier Daniel Timms. Tytanowe serce opracował po tym, jak jego ojciec zmarł z powodu ciężkiej choroby serca. Urządzenie zostało na razie przetestowane klinicznie na 5 pacjentach w ramach badania wczesnej wykonalności (test bezpieczeństwa i poprawnego działania) przez amerykańską FDA (Food and Drug Administration). Teraz wynalazek ma zostać wszczepiony kolejnym 15 osobom, a jeśli wszystko pójdzie zgodnie z planem, czeka go długa droga do pełnego dopuszczenia na rynek przez organy regulacyjne.

Profesor Chris Hayward z Victor Chang Cardiac Research Institute powiedział, że serce BiVACOR zapoczątkuje zupełnie nową erę w przeszczepach serca, a w ciągu następnej dekady sztuczne serce stanie się alternatywą dla pacjentów, którzy nie mogą czekać na serce od dawcy lub gdy serce od dawcy jest po prostu niedostępne.

BiVACOR Total Artificial Heart (TAH) to dwukomorowa pompa krwi, która zastępuje obie komory serca za pomocą pojedynczego, dwustronnego wirnika. Wykorzystuje technologię odśrodkowej pompy rotacyjnej i aktywnej lewitacji magnetycznej do napędzania krwi do krążenia ogólnoustrojowego i płucnego. Wykonany z tytanu, nie posiada żadnych zaworów ani łożysk mechanicznych, zmniejszając tarcie i zużycie. Konstrukcja zapewnia wysoką wydajność przepływu krwi przy niskim zużyciu energii, utrzymując pulsacyjny przepływ. Opatentowany system równoważenia przepływu dostosowuje się do zmian fizjologicznych, a duże prześwity pompy minimalizują urazy i zastoje krwi.

Czytaj także: Najmniejszy na świecie robot chirurgiczny. „Cieńszy niż 1 mm”

Po miesiącach oczekiwania, Ministerstwo Zdrowia w końcu ogłosiło nabór do konkursu „Przyspieszenie procesów transformacji cyfrowej ochrony zdrowia poprzez dalszy rozwój usług cyfrowych w ochronie zdrowia” ze środków Krajowego Planu Odbudowy KPO. Dofinansowanie od 1 do 12 mln zł można będzie otrzymać na rozbudowę EDM, wdrożenie AI i poprawę poziomu bezpieczeństwa danych.

Dla kogo środki KPO na transformację cyfrową?

Konkurs ogłoszony został 11 kwietnia br., a wnioski przyjmowane będą do 15 maja, czyli przez miesiąc. Czasu nie jest dużo, bo po drodze są Święta Wielkanocne oraz długi majowy weekend. Do placówek zdrowia na EDM, AI i cyberbezpieczeństwo trafi łącznie 3,131 mld zł. Wsparcie – w formie refundacji lub zaliczki – może pokryć do 100% wydatków kwalifikowalnych, a projekty trzeba będzie zrealizować w ekspresowym tempie ok. jednego roku, bo do 31 maja 2026 r.

Przypomnijmy, że wcześniej 1,2 mld zł z KPO trafiło do Centrum e-Zdrowia m.in. na Platformę Usług Inteligentnych, Centralną e-Rejestrację oraz cyfryzację dokumentacji medycznej.

O tym, że czas na realizację inwestycji będzie bardzo krótki, wiadomo było od dawna. MZ postanowiło ograniczyć zakres podmiotów, które mogą ubiegać się o pieniądze, do szpitali należących do tzw. sieci szpitali. Łącznie to 585 podmiotów. POZ-ty muszą zadowolić się środkami z programu FEnIKS (kolejny nabór jeszcze w tym roku). Podmiot może złożyć tylko jeden wniosek, a wsparcie otrzyma maksymalnie 325 najlepiej ocenionych projektów.

