Jeśli infrastruktura cyfrowa wspierająca opiekę nad pacjentem nie gwarantuje ochrony danych, to narażone jest także zdrowie i życie pacjenta – tak radykalne i szczere spojrzenie na bezpieczeństwo danych to konieczność, bo liczba ataków hakerów szybko rośnie. Najwyższy poziom ochrony to cel tzw. polityki zerowego zaufania. Na czym polega?

Ochrona zdrowia jest w czołówce najczęściej atakowanych przez hakerów branż. Z najnowszych danych wynika, że w I kwartale 2023 liczba incydentów bezpieczeństwa wzrosła w stosunku do 2022 roku o 22%. Hakerzy obrali sobie za cel placówki zdrowia nie dlatego, że przetwarzają one wrażliwe dane medyczne, ale ze względu na wyjątkowo niski poziom cyberbezpieczeństwa. Wiele szpitali nadal posiada stare systemy zawierające luki w zabezpieczeniach, a kwestie ochrony danych – ze względów finansowych i organizacyjnych – nadal są bagatelizowane.

9 filarów twierdzy danych

Zasady zerowego zaufania dotyczące ochrony danych zostały wypracowane w ramach Forrester And National Institute of Standards and Technology (NIST). Filozofię można streścić w jednym zdaniu: „nigdy nie ufaj, zawsze weryfikuj, dynamicznie rozwijaj politykę bezpieczeństwa”. Zakłada ona dodatkowo, że organizacja już stała się ofiarą ataku hakerów lub, że wkrótce on nastąpi, a więc dostęp do zasobów nie jest bezpieczny.

Pierwsze pięć fundamentów podejścia „zero trust” skupia się na:

• Użytkownikach: wiedza o sposobach działania hakerów i zasadach ochrony danych;
• Urządzeniach: zabezpieczenia techniczne, jak oprogramowanie antywirusowe, zapory sieciowe, ochrona urządzeń medycznych i inne elementy infrastruktury (kamery, drukarki wpięte w sieć itd.)
• Sieciach: oddzielenie sieci wewnętrznej od ogólnodostępnej sieci internetowej, stworzenie tzw. mikro-sieci;
• Obciążeniach: specyficzne elementy narażone na ataki jak np. rozwiązania chmurowe;
• Danych: klasyfikacja danych, ich szyfrowanie oraz bezpieczne przechowywanie kopii zapasowych.

Na tym poziomie organizacja przyjmuje zasadę restrykcyjnego uwierzytelniania dostępu użytkowników do zasobów organizacji. Przykładowo, wymagając regularnej zmiany haseł, wprowadzając domyślne wylogowanie po odejściu od stacji roboczej (ochrona na poziomie sesji korzystania z systemu, a nie użytkownika). Żadna osoba pracująca z infrastrukturą IT, od informatyków po lekarzy, nie ma przywilejów i objęta jest takim samym rygorem w ramach polityki bezpieczeństwa.

Większość filarów na tym poziomie ma charakter techniczny i leży w kompetencji informatyków i ekspertów bezpieczeństwa danych. Elementem organizacyjnym odgrywającym największą rolę, jest filar zerowego zaufania do ludzi. Kradzież lub złamanie danych uwierzytelniających oraz zainfekowanie sieci złośliwym oprogramowaniem są głównymi przyczynami naruszeń danych. Dlatego wymaga się m.in. uwierzytelniania wieloskładnikowego oraz intensywnych testów wiedzy i czujności użytkowników.

Pozostałe cztery filary to strategiczne elementy ochrony kluczowe w przypadku naruszenia bezpieczeństwa:

• Widoczność. Podejmowanie świadomych decyzji dotyczących dostępu do danych przez pracowników oraz podmioty zewnętrzne (brak domyślności zaufania). Wszystkie działania realizowane przez pracowników na urządzeniach i sieciach firmowych muszą być widoczne dla informatyków i specjalistów bezpieczeństwa danych;
• Analityka. Monitorowanie zasobów sieciowych oraz danych, analiza przepływów informacji w całym ekosystemie placówki medycznej;
• Automatyzacja i zarządzanie. Możliwość szybkiej identyfikacji nieautoryzowanego dostępu do danych i potencjalnie złośliwych działań. Wbudowane mechanizmy automatycznego reagowania na sytuacje, audyty bezpieczeństwa i aktywne wyszukiwanie potencjalnych zagrożeń.
• Administrowanie. Każdy użytkownik, urządzenie, aplikacja i transakcja wymiany danych muszą być stale weryfikowane a środowisko danych – testowane i nadzorowane. Strategia bezpieczeństwa danych staje się nieustannym procesem, a nie działaniem podejmowanym od czasu do czasu i ograniczającym się do aktualizacji oprogramowania antywirusowego, prowadzenia szkoleń z ochrony danych co kilka miesięcy, czy – co gorsza – przeprowadzenia kontrolowanych ataków lub audytów raz w roku.

Wdrożenie filozofii „zero trust” nie jest łatwe i może trwać kilka lat, wymagając opracowania bardzo szczegółowych i dynamicznych procedur oraz wdrożenia kosztownym rozwiązań technicznych – wiąże się z większymi kosztami cyberbezpieczeństwa, bo konieczne staje się zatrudnienie specjalistów ochrony danych czy korzystanie z zewnętrznych audytów systemów bezpieczeństwa. Dlatego podejście „zero zaufania” zalecane jest dużym podmiotom, które z reguły narażone są na celowane ataki hakerów mające na celu kompromitację danych, ich kradzież i uzyskanie dużego okupu.

Ale warto ją również stosować nawet w cząstkowej formie, np. w odniesieniu do zasobów ludzkich, bo pozwala ustrzec się przed najczęściej popełnianymi błędami bezpieczeństwa danych. Oto kilka przykładów:

• Skupianie się na podejściu nastawionym na niwelowanie skutków ataku, a nie zapobieganiu. Bezpieczna kopia zapasowa to podstawa w procedurze ochrony danych, ale cyberataki można śledzić i zapobiegać nim, zanim się wydarzą poprzez np. monitoring anomalii w ruchu sieciowym oraz analizę zagrożeń w czasie rzeczywistym;
• Płaskie sieci. W miarę rozwoju infrastruktury IT i podłączania kolejnych punktów sieciowych (urządzeń) rośnie sieć informatyczna, z czasem tworząc jeden ogromny ekosystem danych. Eksperci zalecają segmentację i podział sieci na łatwiejsze w zarządzaniu mikro-sieci, w których zapory ogniowe stosowane są już na poziomie urządzenia;
• Braki w ochronie urządzeń końcowych. Duży szpital może mieć ich kilkaset a nawet kilka tysięcy – to systemy do monitorowania parametrów życiowych pacjenta, urządzenia telemedyczne, systemy przywoławcze itd. Pierwszym krokiem jest identyfikacja wszystkich punktów końcowych i opracowanie dla nich polityki dostępu i ochrony.
• Wdrażanie zdezaktualizowanych mechanizmów kontroli bezpieczeństwa. Nie wystarczy kontynuować wdrożoną kilka lat temu politykę ochrony danych – trzeba ją na bieżąco udoskonalać wraz z postępem technologicznym. Organizacje ochrony zdrowia powinny też pamiętać, że bezpieczeństwo danych zaczyna się jeszcze zanim kupią system IT. Wtedy mają możliwość zdefiniowania wbudowanych mechanizmów np. autoryzacji albo uprawnień użytkowników

Podejście zerowego zaufania wprowadza duży reżim ochrony. Poczucie zagrożenia nie ma jednak w tym wypadku straszyć, ale zwiększać czujność. Częstotliwość cyberataków rośnie, hakerzy sięgają do coraz bardziej wyrafinowanych sposobów. Statyczna polityka bezpieczeństwa wystarczyła kilka lat temu, ale dziś musi być stale aktualizowana, bo od niej zależy zdrowie i życie pacjentów.

