Sztuczna inteligencja w medycynie – czy to konieczna rewolucja?
Zaledwie trzy lata temu, wraz rozpoczęciem pandemii COVID-19, system ochrony zdrowia w Polsce przeżywał potężna rewolucję w zakresie zmiany form udzielania wielu świadczeń medycznych i kontaktów z placówkami medycznymi. Duża ilość zmian była wprowadzana na bieżąco i testowana w warunkach ograniczonego dostępu do usług medycznych znanych pacjentom w standardowym formacie.
O ile e-recepta, e-zwolnienie, czy też e-skierowanie były planowanymi innowacjami, o tyle konsultacje w formacie teleporady były zupełnie nowym rozwiązaniem. Kontakt z lekarzem na odległość był przed pandemią czymś bardzo rzadko stosowanym. Wielu pacjentów, jak również i personel medyczny, zastanawiało się, czy można skutecznie i bezpiecznie leczyć z pominięciem kontaktu bezpośredniego. Wad i zalet tego rozwiązania z pewnością można wymienić wiele, niemniej teleporada stała się pełnoprawną formą udzielania pomocy medycznej.
Wraz z rozwojem e-usług w obszarze medycyny pojawiają się coraz częściej kolejne rozwiązania technologiczne mające pacjentom, jak i personelowi medycznemu ułatwiać diagnozę i leczenie. Na to właśnie pole wkracza sztuczna inteligencja (SI) nazywana także AI od angielskiego określenia artificial intelligence. Pojawienie się i rozwój sztucznej inteligencji sugeruje zadanie nowego pytania – czy leczenie będzie w przyszłości wymagało udziału lekarza, czy zaawansowane programy komputerowe są w stanie go zastąpić?
Wiele osób z pewnością zadaje sobie pytanie czym jest sztuczna inteligencja oraz w jaki sposób powstała?
Sztuczna inteligencja to dziedzina informatyki i nauki o komputerach, która koncentruje się na tworzeniu systemów zdolnych do wykonywania zadań, które wymagają ludzkiego myślenia i działania. Te zadania obejmują takie umiejętności jak rozpoznawanie wzorców, uczenie się, planowanie, podejmowanie decyzji, rozumienie języka naturalnego i wiele innych. Celem sztucznej inteligencji jest stworzenie komputerów, systemów, programów, które mogą naśladować pewne aspekty ludzkiego myślenia i działania.
Pierwsze koncepcje związane ze sztuczną inteligencją pojawiły się już w latach 50. XX wieku. Termin “sztuczna inteligencja” został po raz pierwszy użyty w 1956 roku podczas konferencji w Dartmouth College, gdzie uczestnicy omawiali możliwość stworzenia maszyn zdolnych do myślenia na podobieństwo ludzkiego umysłu. W latach 50. i 60. XX wieku skupiano się na tworzeniu programów komputerowych, które mogłyby symulować różne aspekty myślenia ludzkiego. W tym okresie powstały pierwsze programy do gry w szachy oraz do analizy i generowania języka. Jednakże, początkowe oczekiwania co do szybkiego osiągnięcia ogólnego ludzkiego poziomu inteligencji przez maszyny okazały się zbyt ambitne, co spowodowało okres nazywany “zimnym latem sztucznej inteligencji” w latach 70.
W latach 80. i 90. nastąpił wzrost zainteresowania sieciami neuronowymi, które naśladowały strukturę i funkcjonowanie ludzkiego mózgu. Jednakże, ograniczenia technologiczne tamtej epoki oraz trudności w uczeniu sieci neuronowych doprowadziły ponownie do spadku zainteresowania sztuczną inteligencją. Prawdziwe ożywienie dziedziny nastąpiło w latach 2000., kiedy to rozwój mocniejszych komputerów oraz nowe techniki uczenia maszynowego, takie jak głębokie uczenie, przyspieszyły postęp w dziedzinie sztucznej inteligencji (1). Algorytmy oparte na głębokim uczeniu umożliwiły osiągnięcie imponujących wyników w zadaniach takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego czy rozpoznawanie mowy.