Zakres wsparcia finansowego: dane, EDM, AI i cyberbezpieczeństwo

Dofinansowanie można otrzymać na zakup sprzętu i usług na potrzeby:

• wdrożenia rozwiązań AI i podłączenia do Centralnego Repozytorium danych medycznych (integracja z Platformą Usług Inteligentnych i zakup narzędzi AI służących optymalizacji procesów szpitalnych oraz organizacji pracy personelu);
• digitalizacji dokumentacji medycznej istotnej z punktu widzenia leczenia i profilaktyki (karty informacyjne z leczenia szpitalnego od 2023 r.);
• integracji i rozbudowy systemów informatycznych szpitali (w tym integracja z 9 nowymi EDM);
• zwiększania poziomu cyberbezpieczeństwa.

Aby otrzymać wsparcie, projekt informatyczny musi zostać pozytywnie zaopiniowany przez Komitet Rady Ministrów ds. Cyfryzacji. Obszary działań objęte wsparciem obejmują dokładnie:

Integrację i rozbudowę systemów informatycznych. Działania te mają na celu modernizację istniejącej infrastruktury IT oraz integrację systemów szpitalnych z centralnym systemem P1. W szczególności wsparcie obejmuje:

• integrację HIS (Hospital Information System) i LIS (Laboratory Information System) z systemem P1,
• modernizację oprogramowania wspierającego procesy diagnostyczno-terapeutyczne,
• wdrażanie interoperacyjnych systemów umożliwiających efektywną wymianę danych z innymi podmiotami ochrony zdrowia,
• usprawnienie zarządzania dokumentacją medyczną i administracyjną.

Digitalizację dokumentacji medycznej istotnej z punktu widzenia leczenia i profilaktyki. Ten obszar obejmuje wdrożenie narzędzi do gromadzenie dokumentacji medycznej w formie elektronicznej celem przyspieszenia dostępności informacji medycznych i usprawnienia procesu leczenia. Finansowane działania mogą obejmować:

• digitalizację kart informacyjnych z leczenia szpitalnego,
• indeksację dokumentów w systemie P1 lub umieszczenie ich w Centralnym Repozytorium Danych Medycznych (CRDM),
• wdrażanie narzędzi do prowadzenia elektronicznej dokumentacji medycznej (EDM) zgodnie z wymogami prawnymi i technologicznymi,
• szkolenia personelu w zakresie obsługi EDM.

Zwiększenie poziomu cyberbezpieczeństwa szpitala. Wsparcie koncentruje się na wzmocnieniu zabezpieczeń infrastruktury informatycznej placówek medycznych. Zakres działań obejmuje m.in.:

• wdrażanie zaawansowanych systemów ochrony przed atakami (np. firewalle, antywirusy, SIEM, DLP),
• opracowanie i wdrożenie polityk bezpieczeństwa informacji,
• przeprowadzenie audytu bezpieczeństwa IT (obowiązkowy element potwierdzający skuteczność wdrożonych działań),
• szkolenie personelu w zakresie cyberbezpieczeństwa i reagowania na incydenty,
• zabezpieczenie transmisji i przechowywania elektronicznej dokumentacji medycznej.

Wdrożenie rozwiązań z zakresu sztucznej inteligencji (AI) i integrację z centralnym repozytorium danych medycznych. Wsparcie w tym obszarze dotyczy narzędzi opartych o sztuczną inteligencję, wspomagających podejmowanie decyzji medycznych, zarządzanie danymi oraz integrację z centralnymi systemami zdrowotnymi. Finansowane działania to m.in.:

• wdrożenie algorytmów AI wspierających diagnozę, analizę obrazów, predykcję ryzyka i optymalizację leczenia,
• podłączenie szpitala do Platformy Usług Inteligentnych (PUI) w Centrum e-Zdrowia,
• przetwarzanie danych medycznych w sposób umożliwiający ich analizę i wykorzystanie w celach klinicznych oraz zarządczych,
• implementacja mechanizmów automatycznego raportowania i wizualizacji danych dla kadry medycznej i administracyjnej.