Czytaj także: Pobierz bezpłatny raport „Bezpieczeństwo danych i RODO w placówkach ochrony zdrowia

Mogli na nich zarobić nawet 10 mln zł – szacuje Dziennik Gazeta Prawna w artykule opisującym sprawę masowego wystawiania elektronicznych recept w Internecie.

Recepta co 2 minuty, najczęściej na marihuanę medyczną

On wystawił w 2022 roku ponad 286 tys. recept elektronicznych, a ona – przeszło 429 tys. Jak wynika z danych, takich rekordzistów, którzy wystawiają ponad 100 tys. recept rocznie jest znacznie więcej. Przykładowo, w marcu 2023 jeden z lekarzy miał wystawić 21 433 recept. Jak obliczył DGP, aby osiągnąć taki wynik, lekarz musiałby wystawiać jedną receptę co 2,08 minuty i to pracując 24 godzin na dobę.

To tysiące razy więcej niż średnia – statystyczne lekarz wystawia co miesiąc recepty ok. 60 pacjentom. Jeszcze bardziej niepokoi, na jakie leki najczęściej wystawiają recepty rekordziści. Są to:

• marihuana medyczna,
• antykoncepcja awaryjna,
• leki na odchudzanie,
• antybiotyki,
• silne leki przeciwbólowe.

NIL bada sprawę, MZ zawiadamia prokuraturę

Kiedy sprawa handlu receptami została nagłośniona kilka miesięcy temu, 12 lutego 2023 roku Komisji Etyki Lekarskiej wydała stanowisko, w którym krytycznie ocenia sytuacje, kiedy „finalizacja otrzymania usługi jest zgodnie z ofertą, niezwykle krótką (3-5 minutową) usługą sugerującą niedochowanie należytej staranności„. Podkreśla też, że „błędną interpretacją zasad obowiązujących w telemedycynie jest komercyjne wystawianie zwolnień i recept online na żądanie” i to bez szczegółowego wywiadu.

Nietrudno się domyślić, że lekarze wystawiające setki tysięcy e-recept nie są w stanie dokładnie zbadać pacjenta, bo recepta wystawiana jest co… kilkanaście sekund.

DGP dotarł też do umów, jakie zawierają lekarze z podmiotami pośredniczącymi w wystawianiu e-recept w sieci. Wynika z nich, że za taką „konsultację” lekarz otrzymuje 14-20 zł brutto. Dziennikarze opisują też, jak łatwo jest zamówić e-receptę na wybrany lek – wystarczy wypełnić krótką ankietę, dokonać przelewu i po kilku minutach recepta jest gotowa. Sprawa nie podpadła dotychczas NFZ, bo wszystkie wystawiane masowo recepty mają 100-proc. odpłatność pacjenta.

Sprawę badają już izby lekarskie, a Ministerstwo zdrowia zapowiada skierowanie sprawy do prokuratury.

Trzeba oddzielić uczciwe teleporady od sprzedaży recept

Komisji Etyki Lekarskiej NRL zwraca uwagę, że „należy odróżnić sprzedaż recept i zwolnień na żądanie od teleporady.”

Zgodnie z obowiązującą definicją – czytamy w komunikacie NRL – teleporada jest świadczeniem zdrowotnym udzielanym na odległość przy użyciu systemów teleinformatycznych lub systemów łączności. Katalog obowiązków lekarza oraz praw pacjenta pozostaje niezmienny niezależnie od sposobu realizacji porady lekarskiej – zasady dotyczące udzielania teleporad przy wykorzystaniu technologii telemedycznych oraz porad osobistych są co do zasady takie same. Do tego decydujące o możliwości przeprowadzenia porady teleinformatycznej są kryteria medyczne, a nie życzeniowe bądź komercyjne.

---

Czytaj także: Ruszył projekt e-Konsylium. Szybsze konsultacje ze specjalistami

AI zyskuje umiejętności, które do tej pory były wyłącznie domeną ludzi – mówi John Nosta, założyciel think tanku NOSTALAB i jeden z najbardziej inspirujących głosów w dziedzinie technologii w medycynie.

ChatGPT odpowiada precyzyjnie na skomplikowane pytania, ale nadal popełnia błędy. Czy nie jest za wcześnie, aby rozmawiać o jego zastosowaniu w medycynie?

Zdecydowanie nie. Prawdą jest, że modele językowe AI, takie jak ChatGPT, znajdują się nadal w fazie rozwoju i jeszcze nie są doskonałe. Ale już teraz prowadzone są obiecujące badania nad ich potencjalnymi zastosowaniami w medycynie.

Pierwsze badania sugerują ogromny potencjał w diagnostyce medycznej, pracach nad nowymi lekami i opiece nad pacjentem. Przykładowo, modele językowe AI są stosowane do analizy danych z obrazowania medycznego w celu wykrycia nieprawidłowości, identyfikowania nowych zastosowań już dostępnych leków oraz opracowania spersonalizowanych planów leczenia.

Na pewno jest jeszcze za wcześnie, aby wdrażać modele językowe AI do praktyki lekarskiej, ale już teraz trzeba badać ich potencjalne zastosowania w medycynie.

Czy uważasz, że obecny szum wokół AI jest uzasadniony?

Ludzkość czeka na moment zwrotny w obszarach, które nie działają jak trzeba. Za taki punkt zwrotny w medycynie niektórzy uważają COVID-19. Jednak z mojej perspektywy prawdziwą rewolucją jest wprowadzenie dużych modeli językowych (LLM), a w szczególności GPT-3.

Szum wokół AI nie bierze się z niczego, ale jest napędzany przez postępy i przełomowe odkrycia dokonane w ostatnich latach, a także siłę AI do reformowania wielu branż gospodarki. Niewątpliwie ten szum podsyca jeszcze jeden fakt: LLM mają wysoką użyteczność dla zwykłych konsumentów.

Dla wielu osób modele GPT są wręcz magiczne. A jak powiedział Arthur C. Clarke: “Każda wystarczająco zaawansowana technologia jest nieodróżnialna od magii”. Tak właśnie jest z GPT. A trzeba dodać, że to dopiero niewielki ułamek tego, co nas czeka.

Na dzień dzisiejszy jest kilka problemów do pokonania. Chociaż AI radzi sobie coraz lepiej z rozpoznawaniem obrazów, przetwarzaniem języka naturalnego i systemami autonomicznymi, nadal wymaga dopracowania. Mam na myśli takie obszary jak rozumienie kontekstu, dokonywanie subiektywnych ocen i radzenie sobie z niekompletnymi lub niskiej jakości danymi. Ponadto, do przemyślenia jest cała lista etycznych wątpliwości dotyczących wykorzystania AI, w tym kwestie związane z prywatnością, stronniczością i uczciwością.