Obecnie, sztuczna inteligencja jest wszechobecna w wielu dziedzinach, w tym w medycynie, gdzie ma ogromny potencjał w poprawie diagnostyki, personalizacji terapii i zarządzaniu danymi medycznymi. Rozwój algorytmów uczenia maszynowego oraz dostęp do ogromnych ilości danych przyczyniły się do dynamicznego rozwoju tej dziedziny w ostatnich latach.
Jak zatem sztuczna inteligencja jest wykorzystywana w medycynie i jakie korzyści oraz wyzwania niesie ze sobą to zaawansowane narzędzie?
Użycie sztucznej inteligencji może mieć miejsce już z chwilą stawiania diagnozy. Tradycyjne metody diagnostyczne często opierają się na doświadczeniu, wiedzy lekarza i analizie wyników badań pacjenta. Jednakże, ludzki umysł ma swoje ograniczenia, a analiza olbrzymiej ilości danych może być czasochłonna i podatna na błędy. W tym właśnie sztuczna inteligencja może wspierać lekarza tj. analizie danych. Jak to robi? Algorytmy uczenia maszynowego, mając do dyspozycji obszerne bazy danych, mogą na ich podstawie wykrywać pewne wzorce i zależności, które byłyby trudne do zauważenia dla człowieka. Świetnym obszarem medycyny do tego typu analiz jest diagnostyka obrazowa. Sztuczna inteligencja może pomóc radiologom w identyfikacji potencjalnych ognisk chorobowych na zdjęciach rentgenowskich czy rezonansach magnetycznych, co z kolei umożliwia wcześniejsze wykrycie chorób i lepsze szanse na skuteczne leczenie.
Pacjenci coraz częściej w trakcie procesu leczniczego oczekują spersonalizowanego podejścia do ich problemu medycznego. Każdy organizm reaguje jednak inaczej na leczenie, co utrudnia znalezienie optymalnej terapii dla konkretnej osoby. Tutaj również znajduje się pole do działania dla sztucznej inteligencji. Analizując dane genetyczne, wiele historii chorób, reakcje na wcześniejsze terapie i liczne inne czynniki, sztuczna inteligencja może pomóc w dostosowaniu terapii do indywidualnych potrzeb pacjenta. To znaczy, że lekarze mogą dobrać leki, dawki i metody leczenia w sposób bardziej precyzyjny, minimalizując skutki uboczne i zwiększając szanse na skuteczne wyleczenie. Przykładem mogą być terapie w onkologii. Sztuczna inteligencja może analizować dane pacjenta i dostarczać rekomendacje co do najlepszych możliwych leków i schematów leczenia.
Wraz z rozwojem e-medycyny pojawiły się wszelkiego rodzaju sprzęty medyczne np. opaski medyczne, spirometry, aparaty do mierzenia poziomu glukozy, przenośne KTG, EKG, z których pacjenci mogą korzystać w domu, a wyniki przesyłane są na bieżąco do lekarza monitorującego ich stan zdrowia. W tym zakresie sztuczna inteligencja nie tylko pomaga w diagnozowaniu i leczeniu, ale również w monitorowaniu pacjentów. Algorytmy sztucznej inteligencji mogą analizować dane zbierane ze sprzętu medycznego. Dzięki temu można wcześnie wykrywać nieprawidłowości w zdrowiu pacjenta i reagować na nie w odpowiednim momencie. To szczególnie przydatne w przypadku pacjentów z chorobami przewlekłymi, takimi jak niewydolność serca czy cukrzyca, gdzie wczesne wykrycie pogorszenia stanu zdrowia może uratować życie. Sztuczna inteligencja analizując dane może już zasygnalizować lekarzowi stan zagrożenia zanim ten dokonałby interpretacji danych pobranych z urządzenia.