Kwoty dofinansowania

Wysokość wsparcia zależna jest od oceny oraz stopnia szpitala w sieci. To spore sumy wynoszące od 1 do 12 mln zł. Taka okazja na inwestycje w cyfryzację szpitali może się szybko nie powtórzyć. Maksymalna stawka dofinansowania to:

• 6 000 000 zł dla szpitali I stopnia
• 9 000 000 zł dla szpitali II stopnia
• 12 000 000 zł dla szpitali III stopnia, ogólnopolskich, pulmonologicznych, onkologicznych i pediatrycznych

Minimalna:

• 1 025 000 zł dla szpitali I stopnia
• 1 600 000 zł dla szpitali II stopnia
• 2 325 000 zł dla szpitali III stopnia, ogólnopolskich, pulmonologicznych, onkologicznych, pediatrycznych

Jak złożyć wniosek?

Wniosek przyjmowane są w formie elektronicznej z wykorzystaniem systemu CST2021 służącego do aplikowania o dofinansowanie ze środków unijnych zgodnie ze sposobem opisanym w Regulaminie wyboru przedsięwzięcia w trybie konkurencyjnym dla inwestycji D1.1.2 dla naboru nr KPOD.07.03-IP.10-001/25. Adres: https://wod.cst2021.gov.pl/,

Czytaj także: 1,2 mld z KPO dla Centrum e-Zdrowia. Wyda je na 9 projektów

W kwietniowym numerze OSOZ Polska (4/2025) m.in. o crash testach bezpieczeństwa danych w szpitalach oraz innowacjach cyfrowych w onkologii. Tematy numeru:

• EDM na ucho. Jak sztuczna inteligencja zmieni elektroniczną dokumentację medyczną
• Centralna e-Rejestracja. Jak się przygotować?
• Wyzwania menedżerów ochrony zdrowia 2025. Relacja z Kongresu Wyzwań Zdrowotnych

KLIKNIJ TUTAJ, aby pobrać bezpłatnie kwietniowe e-wydanie OSOZ (87 stron, PDF)

Spis treści:

• Kolejki w przychodniach. Jak lepiej zorganizować przyjęcia pacjentów?
• Europejski Raport Zdrowotny 2024. Czy cyfryzacja zapobiegnie kryzysowi?
• Nowa europejska strategia AI. W Polsce powstanie fabryka AI
• Sztuczna inteligencja w polskiej ochronie zdrowia. Bez danych nie ma AI
• Aplikacja miesiąca. Fit Foczki czyli dieta inaczej
• Innowacje: tytanowe serce, pierścień z funkcją badania EKG, stada mini-robotów w medycynie
• Wyzwania menedżerów 2025. Placówki medyczne zdane na siebie w cyfryzacji
• Dr n. med. Agnieszka Rogalska. Brak interoperacyjności to kula u nogi cyfryzacji
• Prof. dr hab. n. med. Piotr Rutkowski. Potrzebujemy alertów na telefon o profilaktyce?
• Crash testy bezpieczeństwa. Jak je wykonać?
• Centralna e-Rejestracja. Jak się przygotować do jej wdrożenia?
• Powtarzające się błędy w interpretacji obrazów medycznych kosztują pacjentów życie
• Pacjenci postrzegają AI jako bardziej empatyczną niż psychologowie-ludzie
• Naukowcy porównali 9 strategii e-zdrowia. Co wyróżnia te najlepsze?
• Wpływ Google na ochronę zdrowia jest niewyobrażalnie duży
• Dyktowanie zamiast pisania. Czy lekarze przyzwyczają się do nowej eDM?
• Nowy system komputerowy wspierający funkcjonowanie pracowni leku cytostatycznego

Wszystkie wydania archiwalne dostępne są na zakładce POBIERZ.