Istnieje wiele ekscytujących i obiecujących zastosowań AI, które mogą przynieść społeczeństwu znaczące korzyści, od poprawy opieki zdrowotnej i edukacji po postępy w badaniach naukowych. Jestem przekonany, że wkrótce się one urzeczywistnią wraz z tym, jak poradzimy sobie z obecnymi ograniczeniami AI.

Napisałeś kiedyś, że ludzie są bardziej zainteresowani błędami sztucznej inteligencji niż jej potencjałem. Czy boimy się AI?

Niestety, większość z nas, w tym wielu profesjonalistów, czerpie informacje na temat technologii i AI z hollywódzkich filmów science-fiction. Wizja, że maszyny są złe i zniszczą ludzkość, nadal dyktuje nam sposób, w jaki postrzegamy AI. Do tego jeszcze trzeba dodać sposób działania mediów, gdzie najlepszą klikalność i czytelność mają sensacyjne doniesienia o dużym ładunku emocjonalnym, najlepiej negatywnym. I tak niepotrzebnie podgrzewana jest katastroficzna atmosfera wokół sztucznej inteligencji.

Orędownikiem takich apokaliptycznych wizji był też do niedawna Elon Musk. AI z pewnością może stanowić egzystencjalne zagrożenie, zwłaszcza gdy ewoluuje w kierunku tzw. ogólnej sztucznej inteligencji ogólnej (AGI). Ale można opracować bezpieczne bariery ochronne.

IBM Watson Oncology pokazał, że lekarze nie zawsze ufają AI w podejmowaniu decyzji. Czy taki sam los czeka medyczne odpowiedniki ChatGPT?

Watson był wspierany przez topowy marketing, który obejmował telewizyjny show Jeopardy i potężne kampanie prowadzone przez główne agencje reklamowe. Ale sama technologia nie do końca była gotowa.

Niechęć lekarzy do AI w podejmowaniu decyzji, jak pokazują doświadczenia z IBM Watson Oncology, podkreśla potrzebę większej współpracy między AI a specjalistami medycznymi. Sukces sztucznej inteligencji w opiece zdrowotnej będzie zależał od jej zdolności do rozszerzenia wiedzy lekarzy, a nie jej zastępowania.

Czy GPT stanie się kolejnym IBM Watson? Prawie na pewno nie. I nie mogę się doczekać, kiedy GPT będzie gościem w Jeopardy, aby zmierzyć się z ekspertami klinicznymi!

Czy nie sądzisz, że ludzie mają tendencję do idealizowania AI? Na razie żyjemy tylko obietnicami i prognozami…

Wiele razy mówiłem, że innowacje żyją w obszarze cudu i strachu. Od ognia do umiejętności latania – podstawowe ludzkie emocje, być może limbiczne, rządzą ludźmi, nawet jeżeli to tylko romantyczne wizje.

Innowacja zawsze polega na przekraczaniu granic i poszukiwaniu nowych sposobów działania. Właśnie to nieodłączne dążenie do postępu napędza nas jako społeczeństwo, ale niesie ze sobą również ogromne ryzyko.

Musimy nauczyć się równoważyć poczucie zachwytu nad możliwościami innowacji ze strachem przed nieznanym i nieprzewidzianymi konsekwencjami, które mogą przynieść. To balansowanie jest trudne. I właśnie wypracowanie racjonalnego podejścia do technologii może być jedną z największych przeszkód dla cyfrowej transformacji.

Sztuczna inteligencja jest prawdopodobnie najlepszym tego wyrazem – im większy zachwyt, tym większy strach. AI jest zarówno zadziwiająca, jak i tragiczna, a to właśnie jest esencją romantyzmu technologicznego.

Zejdźmy na ziemię. Może AI to zachwycająca technologia, ale niektórzy twierdzą, że to tylko kolejna innowacja, lepszy sposób na przetwarzanie ogromnych zbiorów danych, ale jeszcze nie przełom.

Po pierwsze, LLM i GPT są dalekie od “tylko kolejnej technologii”. Jeden potężny aspekt rewolucji GPT wykracza poza zwykłą, mechaniczną innowację: AI zapewnia “przewagę poznawczą”, która dotąd była święta, stanowiąc wyłączną domenę ludzkości.

GPT pojawiło się jako katalizator poznawczy, pozwalając nam myśleć szerzej poprzez prezentowanie różnych opcji, których – kierując się tylko własnym rozumem – nie braliśmy dotychczas pod uwagę. Wykorzystując GPT, możemy korzystać z ogromnej puli wiedzy i perspektyw, poza naszą indywidualną bazą wiedzy, poszerzając nasze horyzonty, odkrywając nowe opcje i rozwiązania.

ChatGPT zapowiada rozwój cyfrowych agentów, którzy doradzą nam między innymi w kwestiach zdrowotnych. Czy zaufałbyś takiemu systemowi tak samo jak człowiekowi?

Ronald Reagan tak kiedyś skomentował relacje USA z byłym Związkiem Radzieckim: “Trust but verify” (tłum.: ufaj, ale weryfikuj).

To stwierdzenie dobrze odnosi się do obecnego stanu AI i medycyny. Moje przypuszczenia są takie, że zaufanie do AI będzie już dobrze ugruntowane za mniej niż pięć lat.

Proszę podać 2–3 scenariusze wpływu AI na ochronę zdrowia w ciągu najbliższych pięciu lat.

Po pierwsze, augmentacja kompetencji zawodowych – AI pozwala różnym specjalistom robić więcej, sięgając do nowych umiejętności oferowanych przez AI. Będziemy to obserwować w wielu zawodach: od lekarzy, przez pielęgniarki, po techników.

Po drugie, zmieni się model diagnozowania, ponieważ AI odegra dużą rolę w interpretacji i ekstrapolacji danych. Będziemy diagnozować szybciej niż obecnie. Po trzecie, wiele danych jest po prostu niewykorzystywanych i marnowanych.

Będziemy świadkami pojawienia się “ekologii danych”, gdzie na przykład tomografia komputerowa klatki piersiowej będzie wykorzystywana nie tylko dla pojedynczego celu klinicznego, takiego jak diagnoza nowotworu płuca. Pozyskane dane będą automatycznie wykorzystywane do wielu innych celów, jak przykładowo ocena stanu kręgów pod kątem osteoporozy, a następnie – do badań naukowych.

Czytaj także: Wywiad z Piotrem Węcławikiem, Dyrektorem Departamentu Innowacji Ministerstwa Zdrowia

O sztucznej inteligencji mówią wszyscy. Ale jak ją wykorzystać w codziennej pracy? Oto sprawdzone rozwiązania, które pomogą lekarzom i pielęgniarkom w zadaniach administracyjnych i nie tylko.

Generuj wskazówki dla lepszej komunikacji z pacjentem

Wielu lekarzy eksperymentuje z ChatGPT zadając pytania dotyczące diagnozy i leczenia. Niezależnie od imponujących odpowiedzi (w końcu AI zdała już egzamin medyczny), AI może podawać zafałszowane lub nieaktualne informacje, dlatego zalecana jest duża ostrożność.

Jednak chatbot może się dobrze sprawdzić w niemedycznych obowiązkach i rozwijaniu miękkich kompetencji zawodowych. Przykładowo, aby zaktualizować wiedzę dotyczącą m.in. komunikacji z pacjentem, opieki, dobrych praktyk obsługi pacjenta i organizacji pracy, strategii rozwoju i promocji.

