Sztuczna inteligencja pomoże lekarzom i pacjentom

5 lat temu na całym świecie było dostępnych 40 algorytmów AI dla medycyny. W 2020 roku było ich ponad dziesięć razy więcej. To obrazuje tempo zmian – mówi Ligia Kornowska, Dyrektor Zarządzająca Polskiej Federacji Szpitali, liderka Koalicji “AI w Zdrowiu“. Rozmawiamy o perspektywach AI w polskiej ochronie zdrowia.

• Algorytmy AI są już stosowane m.in w radiologii oraz systemach wspomagania decyzji klinicznych
• W Polsce ich szeroką adaptację blokują bariery technologiczne, prawne i brak wiedzy
• Część medyków oraz menedżerów nadal nie ufa rozwiązaniom opartym na algorytmach AI
• Aby to zmienić, powstała grupa roboczej ds. AI w zdrowiu przy KPRM oraz Koalicja “AI w Zdrowiu”
• Konieczne jest także ułatwienie dostępu do danych niezbędnych w rozwoju algorytmów AI

Jak sztuczna inteligencja może wesprzeć medycynę i ochronę zdrowia?

Sztuczna inteligencja może pomóc sektorowi ochrony zdrowia zarówno od strony organizacyjnej, jak i medycznej. Poprzez wspieranie takich procesów jak np. rejestracja pacjentów na badania i leczenie, czy tych związanych z finansowym rozliczeniem świadczeń zdrowotnych. Algorytmy sztucznej inteligencji mają szansę zoptymalizować czas obsługi pacjentów oraz pieniądze wydatkowane w ramach ochrony zdrowia.

Sztuczna inteligencja odciąży również medyków w pracy, która jest powtarzalna i zabiera czas, podczas gdy mogłaby zostać zinformatyzowana. AI będzie miało wpływ na jakość opieki nad pacjentem, między innymi poprzez zwiększenie wykrywalności nieprawidłowych wyników badań. Wpłynie to na zwiększenie efektywności leczenia pacjenta, przy jednoczesnej optymalizacji czasu pracy lekarza. To już się dzieje na świecie, jak i w Polsce.

AI wzbudza duże zainteresowanie, jednak do tej pory jej zastosowanie w medycynie napotyka na wiele problemów. Które z nich stanowią największą barierę?

Problemy z wdrożeniem AI w medycynie możemy podzielić na trzy kategorie: związane z brakiem wiedzy, technologiczne i prawne.

Część medyków, a także dyrektorów placówek medycznych nadal nie ufa rozwiązaniom wspieranym przez algorytmy AI – prawdopodobnie ze względu na niedostateczną wiedzę na temat dostępnych rozwiązań AI oraz brak jasnych wytycznych, jak sprawdzać ich skuteczność. Mamy algorytmy, które z powodzeniem już od jakiegoś czasu wspierają pracę w podmiotach leczniczych, zostały zwalidowane w realnym procesie diagnostyczno-leczniczym, a jednak AI w szpitalu nadal budzi zdziwienie.

Aby w pełni ocenić badanie, może też być wymagane zastosowanie kilku czy kilkunastu algorytmów AI. Każda integracja kolejnego algorytmu z systemem szpitalnym jest dodatkowym wyzwaniem. Dodatkowo, przełomowe rozwiązania często zapominają o tzw. „user experience” – lekarz będzie chciał korzystać z danego narzędzia IT tylko wtedy, kiedy będzie intuicyjne i łatwe w obsłudze. Nie może dojść do sytuacji, w której lekarzowi realnie więcej czasu zajęłoby skorzystanie z algorytmu, niż jego własna ocena badania.

Oprócz wyzwania edukacyjnego – czyli braku wiedzy – i technologicznego, pojawia się również bariera prawna. Są podejmowane próby prawnego uregulowania sztucznej inteligencji (np. AI Act dla Europy czy Polityka AI dla Polski). Jednak wciąż pozostaje wiele kwestii, które pozostają nierozwiązane. Odpowiedzialność za efekt leczenia, prawa pacjenta a AI, weryfikacja skuteczności – to tylko kilka z nich.

Wdrażanie innowacji może częściowo pomóc w zwalczaniu problemów, z którymi boryka się ochrona zdrowia. Także tych związanych z jakością i niedoborem środków finansowych.

Jakie rozwiązania z dziedziny uczenia maszynowego i AI najbardziej Panią interesują?

Najbardziej fascynują mnie rozwiązania, które realnie mogą zwiększyć efektywność diagnozy oraz leczenia pacjenta. Algorytmy, które mogą o kilka, kilkanaście procent zwiększyć wykrywalność nowotworu na wczesnym etapie realnie ratują życie oraz zdrowie. I to setek tysięcy pacjentów! Fascynują mnie również rozwiązania pozwalające stosować algorytmy AI bezpośrednio przez pacjentów. W ten sposób następuje przeniesienie opieki do domu pacjenta – każdy z nas będzie przykładał więcej uwagi do profilaktyki, biorąc większą odpowiedzialność za własne zdrowie.