ChatGPT, Gemini i Microsoft Co-Pilot – generatywna AI ułatwia dostęp do wiedzy, pomagając w pracy i życiu prywatnym. Jak ją wykorzystywać do własnych celów? Oto bezpłatne kursy pozwalające być na bieżąco z AI.

AI od podstaw. Zwiększ efektywność w pracy – Strefa Wiedzy Polskiego Funduszu Rozwoju (PFR)

Bardzo dobry ogólny kurs o generatywnej AI po polsku przygotowany w ramach programu podnoszenia umiejętności cyfrowych. Można się z niego dowiedzieć, jak formułować zapytania do AI, aby uzyskać najlepsze rezultaty, jak generować grafiki, zdjęcia i wideo albo automatyzować niektóre procesy np. marketingowe i obsługi pacjenta. Do tego dużo wiedzy o trendach rynkowych AI, regulacjach prawnych oraz zasadach etycznych przy korzystaniu z ChatGPT i podobnych narzędzi. W przypadku pracowników ochrony zdrowia kurs może pomóc np. w automatyzacji tworzenia korespondencji z pacjentami albo przygotowywaniu materiałów promocyjnych i PR-owych. „AI od podstaw. Zwiększ efektywność w pracy” składa się z kilku modułów zawierających wykłady i ćwiczenia oraz jest skierowany do szerokiego grona odbiorców – od początkujących, nietechnicznych osób, po przedsiębiorców, pracowników marketingu, analityków i twórców, którzy chcą zaoszczędzić czas i usprawnić swoją pracę. W ofercie Strefy Wiedzy Polskiego Funduszu Rozwoju jest wiele innych ciekawych szkoleń dotyczących cyfryzacji jak np. podstawy AI dla administracji publicznej, firma bezpieczna cyfrowo czy kultura innowacyjna firmy.

Kliknij tutaj, aby przejść do kursu.

AI Skills Navigator

Interaktywna platforma e-learningowa przygotowana przez Microsoft z bogatą ofertą kursów na temat sztucznej inteligencji i generatywnej AI. W ofercie podstawowe szkolenia dla każdego pomagające rozpocząć przygodę z AI i zaawansowane webinary dla informatyków obsługujących rozwiązania chmurowe. Oczywiście wszystkie opierają się na rozwiązaniach Microsoftu: kurs dotyczący generatywnej AI omawia działanie Co-Pilota, a analityki danych w chmurze – platformę Azure. Dla początkujących przygotowano m.in. kursy z pisania polecań do AI (promptów) oraz korzystania z Co-Pilota w poczcie elektronicznej, Wordzie czy PowerPoincie. Duża część z szkoleń jest po polsku. Najczęściej trwają od kilku do kilkunastu godzin i składają się z wykładów w formie filmów wideo i materiałów do przeczytania. Wadą jest to, że niektóre kursy są przetłumaczone przez AI na łamany polski.

Kliknij tutaj, aby przejść do kursu.

Wprowadzenie do generatywnej AI od Google

Na podobnej zasadzie jak Microsoft, także Google przygotował szkolenie wyjaśniające jak korzystać z generatywnej sztucznej inteligencji, a dokładnie z modelu Gemini od Google. Podstawowy kurs trwający 8 godzin wymaga przeczytania sporo materiałów. Nagrania wideo są po angielsku z polskimi napisami.

Kliknij tutaj, aby przejść do kursu.

Elements of AI

„Elements of AI” to kursy opracowane przez Uniwersytet Helsiński ze środków Unii Europejskiej. Wyróżnia go szerokie spojrzenie na zagadnienia AI, jak np. wpływ AI na pracę i codzienne życie w najbliższych latach, kulisy powstawania systemów AI i działania sieci neuronowych. Nie ma tutaj praktycznych zasad obsługi ChatGPT i podobnych narzędzi. W łącznie 6 kursach uczestnik dowie się sporo o historii AI i jej możliwościach.