Ale i tutaj należy pamiętać o zasadzie ograniczonego zaufania. Generatywna AI nadaje się też do tworzenia wpisów o charakterze poradnikowym na media społecznościowe, blogi i strony internetowe lekarzy oraz pielęgniarek. Z jedną uwagą – wygenerowane teksty najlepiej traktować jako inspirację do napisania własnego artykułu, kierując się indywidualnym stylem.

Narzędzia: ChatGPT, Bing

Twórz grafiki na blog, stronę internetową lub media społecznościowe

AI pomoże nie tylko napisać tekst, ale i przygotuje oryginalne grafiki do nowego artykułu na stronę internetową gabinetu lekarskiego, przykładowo na temat profilaktyki chorób. Wystarczy opisać, co ma się znaleźć na ilustracji i w jakim stylu powinna zostać przygotowana.

Jeśli wygenerowana przez AI grafika wygląda nadal nienaturalnie, należy zmienić treść zapytania, konkretyzując opis (czy ma być to zdjęcie, obraz namalowany akwarelą, sztuka nowoczesna itd.). Podpowiedź: AI słabo radzi sobie z generowaniem zdjęć ludzi, a dużo lepiej z abstrakcyjnymi obrazami.

Narzędzia: Dall-E, Midjourney

Zweryfikuj objawy pacjenta jeszcze przed wizytą

Narzędzia AI do wstępnej oceny zdrowia pacjenta zyskały popularność podczas pandemii COVID-19. Przykładem jest Symptomate polskiego startupu Infermedica. Można go zintegrować ze stroną internetową lub aplikacją mobilną – jeszcze przed wizytą pacjent poproszony zostanie o odpowiedź na serię pytań dotyczących objawów. Na podstawie wyników triażu, chory jest następnie kierowany do właściwego specjalisty.

Drugim praktycznym zastosowaniem Symptomate jest zebranie wstępnego wywiadu, gdy pacjent czeka w poczekalni na wizytę. Dane o objawach i wstępna ocena zdrowia trafiają na komputer lekarza, zanim pacjent wejdzie do gabinetu. Symptomate sprawdza się też jako pomoc w diagnozie chorób rzadkich o niespecyficznych objawach. Podpowiedź: narzędzie pomaga też w obsłudze obcokrajowców (kilkanaście wersji językowych).

Narzędzie: Symptomate

Tłumacz i pisz poprawne gramatycznie teksty po angielsku

Pod koniec 2022 roku w Polsce było już ponad 1 mln pracowników z zagranicy objętych obowiązkowym ubezpieczeniem społecznym (ZUS). Do tego trzeba doliczyć miliony turystów corocznie odwiedzających Polskę. W 2019 roku, przed pandemią COVID-19, było ich ponad 20 mln. W porozumiewaniu się nimi mogą pomóc licznie dostępne tłumacze oparte na AI.

Wśród najciekawszych są aplikacje mobilne Google Translate i DeepL z opcją dyktowania. Wystarczy powiedzieć po polsku, co chce przekazać się pacjentowi, a aplikacja przetłumaczy na wybrany język nasze słowa, które następnie przeczyta lektor AI. Z kolei w pisaniu poprawnych gramatycznie tekstów po angielsku przyda się Grammarly – narzędzie AI korygujące błędy gramatyczne i stylistyczne. Uwaga: analizowane przez AI teksty analizowane są na serwerach zlokalizowanych za granicą, dlatego zalecana jest ostrożność w tłumaczeniu i edycji informacji personalnych.

Narzędzia: DeepL, Google Translate, Grammarly

Podsumuj wnioski z długich publikacji naukowych

Jakie nowe badania naukowe dotyczące leczenia choroby X zostały ostatnio opublikowane? Jakie są najważniejsze wnioski z badania X, Y i Z? Lekarzom i pielęgniarkom brakuje czasu, aby czytać długie publikacje naukowe. AI idealnie nadaje się do streszczeń wniosków z literatury naukowej oraz wyszukiwania prac na podstawie prostych zapytań. Systemy takie jak Elicit potrafią znaleźć odpowiednie artykuły bez dokładnej znajomości słów kluczowych, podsumować wnioski, skrócić informacje z artykułów.

Narzędzia: Elicit, Askpaper.ai

Konwertuj notatki głosowe na tekst

Narzędzia służące do zamiany nagrań audio na tekst (tzw. konwertery) zrobiły ogromny postęp w ostatnich latach. Mogą się przydać, aby zanotować pomysł, stworzyć plany pracy, zapisać ciekawą prelekcję z konferencji, napisać mail bez używania rąk. A do tego niektóre z nich radzą sobie nieźle z językiem polskim.

Ze względu na kwestie ochrony danych, konwerterów online nie można stosować do zamiany np. rozmowy z pacjentem (wywiadu) na notatki w elektronicznej dokumentacji medycznej. Do tego celu służą wyłącznie systemy zintegrowane z systemami gabinetowymi, które nie przekazują danych na zewnątrz.

Narzędzia: Google Docs, Speechnotes, Dictation.io

Czytaj także: 7 scenariuszy jak sztuczna inteligencja zmieni ochronę zdrowia

Google zaprezentował PaLM 2 – platformę sztucznej inteligencji do analizy zdjęć i danych medycznych. Ma wyręczyć lekarzy w rutynowych czynnościach oraz odpowiadać na pytania pacjentów dużo wiarygodniej niż robi to Dr Google.

Co to jest PaLM 2?

Wprawdzie nie zastąpi lekarza, ale praca bez niej będzie niemożliwa – sztuczna inteligencja w ochronie zdrowia ma poprawić efektywność pracy, jakość diagnozy i wyniki leczenia oraz zautomatyzować niektóre procesy opieki.

Podczas majowej konferencji, Google zaprezentował nowy model językowy, który ma być konkurencją dla ChatGPT. Nazywa się Bart, obsługuje ponad 100 języków oraz zdaje egzaminy językowe i medyczne na piątkę. Już niedługo zostanie wbudowany m.in. w pocztę Google, pisząc samodzielnie e-maile.

Co to oznacza dla ochrony zdrowia?

Dla medycyny ważniejszy niż Bart jest PaLM 2, czyli Pathways Language Model (Model Językowy Ścieżek) oparty na 540 miliardach parametrów, czerpiący wiedzę z prac naukowych i stron internetowych, posiadający zdolność logicznego wyciągania wniosków, rozumienia tekstów i prowadzenia obliczeń matematycznych.

Na jego podstawie Google już wkrótce udostępni 25 nowych produktów i funkcji. Jedna z nich trafi do lekarzy – podczas majowej prezentacji, Sundar Pichai, szef Google, pokazał jak AI opisuje zdjęcia RTG. Wystarczy zadać systemowi AI odpowiednie pytanie. To właśnie ten model uzyskał niedawno 83% poprawnych odpowiedzi w amerykańskim egzaminie medycznym.

Lekarze będą się uczyć „promptów”

Jeszcze tego lata Med-PaLM 2 zostanie udostępniony grupie klientów korzystających z rozwiązania chmury danych Google. Będą oni mogli testować model, a przekazane opinie pozwolą dalej go doskonalić. Ambicją firmy jest synteza danych ze zdjęć i elektronicznej dokumentacji medycznej, aby w przyszłości poprawić wyniki leczenia pacjentów.