Niewiele polskich szpitali na razie korzysta z takich nowości jak systemy wspomagania decyzji klinicznych czy algorytmy pomagające oceniać zdjęcia diagnostyki medycznej. A to obszary, gdzie AI już się zaczyna upowszechniać. Czy Pani zdaniem jest szansa, aby to się zmieniło, biorąc pod uwagę, że ochrona zdrowia na razie boryka się z innymi wyzwaniami?

Zdecydowanie tak. To może się zmienić i już się zmienia. Wdrażanie innowacji może częściowo pomóc w zwalczaniu problemów, z którymi boryka się ochrona zdrowia. Oczywiście wdrażanie każdej innowacji niesie ze sobą początkowy koszt. Nie tylko finansowy, ale także koszt nauki personelu, koszt zmiany przyzwyczajeń, koszt przeprowadzania zmiany modelu opieki nad pacjentem – musimy być tego świadomi. Jednak po poniesieniu początkowych nakładów, inwestycja zaczyna się zwracać, skutkując optymalizacją czasu pracy personelu – zwłaszcza, gdy niedobór kadr medycznych jest jednym z większych problemów opieki zdrowotnej – czy poprawą efektywności leczenia, prowadząc do optymalizacji finansowej.

Musimy jednak krok po kroku rozwiązywać problemy wymienione we wcześniejszym pytaniu, aby umożliwić szeroką adopcję AI w medycynie.

Czy istniejące przepisy prawne i system refundacji świadczeń medycznych sprzyjają adaptacji technologii na rynku ochrony zdrowia w Polsce? Czy można by tutaj kierować się rozwiązaniami przyjętymi w innych krajach?

Zazwyczaj jest tak, że prawo nie nadąża za ekspresowym tempem rozwoju technologii. Sztuczna inteligencja w zdrowiu, ale także inne technologie,jak rozszerzona rzeczywistość czy blockchain, niestety nie są wyjątkiem. Widać jednak rosnącą świadomość strony publicznej na temat potrzeb prawnych związanych z AI. Efektem jest m. in. Polityka AI dla Polski, czy utworzenie grupy roboczej ds. AI w zdrowiu przy KPRM, której mam przyjemność być liderką.

Oczywiście system refundacji powinien bardziej promować innowacyjne rozwiązania. Jednocześnie musimy pamiętać, że aby dana technologia była zaakceptowana w procesie diagnostyczno-leczniczym, a później również objęta finansowaniem, musi być dogłębnie przetestowana, a jej skuteczność – i efektywność kosztowa – udowodniona.

Dobrym przykładem jest telemedycyna, która została oficjalnie uregulowana w 2015 roku, natomiast dopiero podczas pandemii COVID-19 została zaakceptowana jako model udzielania świadczeń finansowanych ze środków publicznych, np. w POZ. Ten proces mógł się zacząć dużo szybciej, a postępować dużo wolniej. Dzięki temu może udałoby się uniknąć szokowego – i dla pacjentów, i dla medyków – przeskoku na świadczenia telemedyczne.

Zdecydowanie można byłoby się też kierować rozwiązaniami przyjętymi w innych krajach. Przykładem jest przepisywanie na receptę mobilnych aplikacji zdrowotnych, co stosowane jest w Niemczech. Francja już teraz zapowiada wzorowanie się na regulacjach niemieckich. Polska zdecydowanie powinna pójść w tym kierunku. Trzeba jednak podkreślić, że nasz kraj też ma bardzo duże sukcesy w e-zdrowiu – np. ogólnopolski system e-recept. Nie wszystkie państwa europejskie mają takie systemy, a u nas e-recepta stała się standardem w zasadzie natychmiast od jej wprowadzenia.

Wiele polskich startupów medycznych rozwijających rewolucyjne rozwiązania z dziedziny AI decyduje się na ekspansję za granicę. Co musiałoby się zmienić, aby je zatrzymać w kraju?

Powinno być więcej dojrzałych funduszy VC, które finansują startupy w drugiej fazie ich wzrostu. W Polsce obecnie nie ma problemu z pozyskaniem finansowania na początku istnienia startupu oraz w fazie growth (dalszego rozwoju i ekspansji). Problem występuje w środkowej fazie, w tzw. „dolinie śmierci”, kiedy startup potrzebuje kapitału na dostosowanie modelu MVP, czyli wersji produktu, która posiada wystarczające funkcjonalności, aby spełnić oczekiwania klientów i zapewnić wzrost sprzedaży.