Kliknij tutaj, aby przejść do kursu.

AI w ochronie zdrowia (Coursera)

Jeden z najlepszych kursów o AI w ochronie zdrowia od prestiżowego Uniwersytetu Stanforda, dostępny na bezpłatnej platformie e-learningowej. Trwa ok. 5 tygodni i jest bezpłatny, jeśli zdecydujemy się na opcję bez certyfikatu i egzaminu końcowego. W programie m.in. wprowadzenie do zagadnienia danych klinicznych i uczenia maszynowego oraz integracja AI w pracy podmiotu medycznego. Szkolenie kierowane jest do osób zainteresowanych cyfryzacją w ochronie zdrowia lub zawodowo zajmujących się analityką danych i AI w medycynie. Z powodzeniem może go także ukończyć każdy lekarz albo pielęgniarka, aby lepiej zrozumieć, jak można wykorzystać dane i AI do poprawy procesów organizacyjnych i klinicznych. Można też otrzymać certyfikat, ale za tę opcję trzeba zapłacić. To szkolenie nie zawiera informacji o generatywnej AI. Na platformie e-learningowej Coursera można znaleźć setki kursów o AI przygotowanych przez uniwersytety oraz firmy IT z całego świata.

Kliknij tutaj, aby przejść do kursu.

Czytaj także: Poradnik dla lekarzy jak korzystać z ChatGPT [POBIERZ]

Nigdy nie wprowadzaj danych pacjenta do ChatGPT i podobnych chatbotów – radzą eksperci od ochrony danych osobowych. Jak w takim razie bez obaw korzystać ze sztucznej inteligencji? Które narzędzia generatywnej AI są najbezpieczniejsze, a których unikać?

Generatywna AI w ochronie zdrowia

Szacuje się, że ok. 25% Polaków już korzysta z generatywnej AI w życiu prywatnym i do celów zawodowych. Narzędzia takie jak ChatGPT, Perplexity, Co-Pilot albo Gemini mają swoich zwolenników, którymi są zwłaszcza osoby młode i wykształcone, ale i równie dużą grupę sceptyków obawiających się o swoją prywatność i ryzyko bycia wprowadzonym w błąd (halucynacje AI). Duża część osób nadal nie wie, jak w ogóle rozpocząć pracę z AI.

Według badania przeprowadzonego przez czasopismo naukowe BMJ Health and Care Informatics, co piąty lekarz rodzinny stosuje AI do tworzenia listów klinicznych. Z kolei z ankiety Fierce Healthcare na 107 lekarzach POZ wynika, że aż 76% z nich korzysta z dużych modeli językowych (LLM) podczas podejmowania decyzji klinicznych. 60% używa ich do  sprawdzania interakcji między lekami, 40% – do planowania leczenia, a 70% – do edukacji pacjentów. Faktyczne stosowanie ChatGPT w codziennej pracy może być jeszcze wyższe, bo nie wszyscy chcą się do tego przyznać.

Tymczasem mało osób wie, że każde zapytanie wpisane do czatbota jest zapamiętywane i przechowywane na serwerach, najczęściej poza Unią Europejską. A to może prowadzić nie tylko do łamania przepisów RODO, ale także grozi wyciekiem wrażliwych danych. ChatGPT, Co-Pilot, a może DeepSeek – które narzędzia oferują największą prywatność?

DeepSeek na czarnej liście

Zacznijmy od sensacji ostatnich tygodni, czyli chińskiego modelu DeepSeek R1. Po jego premierze, był on najchętniej pobieraną aplikacją na świecie – w okresie dwóch pierwszych tygodni oprogramowanie ściągnęło 3,6 mln osób. DeepSeek obiecuje wysoką wydajność modelu i precyzję odpowiedzi, a do tego jest całkowicie bezpłatny. Ale czy bezpieczny?