A to oznacza, że także dla lekarzy kluczowa stanie się umiejętność tworzenia komend wydawanych sztucznej inteligencji (ang.: prompt). Prompty to inaczej język AI, dzięki któremu możemy poprosić AI o wykonanie konkretnego zadania, zarówno opis zdjęcia mammograficznego jak i wygenerowanie kreatywnego zdjęcia w wybranym stylu.

Czytaj także: Czy ChatGPT jest bardziej empatyczny niż lekarz? Tak sugerują badania naukowe

Centrum e-Zdrowia przedłużyło do 7 lipca termin odpowiedzi na ankietę w tegorocznym „Badaniu stopnia informatyzacji podmiotów wykonujących działalność leczniczą”. Jest ono realizowane przez Centrum e-Zdrowia we współpracy z Ministerstwem Zdrowia i ma na celu zdiagnozowanie stanu i potrzeb informatycznych podmiotów medycznych.

Celem badania jest pozyskanie od podmiotów wykonujących działalność leczniczą (PWDL) aktualnych informacji dotyczących stopnia ich informatyzacji i przygotowania do wypełnienia obowiązków w zakresie prowadzenia i udostępniania dokumentacji medycznej w postaci elektronicznej, w tym elektronicznej dokumentacji medycznej (EDM).

Badanie pozwoli też zebrać dane dotyczące:

• wykorzystywania rozwiązań z obszaru nowych technologii, w szczególności telemedycyny czy sztucznej inteligencji;
• planów na przyszłość w tym zakresie
• oczekiwań w zakresie nowych rozwiązań z obszaru cyfryzacji ochrony zdrowia, których centralne wdrożenie przyczyniłoby się do wzrostu efektywności i jakości udzielania przez nie świadczeń medycznych.

Badanie jest realizowane w formie kwestionariusza online w dniach 5 czerwca – 7 lipca 2023 r. Każdy podmiot leczniczy, zarejestrowany w Rejestrze Podmiotów Wykonujących Działalność Leczniczą (RPWDL) i prowadzący dokumentację medyczną, otrzymał od CeZ mailowo indywidualny link do ankiety, którą należy wypełnić.

Czytaj także: Koniec papierowych skierowań do sanatorium. Czy wszyscy zdążą?

Pierwsze szpitale zatrudniają inżynierów AI do testowania możliwości ChatGPTu i podobnych rozwiązań AI w praktyce klinicznej. Czy wkrótce każdy lekarz będzie musiał nauczyć się, jak rozmawiać ze sztuczną inteligencją?

Bostoński Szpital Dziecięcy (Boston Children’s Hospital) zamieścił ogłoszenie o pracę na stanowisko „AI Prompt Engineer” (czyli specjalista ds. obsługi zapytań AI). Kandydat musi wykazać się doświadczeniem w obszarze sztucznej inteligencji i uczenia maszynowego. Jego zadaniem będzie testowanie możliwości wykorzystania ChatGPT w opiece i działalności szpitala. Od czasu premiery przełomowego rozwiązania OpenAI (już 1,6 mld użytkowników), rośnie liczba opracowań naukowych na temat jego potencjalnych zastosowań w medycynie.

A to oznacza jedno: narzędzia oparte na AI do przetwarzania tekstu oraz analizy danych wkraczają do ochrony zdrowia. Jeszcze nieoficjalnie, ale coraz więcej lekarzy przyznaje, że testuje ChatGPT.

Obsługa tego typu systemów wymaga odpowiednich kompetencji, w tym przede wszystkim umiejętności formułowania zapytań (ang. prompt). To od nich zależy precyzja odpowiedzi algorytmów. Czy nauka posługiwania się językiem AI wejdzie niebawem do programu studiów medycznych i curriculum kształcenia ustawicznego? To całkiem prawdopodobne.

Jaka wiedza i doświadczenie będą potrzebne, można dowiedzieć się z ogłoszenia o pracę opublikowanego przez Bostoński Szpital Dziecięcy. Inżynier ds. tworzenia zapytań AI będzie odpowiedzialny za:

• Projektowanie i rozwijanie zapytań AI przy użyciu dużych modeli językowych (np. ChatGPT) i innych rozwiązań, które pojawią się w badaniach nad opieką zdrowotną i praktyce klinicznej;
• Współpracę z badaczami i klinicystami w celu zrozumienia ich potrzeb i projektowania podpowiedzi AI do gromadzenia danych;
• Wdrażanie modeli uczenia maszynowego do analizy danych;
• Doskonalenie modeli językowych;
• Testowanie i ocenę wydajności zapytań AI;
• Optymalizację istniejących bibliotek zapytań i dobrych praktyk uczenia maszynowego;
• Wspieranie innych członków zespołu w generowaniu zapytań AI;
• Śledzenie postępów w dziedzinie sztucznej inteligencji w ochronie zdrowia.

Czytaj także: Pobierz bezpłatne wydanie OSOZ Polska o AI i ChatGPT w ochronie zdrowia

Jak wygląda stan wdrażania e-recepty i EDM w Europie? Przeanalizowaliśmy dane z 17 krajów Unii Europejskiej , w tym Polski.

Pod uwagę wzięliśmy datę wdrożenia elektronicznej recepty i jaki procent stanowią e-recepty w ogóle wszystkich wystawianych recept (pokrycie). W przypadku EDM, informacje obejmują nazwę portalu dostępu do danych przez pacjentów, datę wprowadzenia i sposób dostępu (aplikacja lub portal internetowy). Aktualność danych: maj 2023 r.

Zobacz i pobierz infografikę w wysokiej rozdzielczości (czasopismo OSOZ Polska, str. 24)

Wywiad z Prof. Maciejem Banachem, założycielem Think Tanku „Innowacje dla zdrowia”.

Jakie innowacje dla ochrony zdrowia fascynują Pana najbardziej i dlaczego?

Najłatwiej byłoby powiedzieć, że wszystkie, które docelowo mogą poprawić diagnostykę i leczenie. Ale konkretnie, są to różne metody diagnostyczne m.in. związane z nowymi biomarkerami. Do tego nowoczesne metody obrazowe. Tutaj na naszych oczach dokonuje się ogromny przełom, a na horyzoncie są już nowe metody wykorzystujące uczenie maszynowe i sztuczną inteligencję. Idąc dalej – nowoczesne metody genetyczne. Osiągnięcia na tym polu są zapowiedzią leków celowanych na konkretne mutacje genów, które potrafią powstrzymać, a na pewno wyhamować proces nowotworzenia.

To także innowacyjne terapie i leczenie personalizowane, a związane z niedawno odkrytymi procesami, jak chociażby interferencja RNA, za odkrycie której w 2006 roku przyznano nagrodę Nobla.

Dodajmy do tego szczepionki, które potrafią skutecznie pobudzić układ odpornościowy do produkcji autoprzeciwciał przeciwko określonym białkom/receptorom. Nie możemy zapomnieć oczywiście o metodzie CRISPR, która polega na modyfikacji DNA odpowiedzialnego za wybrany proces. Potwierdziła ona już skuteczność w wielu jednostkach chorobowych, choć wiele jeszcze przed nami jeśli chodzi o efektywność, ale przede wszystkim jej bezpieczeństwo. Nie można nie wspomnieć o rozwiązaniach teleinformatycznych, dzięki którym można monitorować na odległość już prawie wszystko, a nasze smartwatche są w stanie zbierać w czasie rzeczywistym setki parametrów.

