Wprowadzenie narzędzi AI i data science do medycyny otwiera przed nami wiele nowych możliwości, które jeszcze niedawno wydawały się niemożliwe. Jednakże, choć technologie te z pewnością pomogą lekarzom w diagnozowaniu i leczeniu chorób, czy zastąpią one w pełni diagnostów, internistów i radiologów, którzy posiadają niezastąpione doświadczenie i wiedzę medyczną?

 

Wprowadzenie

Ostatnimi czasy sztuczna inteligencja zaczęła zyskiwać szeroką popularność w różnych dziedzinach, począwszy od wykorzystania w generowaniu dzieł sztuki aż po zastosowanie w naukach medycznych. 

Wykorzystanie sztucznej inteligencji w pracy medyka ma przede wszystkim wiele zalet. Stąd, w tym poście skupimy się na wykorzystaniu AI (sztucznej inteligencji) właśnie w naukach medycznych. Jednymi ze wspomnianych zalet są m.in: 

• szybsza i bardziej precyzyjna diagnostyka
• poprawa efektywności i wydajności pracy
• redukcja kosztów

Jednym z najbardziej obiecujących zastosowań AI w medycynie jest diagnostyka obrazowa. Jak powszechnie wiadomo, systemy AI mogą być wykorzystywane do analizy wyników badań obrazowych zarówno takich jak tomografia komputerowa czy rezonans magnetyczny, co z kolei może przyspieszyć i usprawnić diagnozowanie chorób. Dzięki temu medycy mogą dokładniej analizować dane medyczne, szybciej i trafniej diagnozować choroby, a także tworzyć skuteczniejsze plany leczenia. 

Mimo wszystko, wykorzystanie AI w medycynie stawia nas również przed szeregiem wyzwań. Pojawiają się tutaj m.in problemy związane z etyką (np. problemy w kwestii odpowiedzialności za decyzje podejmowane przez algorytmy AI) i prywatnością pacjentów (dane mogą trafić w niepowołane ręce, lub wyniku analizy danych medycznych przez algorytmy, co więcej, można wyodrębnić szczególne cechy i profile pacjentów) oraz te związane z ryzykiem pomyłek ze strony systemów opartych na sztucznej inteligencji. 

 

Jakie są korzyści i wyzwania związane z wykorzystaniem narzędzi AI i data science w medycynie?

Wykorzystanie sztucznej inteligencji (AI) w medycynie przynosi wiele korzyści. Po pierwsze, umożliwia szybszą i bardziej precyzyjną diagnostykę chorób poprzez analizę dużej ilości danych medycznych.

Dzięki temu, systemy AI mogą pomóc w wykryciu zmian w obrazach diagnostycznych (np. tomografii komputerowej, rezonansu magnetycznego), co znacznie przyspiesza proces diagnozowania. 

Wyobraźmy sobie hipotetyczny przykład wykorzystania AI w diagnostyce chorób serca i jakie korzyści może przynieść to zarówno pacjentom jak i lekarzom. Wiemy, że systemy AI mogą przetwarzać i analizować duże ilości danych w tym też dane różnego typu, np. dane kardiologiczne, takie jak elektrokardiogramy (EKG), badania stresowe oraz echokardiogramy, w celu szybkiego i precyzyjnego wykrycia potencjalnych problemów sercowych. W sytuacji, gdy pacjent zgłasza skargi dotyczące bólu w klatce piersiowej, AI może automatycznie (w czasie rzeczywistym) analizować dane EKG i wykryć nieregularności w rytmie serca, co sugeruje potencjalny zawał mięśnia sercowego. Lekarz w takiej sytuacji może następnie skoncentrować się na ocenie wyników i podjęciu odpowiednich działań leczniczych, co pozwoli na szybsze i bardziej precyzyjne postawienie diagnozy. W ten sposób, wykorzystanie AI w diagnostyce chorób serca może pomóc w zapewnieniu szybszej i bardziej precyzyjnej opieki medycznej dla pacjentów oraz usprawnieniu pracy kardiologów. Jednym z przykładów systemu analizującego EKG w czasie rzeczywistym jest urządzenie do monitorowania rytmu serca firmy AliveCor ([2]). Urządzenie to wykorzystuje sztuczną inteligencję do analizowania sygnału EKG i identyfikowania różnych zaburzeń rytmu serca, takich jak migotanie przedsionków czy tachykardia. Dzięki temu lekarze mogą otrzymywać szybkie i dokładne diagnozy, a pacjenci mogą monitorować swoje zdrowie serca w czasie rzeczywistym z wykorzystaniem smartfonów lub tabletów. Co więcej, firma ma na swoim koncie również szereg publikacji z zakresu sztucznej inteligencji w wykrywaniu chorób serca. Tytuły publikacji można znaleźć na ich stronie w zakładce “research”.