Nie do końca. Przed stosowaniem DeepSeek ostrzega Urząd Ochrony Danych Osobowych (UODO). Z polityki prywatności aplikacji wynika, że dane użytkowników mogą być przechowywane na serwerach zlokalizowanych w Chinach.

– Zgodnie z obowiązującymi przepisami rząd chiński posiada szerokie uprawnienia związane z dostępem do danych osobowych bez gwarancji ochrony przewidzianej w europejskim porządku prawnym – czytamy w oświadczeniu UODO. Do tego duży model językowy z Chin może wykorzystywać przekazywane przez użytkowników dane do dalszego trenowania modelu albo celów marketingowych.

Co-Pilot, ChatGPT, Gemini, Perplexity też pod znakiem zapytania

Nie tylko chiński model zapisuje dane z zapytań do dalszego trenowania AI. Robi to tak samo amerykański ChatGPT i Perplexity albo francuski LeChat od Mistral AI. Z jedną różnicą – w ich przypadku można to zastrzec dzięki opcji dostępnej w ustawieniach systemu.

Z kolei Microsoft 365 Copilot przechowuje dane dotyczące interakcji, w tym polecenia i odpowiedzi, jako część historii aktywności Copilot użytkownika. Jak deklaruje firma w warunkach użytkowania, dane te pozostają w usłudze chmurowej Microsoft 365 i są szyfrowane podczas przechowywania. Nie są one wykorzystywane do dalszego trenowania modelu AI, a użytkownicy mogą usunąć historię aktywności Copilot. Firma twierdzi także, że Copilot spełnia wymagania ogólnego rozporządzenia o ochronie danych (RODO).

Nawet jeśli czatbot nie przetwarza promptów wprowadzanych przez użytkownika – a te mogą czasami zawierać wrażliwe dane – pozostaje kolejny problem: większość popularnych dużych modeli językowych AI działa w chmurze danych, a serwery zlokalizowane są w USA. Przykładowo, jeśli korzystamy z ChatGPT, dane trafiają do centrum danych Microsoft Azure w Teksasie. A to oznacza naruszenie europejskich przepisów RODO. Taka była też argumentacja włoskiego urzędu ochrony danych osobowych, który w marcu 2023 zabronił korzystania z ChatGPT. Po kilku tygodniach, m.in. dzięki wprowadzeniu wspomnianej opcji zastrzeżenia danych do dalszego trenowania modeli, zakaz został uchylony.

Trzeba także pamiętać, że firmy tworzące duże modele językowe też są narażone na ataki hackerów albo wycieki danych spowodowane błędami oprogramowania. Takie miały miejsce np. w przypadku ChatGPT, choć żadne dane z rozmów nie zostały dotąd naruszone.

Czy są modele LLM, z których można korzystać bez obaw?

Odpowiedź jest prosta: tak, ale są to modele open-source. Działają one lokalnie i nie przesyłają danych na serwery zewnętrzne. Tylko takie modele mogą być stosowane bez obaw przez europejskie placówki medyczne. Niestety, ich stosowanie nie jest tak łatwe jak ChatGPT – wymagają instalacji na lokalnych serwerach przez osoby, które mają przynajmniej bazową wiedzę informatyczną. Ich obsługą i trenowaniem są w stanie zająć się tylko wykwalifikowani informatycy albo inżynierowie danych. Zaletą jest to, że można je dalej trenować na własnych bazach danych, tworząc czatboty przystosowane do różnych zadań, np. wyszukiwania danych w elektronicznej dokumentacji medycznej.

Wśród najpopularniejszych modeli o otwartym kodzie jest Llama 3 od Facebooka, a także Bloom, Mistral Small 3 albo MPT-7B.