Sztuczna inteligencja nie tylko pomaga w diagnozowaniu i leczeniu pacjentów, ale również przyczynia się do przyspieszenia postępu naukowego w medycynie. Dzięki analizie ogromnych ilości danych medycznych i literatury naukowej, sztuczna inteligencja może identyfikować nowe związki, trendy i potencjalne obszary badawcze. To z kolei przyspiesza rozwój nowych leków, terapii i podejść diagnostycznych. Odkrywanie biomarkerów, czyli wskaźników specyficznych dla danej choroby, staje się bardziej efektywne dzięki zdolnościom sztucznej inteligencji w analizie wielu czynników jednocześnie. Sztuczna inteligencja może także wspierać system opieki zdrowotnej w bardziej efektywnym ekonomicznie wykorzystywaniu jego zasobów np. sugerować wykonanie innego badania lub choćby wspierać lekarzy w opracowywaniu dokumentacji medycznej, dzięki czemu zostanie zaoszczędzone dużo czasu, a ten odgrywa znaczącą role w pracy personelu medycznego.
Powyżej wskazane obszary i możliwości zastosowania sztucznej inteligencji ukazują jej dobre strony i pozytywne aspekty. Jednak mimo tych wszystkich korzyści, zastosowanie sztucznej inteligencji w medycynie niesie ze sobą pewne wyzwania i zagrożenia. Zagadnienia związane z etyką, prywatnością danych pacjentów oraz interpretacją decyzji algorytmów są ważnymi aspektami do rozważenia. Konieczne jest zapewnienie, że dane pacjentów są odpowiednio chronione i wykorzystywane zgodnie z przepisami prawnymi. W przypadku bardziej zaawansowanych algorytmów uczenia maszynowego, takich jak sieci neuronowe, istnieje wyzwanie związane z interpretacją decyzji podejmowanych przez te algorytmy. Lekarze i pacjenci mogą mieć trudności z zaakceptowaniem decyzji, które nie są dla nich w pełni zrozumiałe. Zagrożeniem dotyczącym korzystania ze sztucznej inteligencji jest także nadmierna zależność od systemu, co może prowadzić do sytuacji, w których lekarze polegają na maszynach bez własnego krytycznego myślenia i umiejętności diagnostycznych. Należy również podkreślić, iż technologie oparte na sztucznej inteligencji mogą nie być dostępne dla wszystkich placówek medycznych lub pacjentów, co może pogłębiać nierówności w dostępie do wysokiej jakości opieki zdrowotnej.
Sztuczna inteligencja jeszcze długo, jeśli w ogóle, nie będzie w stanie zastąpić lekarza – człowieka. Zamiast tego, powinna stanowić narzędzie, które wspomaga i uzupełnia praktykę medyczną i tej roli nie powinniśmy się obawiać. Przykładem użycia sztucznej inteligencji w diagnozie i leczeniu pacjentów onkologicznych jest np. system Watson for Oncology opracowany przez firmę IBM, a z którego korzysta wiele amerykańskich szpitali. To system, który jest zasilany danymi medycznymi, takimi jak wyniki badań laboratoryjnych, obrazy radiologiczne, historie chorób pacjentów oraz aktualną literaturę medyczną. Algorytmy sztucznej inteligencji analizują te dane, aby zrozumieć stan pacjenta i dostarczyć lekarzowi informacje potrzebne do podejmowania dalszych decyzji terapeutycznych (2). Dlaczego jest to korzystne dla pacjenta? Ponieważ jeden lekarz nie byłby w stanie sam przeanalizować tysięcy danych medycznych, co zwiększa postawienie trafnej diagnozy i dobranie optymalnego leczenia dla danej osoby.
Sztuczna inteligencja w medycynie ma potencjał do rewolucjonizowania opieki zdrowotnej. Jej zdolności analizy danych, szybkiego uczenia się i wykrywania subtelnych wzorców otwierają nowe możliwości w diagnozowaniu, leczeniu i badaniach medycznych. Pomimo pewnych wyzwań, zastosowanie sztucznej inteligencji może prowadzić do zwiększenia skuteczności leczenia, poprawy jakości opieki zdrowotnej i przyspieszenia postępu naukowego w medycynie. Kluczowe jest odpowiednie regulowanie i nadzorowanie wykorzystania sztucznej inteligencji, aby zapewnić bezpieczeństwo pacjentów, ochronę danych i odpowiedzialne podejście do nowej ery medycyny, która dzieje się na naszych oczach i z której już korzystamy.
Mgr Joanna Dziwiszek, Kierownik Działu Nauki i Wsparcia Projektów, Instytut Gruźlicy i Chorób Płuc