Często wspomina Pan Profesor, że gdyby odpowiednio wykorzystać dostępne dane, można by poprawić wyniki leczenia i profilaktyki. Może Pan podać kilka przykładów.

To prawda, wszystkie nasze obecne decyzje diagnostyczne, a przede wszystkim terapeutyczne, powinny być oparte na danych. To właśnie dzięki danym wiemy, że średnia długość życia w Polsce i większości krajów na świecie obniża się od 2018/2019 roku, a pandemia to tylko przyspieszyła. To właśnie dane wyraźnie pokazują, że nie jesteśmy zupełnie skuteczni w prewencji chorób sercowo-naczyniowych, które wciąż odpowiadają za nawet 20 mln zgonów rocznie, z czego nawet 2/3 może być do uniknięcia, za które w większości odpowiada miażdżyca.

A jeśli jest tak, to powinniśmy optymalizować diagnostykę i eliminować czynniki ryzyka prowadzące do progresji procesu miażdżycy. Mam na myśli przede wszystkim zaburzenia lipidowe, które są najczęstszym (nawet 70% populacji) i najgorzej monitorowanym czynnikiem ryzyka. To właśnie na podstawie danych z badań randomizowanych, ich subanaliz oraz badań kohortowych, zauważyliśmy, że proces miażdżycy nie postępuje u większości osób przy stężeniu cholesterolu LDL-C poniżej 55–60 mg/dl.

To właśnie na podstawie rejestru TERCET (ponad 22 tys. pacjentów z OZW) potrafiliśmy właściwie zdefiniować pacjentów ekstremalnego ryzyka. To na podstawie danych rejestru PL-ACS (analiza prawie miliona pacjentów) potrafiliśmy potwierdzić, że wprowadzone przez nas w kwietniu 2021 roku rekomendacje natychmiastowego leczenia skojarzonego zaburzeń lipidowych, są jedynymi, które należy stosować u pacjentów bardzo wysokiego i ekstremalnego ryzyka, ponieważ pozwalają zmniejszyć śmiertelność nawet o 50% po 3 latach – w przeciwieństwie do niezrozumiałych wytycznych ESC dotyczących prewencji z roku 2021.

Takie przykłady można mnożyć.

„W digitalizacji warto porównać się do krajów, które nas wyprzedzają o 10–15 lat.”

Skoro analiza danych może dostarczyć takich wniosków, co stoi na przeszkodzie, aby na większą skalę przetwarzać dane z dostępnych w Polsce rejestrów?

Po pierwsze, wszystkie dane pochodzące z rejestrów oraz badań epidemiologicznych, prospektywnych, kohortowych, szczególnie finansowanych ze środków publicznych, powinny być dostępne dla wszystkich. Oczywiście po rozliczeniu danego źródła finansowania i podając w aplikacji jasno sprecyzowany cel pozyskania i analizy tych danych.

Tutaj zwracam szczególną uwagę na dane NFZ, unikalne dane dotyczące polskiej populacji, zbierane od lat, pozwalające na ocenę trendów, które właściwie nie są dostępne. Nawet jeśli nie są optymalne, ponieważ sposób ich zbierania wynika z wyceny procedur i ich kodowania, brakuje w nich wielu danych dotyczących szczegółowych przyczyn zgonów czy informacji na temat dawek leków – wciąż są to dane unikalne.

Następnym elementem jest umiejętność odpowiedniej anonimizacji tych danych, tak by RODO nie stanowiło problemu w ich przekazaniu i łączeniu. Kolejny element to standaryzacja zbierania tych danych w kontekście ich jakości, czego obecnie nie ma i co stanowi realny problem przy chociażby próbie łączenia baz ze sobą.

Należy też wspomnieć, że niestety wciąż mamy mentalność trzymania zebranych danych dla siebie. Nawet jeśli nie dają podstawy do wnioskowania i nie nadają się do publikacji, to wolimy ich nie przekazać. To mentalność, która musi się zmienić, bo nauka w Polsce nigdy nie wyjdzie z zaściankowości.

Właśnie takie umiejętne łączenie danych pozwoliło na ogromny sukces projektu Global Burden of Disease (GBD) z Uniwersytetu Waszyngtońskiego w Seattle, który obecnie dysponuje nawet pól miliardem danych jednostkowych pacjentów, czy NonCommunicable Disease Risk Collaboration (NCDRisC) z Imperial College of London lub trochę mniejszych projektów dotyczących lipoproteiny (a), calcium score, pacjentów z rodzinną hipercholesterolemią (rejestr FHSC) czy pacjentów z long-COVID, a realizowane przez międzynarodowe konsorcja badawcze.

Tylko takie bazy danych pozwalają osiągnąć odpowiednią moc statystyczną analiz, wyciągać odpowiednie wnioski, a na ich podstawie projektować nowe badania, decyzje systemowe lub zmianę czy rozszerzenie rekomendacji.

Jakie innowacyjne rozwiązania z innych systemów zdrowia mogłyby pomóc polskim pacjentom, ale nadal nie są u nas stosowane?

To z pewnością systemy informatyczne, które zapewniają ciągłą wymianę danych, bez względu na to, w jakiej placówce medycznej pacjent się znajduje. W Polsce nadal niestety dane są ograniczone do jednej jednostki medycznej, a P1 czy IKP są nadal dalekie w tym zakresie od doskonałości.

Systemy funkcjonujące w Holandii, krajach skandynawskich czy nawet Estonii pozwalają na monitorowanie parametrów i dostęp do nich. Mają mnóstwo dodatkowych funkcji opartych na sztucznej inteligencji umożliwiających stosunkowo łatwe wyszukiwanie pacjentów spełniających kryteria refundacyjne, programów badawczych czy rozpoznania chorób rzadkich.

Pomimo, że w czasie pandemii dokonał się ogromny postęp, wciąż należy w sposób bardzo zdecydowany rozwijać rozwiązania teleinformatyczne. I nie przyjmuję takiego argumentu, że w Polsce to wygląda już lepiej niż w Niemczech. Może warto porównać się do krajów, które nas wyprzedzają w tym zakresie o 10–15 lat?

Wreszcie należy wspomnieć o dostępności do innowacyjnych metod diagnostycznych, szczególnie genetycznych opartych na NGS/WES/WGS czy szybkim dostępnie do najnowocześniejszych leków. To w Polsce wciąż szwankuje – za dużo debatujemy, a wciąż jest za mało efektów.

Co po e-receptach, e-skierowaniach i EDM powinno być priorytetem, aby zbudować nowoczesny sektor zdrowia?

Wydaje się, że obecnie należałoby koniecznie skupić się na innowacyjnych rozwiązaniach digitalizacyjnych umożliwiających ciągłe zbieranie danych pacjentów. To pozwoliłoby na szczegółową ocenę epidemiologiczną stanu zdrowia pacjentów, a w konsekwencji – odpowiednie decyzje systemowe, zwiększanie/zmniejszanie liczby łóżek, większy nacisk na optymalizację działań diagnostycznych i nowych leków w danym obszarze.