Alternatywą są funkcje AI wprowadzane przez dostawców oprogramowania IT do programów gabinetowych. Opierają się one na bezpiecznych lokalnych modelach, a do tego są zintegrowane z systemem IT dzięki czemu nie trzeba się przełączać pomiędzy różnymi aplikacjami. Z czasem będzie ich przybywać, bo oferują duże ułatwienia w m.in. wyszukiwaniu danych.

Jeśli generatywna AI to tylko lokalna

Żaden z modeli generatywnej sztucznej inteligencji działających w chmurze danych nie powinien być wykorzystywany do analizy wrażliwych danych pacjentów. Dlatego zasadą nr 1 jest unikanie w promptach danych osobowych albo informacji mogących posłużyć do identyfikacji konkretnej osoby (np. na podstawie kilku znaczników jak wiek, miejsce zamieszkania, cechy charakterystyczne). Lekarz może ogólnie zapytać o diagnozę na podstawie objawów, ostatnie badania naukowe albo rekomendacje medyczne. Zaleca się przy tym wyłączenie pozwolenia stosowania zapytań do dalszego trenowania modelu. Największe korzyści i gwarancję bezpieczeństwa danych dają modele open source, choć ich wdrożenie wiąże się ze stworzeniem mocnego zaplecza bazowo-serwerowego. Najprostszym rozwiązaniem jest testowanie funkcji AI wprowadzanych do systemów IT.

Czytaj także: Bezpłatny raport „Bezpieczeństwo danych w ochronie zdrowia”

Pandemia COVID-19 unaoczniła światu jak bardzo produkcja leków generycznych jest zależna od API (substancji czynnych potrzebnych do produkcji leków) oraz intermediatów (innych składników potrzebnych do wytwarzania medykamentów) pochodzących z Chin i innych krajów azjatyckich. Czasowe zamknięcie kilku olbrzymich fabryk i przerwane łańcuchy dostaw spowodowały problemy z dostępem do leków w wielu krajach. Poziom zależności od produkcji azjatyckiej oceniany jest różnie, ale jest olbrzymi i wynosi od 60 do 80%. Wszyscy zaczęli poszukiwać sposobu jego ograniczenia.

dr Jarosław Frąckowiak, Prezes PEX

Odbudowanie produkcji API jest procesem żmudnym, kosztownym (wedle badań PEX, budowa jednej fabryki API to koszt ok. 1 mld złotych), niepewnym komercyjnie (czy będą rynki zbytu i długi okres popytu?; jak konkurować ceną z wielkoskalową produkcją w Azji?) oraz „brudnym” z punktu widzenia norm środowiskowych, jakie musi spełniać fabryka.

Unia Europejska oraz kraje członkowskie, w tym Polska, podjęły prace nad Listami Leków Krytycznych (LLK). Teoretycznie – oby wkrótce praktycznie – umieszczenie wybranych molekuł na LLK może dać impuls do poczynienia inwestycji w celu ich wyprodukowania w krajach członkowskich EU. Tak się stanie, jeśli wejdą w życie programy wsparcia dla producentów, którym bez gwarancji rynkowych trudno ponieść wszystkie koszty stawiania centrów rozwoju i fabryk API czy leków gotowych. Jest niemal pewne, że tego typu programy będą wspierać produkcję molekuł zawartych na LLK.

Wybór molekuł do LLK trwał długo. W Polsce substancje czynne podzielono pod względem ich krytyczności dla zdrowia pacjentów.

Finalnie, na polskiej LLK znalazło się 301 molekuł. Ciekawie wypada porównanie z europejską LLK. Mogłoby się wydawać, że LLK w każdym kraju czy na poziomie europejskim powinny być podobne, a tak nie jest. Porównując polską i europejską LLK odnajdziemy 159 molekuł, które znajdują się na obu listach, 142 molekuły występują tylko na polskiej, a 115 na wyłącznie na europejskiej.