Drugą korzyścią płynącą z wykorzystania AI jest poprawa efektywności i wydajności pracy medyka, co oznacza mniej czasu poświęconego na analizę danych i interpretację wyników. Dzięki temu, medycy mogą skupić się na bardziej złożonych zadaniach, takich jak analiza i ocena wyników badań, planowanie leczenia oraz kontakt z pacjentem. Jako przykład załóżmy, że medyk pracuje w oddziale ratunkowym, gdzie liczba pacjentów wymagających natychmiastowej pomocy jest bardzo duża. W takiej sytuacji, medyk musi błyskawicznie ocenić stan pacjenta i podjąć decyzję o dalszych krokach leczniczych. W tym przypadku, systemy AI mogą pomóc w diagnozowaniu i planowaniu leczenia pacjentów, przyspieszając procesy decyzyjne. Na przykład, jeśli pacjent zgłasza objawy udaru mózgu, system AI może szybko przeanalizować dane z badań diagnostycznych, takich jak tomografia komputerowa, i dostarczyć medykowi dokładne informacje o lokalizacji i rozmiarze udaru. To pozwala lekarzowi szybko podjąć decyzję o podjęciu dalszych kroków leczniczych, takich jak podanie leków rozpuszczających skrzepy krwi, co jest kluczowe dla uratowania życia pacjenta. Jednym z przykładów jest aplikacja „Viz.ai” ([3]), która wykorzystuje algorytmy uczenia maszynowego do automatycznej identyfikacji udaru mózgu na podstawie obrazów z tomografii komputerowej (CT) mózgu. Aplikacja Viz.ai analizuje obrazy CT mózgu, aby określić, czy wystąpił udar mózgu i jakiego typu jest to udar. Aplikacja ta wykorzystuje algorytmy sztucznej inteligencji do analizy obrazów mózgu w czasie rzeczywistym i identyfikuje obszary mózgu, które zostały uszkodzone przez udar. Po zidentyfikowaniu udaru mózgu, aplikacja automatycznie przekazuje informacje do odpowiednich specjalistów, takich jak neurolog, radiolog lub neurochirurg. Dzięki temu lekarze są w stanie szybko i skutecznie przeprowadzić leczenie pacjenta, co przyczynia się do zwiększenia szans na pełne wyleczenie. 

Co więcej, wykorzystanie AI może przyczynić się do redukcji kosztów, ponieważ procesy diagnostyczne są przyspieszone, a złożoność analizy danych zmniejszona. Załóżmy, że szpital dysponuje ogromną ilością danych medycznych dotyczących pacjentów, takich jak wyniki badań, diagnozy, historie chorób i zastosowane leczenie. Analizowanie tych danych przez lekarzy i personel medyczny może być czasochłonne i kosztowne, a w niektórych przypadkach nawet niemożliwe np. przez ograniczoną dyspozycyjność personelu szpitala, który może w danej chwili zajmować się pacjentami wymagającymi większej opieki. W tym przypadku, wykorzystanie systemów AI może znacznie zmniejszyć koszty, poprzez automatyzację i usprawnienie procesów analizy danych. AI może przetwarzać ogromne ilości danych, identyfikować wzorce i związki między różnymi chorobami i leczeniem, co jednocześnie pozwala na szybsze i bardziej skuteczne diagnozowanie i leczenie pacjentów. Na przykład, AI może pomóc w wykrywaniu chorób wczesnym stadium, co może zapobiec konieczności przeprowadzania kosztownych i skomplikowanych procedur leczniczych w późniejszym czasie. Ponadto, wykorzystanie AI może pomóc w optymalizacji procesów leczniczych i eliminacji nadmiernych badań, co pozwala na zmniejszenie kosztów. Jednym z przykładów jest aplikacja „Stroke Riskometer” opracowana przez Stroke RiskometerTM w Wielkiej Brytanii, która wykorzystuje algorytmy sztucznej inteligencji do określenia ryzyka wystąpienia udaru mózgu. Aplikacja pozwala użytkownikom na wprowadzanie różnych czynników ryzyka, takich jak wiek, płeć, ciśnienie krwi, cukrzyca, palenie papierosów, a także inne czynniki medyczne, takie jak choroby serca czy migrena. Na podstawie tych informacji algorytmy sztucznej inteligencji określają indywidualne ryzyko wystąpienia udaru mózgu, a także proponują różne sposoby zmniejszenia ryzyka, takie jak zmiana stylu życia, dieta i ćwiczenia fizyczne, lub skonsultowanie się z lekarzem w celu przepisania odpowiedniego leczenia.

W teraźniejszości wskazać można bardzo wiele przykładów pośredniego wpływu algorytmów sztucznej inteligencji na pracę medyka związanego z analizą danych. Kolejnym z nich jest platforma telemedyczna CarnaLife System firmy MedApp. Umożliwia ona lekarzowi ocenę i monitorowanie stanu zdrowia pacjentów oraz przeprowadzanie konsultacji o dowolnej porze dnia i w dowolnym miejscu. Aplikacja daje unikalne możliwości powiązania konsultacji lekarskich z pogłębioną diagnostyką – system jest wspierany przez ponad 20 typów urządzeń umożliwiających zdalny pomiar, takich jak: pulsoksymetr, elektrokardiograf (EKG), ciśnieniomierz, termometr, waga, urządzenie do badania osłuchowego i inne. Wyniki badań są analizowane 24/7 z wykorzystaniem AI i analizy Big Data. W razie pojawienia się odchyleń od normy system alarmuje personel medyczny, który sprawuje opiekę nad danym pacjentem. Dzięki temu wzrasta bezpieczeństwo i polepszają się wyniki terapeutyczne pacjenta. 