Jednocześnie należałoby wesprzeć menadżerów szpitali w tworzeniu i używaniu nowoczesnych szpitalnych systemów informatycznych i rozwiązań typu Command Centre. I znowu – po to, by zbierać dane z każdego obszaru funkcjonowania szpitala, nie tylko z części „białej”, monitorować procesy w trybie rzeczywistym, i podejmować na ich podstawie odpowiednie decyzje. Takie rozwiązania, które nawiązują do pomysłu smart hospital, który zapoczątkowałem i promowałem w ICZMP, umożliwiłyby oszczędności nawet na poziomie 20–25%.

Wspomniany powyżej dostęp do nowoczesnych, refundowanych metod diagnostycznych i terapeutycznych to kolejne elementy, bez których nie zbudujemy nowoczesnego systemu. To podstawa wczesnego rozpoznania choroby, lepszej prewencji, a w konsekwencji mniejsze koszty dla systemu. Na szczęście widzimy już jakieś kroki w tym kierunku, aczkolwiek nadal nasz system przede wszystkim skupia się na chorobie.

Jakie trendy społeczne najbardziej wpłyną na to, jak ochrona zdrowia będzie się musiała zmienić w najbliższych 5–10 latach?

Zacząłbym na pewno od skrócenia przewidywanej długości życia, co musi pociągnąć za sobą procesy związane z prewencją i longevity, czyli skupieniu się nie na chorobach a profilaktyce, czynnikach ryzyka, wczesnej diagnozie i optymalnym postępowaniu niefarmakologicznym i farmakologicznym.

Kolejnym jest starzenie się kadry medycznej, a w konsekwencji ograniczona dostępność lekarzy i personelu medycznego. Za tym musi iść gwałtowny rozwój rozwiązań teleinformatycznych, tak by zmniejszyć liczbę wizyt bezpośrednich i aby realizować część diagnostyki w domu pacjenta. To napędzi rozwój sztucznej inteligencji i różnych aplikacji do diagnostyki i robotyki.

Przeludnienie, a z drugiej strony ogromny niż demograficzny krajów wysokorozwiniętych to kolejne trendy społeczne, które wpłyną na system w kolejnych latach. Pierwsze zjawisko wpłynie na częstość występowania określonych chorób, np. chorób zakaźnych, co będzie musiało wymóc rozwój szybkich testów diagnostycznych, nowoczesnych spersonalizowanych metod leczenia i stworzenie warunków do skutecznego leczenia takich pacjentów.

Z kolei niż demograficzny wymusi na systemie rozwój nowoczesnych metod diagnostycznych, ciągłego monitorowania kobiet w ciąży, z wykorzystaniem tele-KTG, tele-USG, a następnie optymalizację opieki nad noworodkiem i dalszy rozwój metod diagnostycznych. Przykładowo, innowacyjnych metod wykrywania bezdechów oraz testów wykrywających choroby rzadkie, by zmniejszyć chorobowość i śmiertelność dzieci w wieku poniżej 5 r.ż, a szczególnie poniżej 1 r.ż, gdzie wciąż chorobowość i śmiertelność w wielu regionach jest niepokojąca wysoka.

Czyli co konkretnie trzeba zrobić?

Jeśli zadbamy o właściwe zbieranie i monitorowanie danych zdrowotnych i będziemy na tej podstawie podejmowali odpowiednie decyzje, będziemy w stanie niezbędne zmiany wprowadzać stopniowo, zamiast przeprowadzać rewolucję, co miało miejsce w czasie pandemii i wiązało się z brakiem dostępności do systemu dla wielu pacjentów, prowadząc do ponad 120 tys. nadmiarowych zgonów niezwiązanych z Covid-19.

Jeśli już teraz będziemy na podstawie danych epidemiologicznych i geograficznych monitorowali także dostępność do systemu, liczbę lekarzy różnych specjalności, pielęgniarek, ratowników, diagnostów czy farmaceutów, będziemy w stanie do każdej nowej sytuacji się właściwie przygotować. Natomiast, jeśli będziemy działali jak dotychczas, gasząc kolejne pożary, system nie będzie przygotowany, a w konsekwencji pogłębi się dług zdrowotny, który już teraz jest największy od kilkudziesięciu lat.

Słowo klucz to „dane” – ich ciągła analiza w czasie rzeczywistym, monitorowanie, podejmowanie na ich podstawie szybkich decyzji dotyczących optymalizacji ochrony zdrowia w Polsce.

Czytaj także: Innowacji nie wdraża się od święta, ale strategicznie

W medycynie wykorzystuje się już tysiące algorytmów AI, a Amerykańska Agencja Żywności
i Leków (FDA) certyfikowała do tej pory 520 z nich. Postępy w rozwoju generatywnej sztucznej inteligencji oznaczają, że ta liczba będzie szybko rosła. Czy AI uzdrowi chorą ochronę zdrowia?

Teoretycznie AI potrafi wiele: diagnozować, leczyć, operować, odkrywać nowe leki. Ma być remedium na niedobory kadrowe i narzędziem umożliwiającym personalizację leczenia; powinna zdemokratyzować dostęp do opieki medycznej i zmniejszyć występowanie chorób cywilizacyjnych.

Brzmi zbyt dobrze, aby było prawdą? Pomiędzy technologią a jej praktycznym zastosowaniem rozciąga się wielka przepaść w postaci akceptacji, zaufania, przepisów prawnych, mechanizmów psychologicznych kierujących zachowaniem ludzi, oporu przed zmianą, wiedzą. Ale nic nie stanowi takiej blokady jak system zdrowia, w którym płaci się za ilość wykonanych usług, a nie ich jakość.

To powoduje, że nawet najlepsze technologie mają pod górkę. Odkładając przeszkody na drodze rozwoju innowacyjności na bok, sprawdźmy, w jakich obszarach AI mogłaby pomóc poradzić sobie z problemami, z jakimi zmaga się ochrona zdrowia.

Problem: zaniedbania w profilaktyce, wzrost chorób cywilizacyjnych, niski compliance pacjentów.

Rozwiązanie: Wirtualni asystenci zdrowia

Wyobraźmy sobie jedną aplikację mobilną o wielofunkcyjnych zastosowaniach dla zdrowia. Chatbota, który daje nam wskazówki zdrowotne na podstawie informacji z elektronicznej dokumentacji medycznej, przypomina o aktywności fizycznej albo zażyciu tabletki; który sprawdzi, czy wszystko z nami w porządku na podstawie danych zbieranych z urządzeń ubieralnych i serii pytań (symptom checker) oraz porozmawia, aby poprawić nastrój. Do tego zaplanuje wizytę u lekarza, nie zapomni o szczepieniach i regularnych przeglądach zdrowia. Cała opieka w jednym miejscu dzięki algorytmom sztucznej inteligencji analizującym nasze dane i pomagającym podejmować odpowiednie decyzje. I to bez konieczności samodzielnego analizowania danych medycznych dostępnych w aplikacjach jak IKP czy stosowania innego programu do telekonsultacji, a jeszcze innego w charakterze personalnego trenera.

Problem: błędy medyczne, różne standardy usług w różnych ośrodkach.