Na polskiej LLK nie znalazły się – obecne na europejskiej – immunoglobuliny czy antybiotyki stosowane w lecznictwie zamkniętym. LLK nie jest „zabetonowanym tworem” i może ulegać zmianom. Teoretycznie poszerzanie list (o ile będzie powiązane z mechanizmami wsparcia produkcji) może powodować wzrost zainteresowania biznesu produkcją lokalną API, intermediatów, budowaniem centrów R&D czy fabryk form gotowych leków.

Molekuły, które zawiera polska LLK, odpowiadają aktualnie za niemal 60% wolumenu i prawie 50% wartości sprzedaży aptecznej. To dużo. Oby znalazły się mechanizmy wsparcia dla biznesu, które spowodują, że coraz większa część z tej sprzedaży będzie pochodziła z lokalnej produkcji.

Czytaj także: Raport i analiza rynku aptecznego 2024 [POBIERZ]

Na podstawie 50 000 zdjęć par oczu, australijscy naukowcy stworzyli najdokładniejszą na świecie mapę siatkówki ludzkiego oka. Pozwoli lepiej diagnozować i monitorować choroby z pomocą systemów sztucznej inteligencji.

W badaniu wykorzystano zbiór danych obrazów optycznej koherentnej tomografii (OCT, technika obrazowania wykorzystująca światło do rejestrowania przekrojowych obrazów struktury oka) od około 54 000 osób, udostępnionych przez biobank Wielkiej Brytanii. Za pomocą konwolucyjnej sieci neuronowej wygenerowano przestrzenny zbiór danych o najwyższej rozdzielczości grubości siatkówki, jaką kiedykolwiek udało się osiągnąć. Obejmuje on łącznie 50 000 map z pomiarami w ponad 29 000 miejsc na siatkówce.

Analiza zmian struktury siatkówki może pomóc we wczesnym wykrywaniu niektórych chorób. Przykładowo, badanie opublikowane w Nature Communications dowiodło, że zmniejszona grubość siatkówki jest silnie skorelowana ze stwardnieniem rozsianym (SM). Przerzedzenie siatkówki jest też silnie związane z wieloma innymi chorobami neurodegeneracyjnymi oraz zaburzeniami sercowo-metabolicznymi. Możliwość diagnozy chorób na podstawie struktury oka wynika z tego, że siatkówka ma wyjątkową wrażliwość metaboliczną, reagując na zmiany w organizmie. W badaniu ustalono ponadto, że na wzrost i rozwój siatkówki wpływają aż 294 geny człowieka.

Naukowcy są zdania, że dzięki badaniu będzie można opracować rutynowe, przesiewowe badania obrazowe oczu służące do diagnozy i monitoringu postępu chorób. Choroby neurodegeneracyjne, takie jak demencja, zaburzenia metaboliczne i cukrzyca, prowadzą do zaburzeń centralnego układu nerwowego, którego częścią jest siatkówka. Według badaczy, obrazowanie siatkówki może pełnić rolę „okna mózgu”, wykrywając skutecznie choroby neurologiczne. Nieinwazyjne diagnozowanie i przewidywanie chorób na podstawie biomarkerów obrazów zmian w oku jest szybko rozwijającą się dziedziną, która nazywana jest okulomiką.

Jeszcze inne badania sugerują, że zwyrodnieniowa choroba spojówki (pterygium) może być wczesnym predyktorem raka skóry. Dzięki zastosowaniu sztucznej inteligencji, Singapore Eye Research Institute opracował testy do badań przesiewowych w kierunku przewlekłej choroby nerek oraz przewidywania wieku biologicznego także na podstawie zdjęć siatkówki. Z kolei chiński model AI VisionFM – wytrenowany przy użyciu 3,4 miliona zdjęć oczu od ponad 500 000 osób na całym świecie – jest w stanie m.in. diagnozować choroby oczu oraz przewidywać zmiany biomarkerów ogólnoustrojowych i rozwój guzów wewnątrzczaszkowych.

Czytaj także: Komputery kwantowe zdekodują tajemnice medycyny