Pozostaje również kwestia tego, że startupy medyczne mając bardzo dobre rozwiązanie na rynek ochrony zdrowia, muszą mieć świadomość, jak działa polski sektor ochrony zdrowia, czyli kto jest klientem, a kto jest ostatecznym płatnikiem. W Polsce korzystamy jednak głównie ze świadczeń opłacanych przez płatnika publicznego. Mając gotowe i sprawdzone rozwiązanie, które jest wysoce efektywne i poprawia jakość opieki nad pacjentem, możemy nie mieć zapewnionego finansowania ze środków publicznych, a tym samym nie odnotować znaczącej sprzedaży. Decyzja refundacyjna czy objęcie finansowaniem z programu samorządowego czy ministerialnego często zabiera czas, a technologia rozwija się z miesiąca na miesiąc. Startup nie może sobie pozwolić na zastój w rozwoju.

Jest Pani członkinią grupy AI ds. zdrowia Kancelarii Prezesa Rady Ministrów. Czym się ona zajmuje? Jak ocenia Pani – z punktu widzenia ochrony zdrowia – „Politykę rozwoju AI w Polsce”?

Przyjęcie Polityki rozwoju AI w Polsce oznacza, że Polska zauważa zachodzące zmiany technologiczne i chce wpływać na szybki rozwój sztucznej inteligencji, robiąc to bezpiecznie dla wszystkich uczestników systemu.

Polityka rozwoju AI w Polsce jest ogólnosektorowa, więc nie dotyczy tylko i bezpośrednio sektora ochrony zdrowia. Jednym z jej punktów było stworzenie wspomnianej wcześniej Grupy Roboczej ds. Sztucznej Inteligencji w Zdrowiu. Zajmujemy się kwestiami związanymi z otoczeniem prawnym i finansowym, a także implementacją rozwiązań AI w zdrowiu. Obecnie, zarówno jako Koalicja AI w zdrowiu, jak i Grupa ds. Sztucznej Inteligencji w Zdrowiu, będziemy tworzyć Białą Księgę dot. udzielania świadczeń zdrowotnych z wykorzystaniem AI, a także raport AI to nie Sci-Fi, który będzie przeglądem udanych wdrożeń AI w polskim systemie ochrony zdrowia.

Postęp w technologiach jest tak szybki, że wielu lekarzy nie nadąża za nim. Nic dziwnego – grafiki pracy są napięte, brakuje personelu, a pandemia COVID-19 jeszcze bardziej uwidoczniła istniejące od dawna problemy. Dlaczego mimo to temat AI jest ważny?

Sztuczna inteligencja może pomóc lekarzowi wygospodarować więcej czasu dla pacjenta i leczyć go skuteczniej. W medycynie, AI porównuje się m. in. do odkrycia penicyliny.

Podobnie jak telemedycyna, która jest kluczowa w pandemii COVID-19 i pomaga zmniejszyć ryzyko zakażenia COVID–19, AI może pomóc uporać się z istniejącymi od dawna problemami. Niemniej jednak mam nadzieję, że wdrażanie sztucznej inteligencji będzie zachodziło w sposób usystematyzowany i etapowy, aby uniknąć problemów związanych z natychmiastową zmianą modelu udzielania świadczeń. Każdy – i medycy, i pacjenci, i dyrektorzy placówek – musi być odpowiednio przygotowany do takich zmian.

Podsumowując, co zrobić, aby polska ochrona zdrowia stała się innowacyjna dzięki nowym technologiom cyfrowym, w tym AI?

Należy skoordynować działania legislacyjne nad sztuczną inteligencją i nad pozostałymi innowacjami technologicznymi, między różnymi interesariuszami sektora publicznego, np. Ministerstwem Zdrowia, Rzecznikiem Praw Pacjenta, Urzędem Ochrony Danych Osobowych, czy Kancelarią Premiera Rady Ministrów.

Należy umożliwić dostęp do danych medycznych, ponieważ brak dostępu do danych to największy problem w rozwoju AI. Należy edukować pacjentów, personel medyczny oraz osoby zarządzające placówkami medycznymi i pokazywać, że AI to zaawansowany algorytm matematyczny, który uczy się na dostarczonych mu danych, i może realnie pomóc w leczeniu.

Trzeba również zwiększyć finansowanie rozwoju algorytmów AI, bo jeżeli porównamy Unię Europejską do Stanów Zjednoczonych, czy Chin to od razu widać, że środki przeznaczane przez UE na rozwój AI są kilkukrotnie niższe. W Polsce są w tym kierunku podejmowane wysiłki, m.in. finansowanie z NCBiR dla rozwiązań opartych o AI w zdrowiu, bądź finansowanie zapowiedziane przez Agencję Badań Medycznych, która będzie się skupiać na innowacjach w zdrowiu. Jestem dobrej myśli. Mówimy o sektorze innowacji, w którym 5 lat temu na całym świecie było dostępnych 40 algorytmów AI dla zdrowia, a w 2020 roku było ich ponad dziesięć razy więcej.

Czytaj także: Co przewiduje polska strategia rozwoju AI?