Rozwiązanie: Systemy wspomagania decyzji klinicznych

Każdy chce mieć dostęp do leczenia zgodnego z aktualną wiedzą medyczną i najlepszych lekarzy. Dzięki AI jest to możliwe, bo systemy wspomagania decyzji klinicznych mogą porównywać wyniki leczenia pacjentów z całego świata, wybierać najskuteczniejsze metody terapii dopasowane do indywidualnych cech pacjenta i podpowiadać procedury zgodne z wytycznymi towarzystw naukowych. Taka standaryzacja pozwoliłaby leczyć tak samo każdego pacjenta, niezależnie od miejsca. AI uczyłby się od najlepszych – specjalistów i ośrodków – i udostępniał zdobytą wiedzę każdemu lekarzowi. Decyzje lekarzy opierałyby się na najnowszych dowodach klinicznych zestawionych z danymi w elektronicznej kartotece pacjenta.

Problem: niedobory kadr medycznych, wypalenie zawodowe oraz przepracowanie lekarzy i pielęgniarek, niekompletne zapisy w EDM.

Rozwiązanie: Prowadzenie elektronicznej dokumentacji medycznej bez klawiatury

Lekarze wiedzą, że dostęp do danych pacjenta ma kluczowe znaczenie w podejmowaniu decyzji klinicznych, ale nie lubią wpisywać danych do EDM. Nic dziwnego, bo według różnych badań zabiera im to nawet jedną trzecią czasu wizyty. Systemy rozpoznawania głosu połączone z generatywną AI mogą zamieniać głos na tekst, a następnie uzupełniać dane w EDM korzystając ze standaryzowanych słowników medycznych. Część danych może pochodzić z inteligentnych zegarków noszonych przez pacjentów, uniwersalnych skanerów zdrowia i czujników umieszczonych w gabinecie lekarskim, w tym kamer rozpoznających stan emocjonalny chorego. AI może podsumować krytyczne informacje wyświetlając je na ekranie w formie przejrzystego zestawienia lub alarmując lekarza w przypadku niepokojących sygnałów. Bez pisania i manualnego przeglądania danych, bez klikania.

Problem: możliwe do uniknięcia powikłania i zgony pacjentów chorych przewlekle, brak nadzoru nad pacjentami po wizycie lekarskiej (punktowa opieka).

Rozwiązanie: Zdalny monitoring

Pomiędzy wizytami kontrolnymi co kilka miesięcy chorzy przewlekle są poza jakąkolwiek opieką. Idealnym modelem jest objęcie każdej zdiagnozowanej osoby stałym monitoringiem z pomocą urządzeń ubieralnych dostępnych w ramach powszechnego ubezpieczenia zdrowotnego. Przekazane do aplikacji pacjenta dane byłyby analizowane przez AI, a lekarz zostałby poinformowany w przypadku pogorszenia parametrów zdrowia. Dodatkowo pacjent otrzymywałby na bieżąco nowe wskazówki w zależności od rozwoju/regresji choroby. Zbierane dane mogłyby być wykorzystywane wtórnie do badań klinicznych nad nowymi lekami, w tym prowadzonych w pełni w modelu in vitro. Zdalny monitoring pozwala też na leczenie pacjenta w domu i skrócenie pobytu w szpitalu.

Problem: słaby rozwój infrastruktury zdrowia na wsi, braki specjalistów, długie kolejki do lekarzy.

Rozwiązanie: Kioski zdrowia

Różnice pomiędzy dostępem do usług medycznych na obszarach słabo zamieszkałych wynikają przede wszystkim z braku personelu medycznego. Ten problem się zaostrza, bo lekarze emigrują do miast w poszukiwaniu lepszych perspektyw zatrudnienia. Rozwiązaniem są kioski zdrowotne zlokalizowane w marketach lub innych łatwo dostępnych miejscach. Pacjent mógłby skonsultować się z lekarzem i wykonać podstawowe pomiary parametrów zdrowia. I to przy okazji robienia zakupów i za darmo w ramach okresowych, telemedycznych przeglądów zdrowia.

Problem: szybki wzrost występowania chorób psychicznych, izolacja społeczna osób niepełnosprawnych.

Rozwiązanie: Cyfrowi terapeuci w postaci awatarów

Nie ma już specjalizacji, gdzie nie brakowałby lekarzy. Ale to psychiatria mierzy się z największym kryzysem kadrowym. Tymczasem WHO przestrzega przed epidemią chorób psychicznych, której koszty zdrowotne i ekonomiczne będą przytłaczające nawet dla najlepiej rozwiniętych gospodarek. Połączenie systemów AI do generowania obrazów i dźwięku z wiedzą medyczną oraz ubieralnymi urządzeniami pomiarowymi daje szansę na opracowanie nowej generacji chatbotów – empatycznych, reagujących na stan emocjonalny pacjenta, zdolnych do prowadzenia naturalnej rozmowy. Zaletą takich systemów jest to, że jednocześnie mogą pomagać tysiącom, milionom pacjentów, podczas gdy psycholog w tym samym czasie może przyjąć tylko jedną osobę. Rozwój takich systemów wymaga zaangażowania nie tylko inżynierów AI, ale przede wszystkim lekarzy, psychologów, ekspertów od etyki i ochrony danych.

Problem: duże koszty administracyjne opieki zdrowotnej, kolejki do lekarzy, nieefektywne procesy, puste wizyty.

Rozwiązanie: Zautomatyzowane praktyki lekarskie i szpitale

Autonomiczne samochody, samoobsługowe sklepy i do tego autonomiczne gabinety lekarskie? Podczas gdy brakuje pieniędzy na nowoczesne terapie i leczenie, koszty administracyjne pochłaniają od kilku do nawet kilkudziesięciu procent budżetów ochrony zdrowia. Przykładowo, w USA jest to ok. 25% z 4 bilionów USD przeznaczanych na zdrowie. To nie wszystko. Badania sugerują, że 30% wydatków na opiekę zdrowotną jest marnotrawionych. Nadzieja w prostej zależności: im większa automatyzacja wsparta AI, tym niższe koszty administracyjne i większa efektywność. Dzięki AI można przebudować ścieżkę obsługi pacjenta, aby maksymalnie wykorzystać jego obecność w placówce medycznej. Przykładowo, czas oczekiwania na wizytę można by wykorzystać na przesiewowe badania wykonywane przez autonomiczne urządzenia diagnostyczne lub na wstępny triaż. Tak, by lekarz miał już wszystkie dane, gdy pacjent wchodzi do gabinetu, i mógł poświęcić cały czas na rozmowę i przekazywanie informacji.

---

Jak powiedział Roy Amara, „Mamy tendencję do przeceniania wpływu technologii w krótkim okresie i niedoceniania jej wpływu w dłuższej perspektywie”. Tak samo może być z AI. Choć fascynujemy się możliwościami ChatGPT, okazać się może, że rewolucja AI pozwoli zreformować niewydolną ochronę zdrowia. Aby tak się stało, trzeba będzie najpierw zadbać o standaryzację danych, zrównoważenie ochrony prywatności z korzyściami z dostępu do danych, stworzenie zaufanych algorytmów AI. Ale największym wyzwaniem może okazać się zmiana obecnego systemu zdrowia, który pozostaje daleko w tyle za możliwościami, jakie daje sztuczna inteligencja i nowe technologie.

Czytaj także: ChatGPT jest 10-krotnie bardziej empatyczny niż lekarz – sugeruje nowe badanie naukowe