Bardziej ciekawe są bezpośrednie aplikacje sztucznej inteligencji w pracy medyków. Tutaj również przykładem może być produkt z portfolio firmy MedApp –CarnaLife Holo. Jest to przełomowa technologia trójwymiarowej wizualizacji obrazowych danych diagnostycznych, wspierająca planowanie i przeprowadzanie zabiegów medycznych. Z pomocą gogli HoloLens 2 firmy Microsoft lekarz widzi w przestrzeni rzeczywistej trójwymiarowy hologram odzwierciedlający strukturę obrazowanego obszaru anatomicznego. Użytkownik może wchodzić w interakcję z wyświetlanym hologramem, między innymi obracając go, skalując, przemieszczając, czy też wchodząc we wnętrze struktur anatomicznych – przy pomocy gestów i komend głosowych, bez utraty sterylności i konieczności współpracy z dodatkowym technikiem. Gogle stanowią pomocniczy, interaktywny ekran dostępny podczas planowania zabiegu oraz w dowolnym miejscu sali zabiegowej, w każdym momencie jego trwania.

 

Perspektywy rozwoju i przyszłość wykorzystania narzędzi AI i data science w medycynie

Jako kilka prostych przykładów perspektyw rozwoju i przyszłości wykorzystania narzędzi AI i data science w medycynie można wymienić następujące punkty:

• Personalizacja leczenia

Jak to działa: AI analizuje dane genetyczne pacjenta, wyniki badań diagnostycznych, historię choroby, styl życia, dietę oraz środowisko i proponuje spersonalizowany plan leczenia.

Przykład z życia: Pacjent z chorobą nowotworową jest analizowany pod kątem mutacji genetycznych, co pozwala na dobranie leku docelowego w leczeniu nowotworu, który będzie miał największą skuteczność i minimalne skutki uboczne.

• Wczesne wykrywanie chorób

Jak to działa: AI analizuje wyniki badań diagnostycznych, takie jak zdjęcia rentgenowskie lub tomografię, aby wykryć nawet niewielkie zmiany chorobowe, które nie są widoczne dla ludzkiego oka.

Przykład z życia: system AI może wykryć niewielki guz piersi na mammografii, który zostałby przeoczony przez lekarza, a wcześniejsza diagnoza pozwoliłaby na szybsze i bardziej skuteczne leczenie.

• Automatyzacja procesów 

Jak to działa: AI automatyzuje procesy medyczne, takie jak prowadzenie historii choroby, składanie zamówień na leki i materiały medyczne, czy też przetwarzanie dokumentów.

Przykład z życia: system AI może automatycznie analizować wyniki badań laboratoryjnych i zapisywać je w elektronicznej dokumentacji medycznej, co pozwala na oszczędność czasu i redukcję błędów ludzkich.

• Rozwój robotyki

Jak to działa: Roboty medyczne wyposażone w AI wykonują skomplikowane procedury chirurgiczne, zapewniając większą precyzję i szybszy czas reakcji. 

Przykład z życia: robotyczna asysta chirurgiczna może pomóc w usunięciu guza mózgu, gdzie precyzja ruchów jest kluczowa dla uniknięcia uszkodzenia pobliskich obszarów mózgu i minimalizowania ryzyka powikłań.

 

Podsumowanie: Czy technologie zastąpią diagnostów, internistów i radiologów?

Praca diagnostyków, internistów oraz radiologów wyróżnia się przede wszystkim dużą odpowiedzialnością za podjęte decyzje. Sztuczna inteligencja jest w stanie znakomicie wspomóc ekspertów w ich podejmowaniu, natomiast samoistnie nie jest w stanie udźwignąć ciężaru związanego z ich odpowiedzialnością. W przypadku pomyłki człowieka lekarz odpowiada przed prawem, w przypadku hipotetycznej pomyłki sztucznej inteligencji kwestia tego, kto jest za nią odpowiedzialny jest szalenie sporna. Stąd warto pamiętać, że narzędzia AI powinny być traktowane jako narzędzie wspomagające, a nie zastępujące pracę osób do tego powołanych. Należy również zwrócić uwagę, że wpływ automatyzacji na zwiększenie efektywności pracy medyka, niesie ze sobą potrzebę rozwoju nowych umiejętności i kompetencji.

 

Źródła:

1. https://pphr.princeton.edu/2016/03/27/paperwork-and-physicians-medical-documentation-in-the-information-age/
2. https://www.alivecor.com/
3. https://www.viz.ai/
4. http://www.strokeriskometer.com/
5. https://medapp.pl/carnalife-system/