Strona główna Analizy AI w medycynie – łatwiejsza dokumentacja i szybsza diagnoza?

AI w medycynie – łatwiejsza dokumentacja i szybsza diagnoza?

Przyglądamy się szansom i zagrożeniom, jakie stwarza sztuczna inteligencja w zakresie zdrowia.

AI w medycynie – łatwiejsza dokumentacja i szybsza diagnoza?

Fot. Pixabay / Modyfikacje: Demagog

AI w medycynie – łatwiejsza dokumentacja i szybsza diagnoza?

Przyglądamy się szansom i zagrożeniom, jakie stwarza sztuczna inteligencja w zakresie zdrowia.

Stosy dokumentów, trudności w wyjaśnieniu pacjentowi zawiłych kwestii medycznych i zbyt mało czasu na dogłębne przyjrzenie się każdemu przypadkowi – to nierzadko codzienność w systemie ochrony zdrowia. Wiadomo, że praca lekarza na co dzień nie wygląda jak w serialu „Dr House” czy „Chirurdzy”. Z pewnością wkrótce – dzięki AI – będzie można w medycynie wiele rzeczy udoskonalić. Tylko czy nie kryją się za tym żadne problemy?

To druga część analizy dotyczącej wpływu sztucznej inteligencji na zdrowie. Przeczytasz w niej o możliwościach wykorzystania AI do usprawnienia pracy lekarzy. Pierwsza część analizy dotyczyła AI z perspektywy pacjenta – przeczytasz ją tutaj.

Usprawnienia w zakresie żmudnych obowiązków

danych Najwyższej Izby Kontroli (NIK) z 2021 roku wynika, że prowadzenie dokumentacji medycznej i zajmowanie się czynnościami administracyjnymi absorbują ok. 1/3 czasu lekarza, przeznaczonego na poradę lekarską w gabinecie. Wyniki kontroli wskazują ponadto, że w przypadku teleporady tego czasu dla pacjenta zostaje jeszcze mniej (57 proc.).

Sztuczna inteligencja (AI) może pomóc lekarzom w wykonywaniu pracochłonnych, ale powtarzalnych, czynności. Popularny ChatGPT może być wykorzystany do generowania zautomatyzowanych podsumowań interakcji między lekarzami a pacjentami oraz ich historii medycznych. W konsekwencji może się to przełożyć na usprawnienie procesu prowadzenia dokumentacji medycznej.

Przykładowo: pracownicy ochrony zdrowia mogą posłużyć się sztuczną inteligencją do automatycznego streszczania kluczowych zagadnień zawartych w dokumentacji medycznej. AI może przydać się też do wyodrębniania konkretnych kwestii (np. wybranych informacji o chorobie pacjenta) z obszernych zbiorów informacji dotyczących zdrowia pacjentów.

Powstała nawet platforma cyfrowa dla lekarzy ze specjalną wersją ChatGPT. Ta pomaga usprawnić czasochłonne zadania administracyjne. W tym przypadku mowa głównie o udogodnieniach w zakresie dokumentacji dotyczącej ubezpieczeń, ale także o podsumowywaniu artykułów medycznych oraz o przygotowywaniu materiałów do nauki dla studentów.

Nowoczesny skryba

Sztuczna inteligencja może być też pożyteczna, jeśli chodzi o sporządzanie notatek z wizyt lekarskich. Trwają prace nad narzędziami, które będą mogły „przysłuchiwać się” rozmowie lekarza z pacjentem, spisywać ten dialog, a następnie – na podstawie zawartych w nim danych – uzupełniać dokumentację medyczną. Lekarz nie musiałby się już zajmować sporządzaniem notatek. Poza usprawnieniem i większą produktywnością takie rozwiązanie pomogłoby ujednolicić sposoby wprowadzania danych o pacjentach.

Pierwsze testy widać już na horyzoncie. W Systemie Opieki Zdrowotnej Uniwersytetu w Kansas sprawdzany będzie program wykorzystujący AI do automatycznego generowania dokumentacji medycznej. Narzędzie „przysłuchuje się” przebiegowi wizyty i konstruuje podsumowanie jej najistotniejszych elementów.

Jak informuje „Los Angeles Times”, trwają też testy narzędzia AI, które ma się zajmować wirtualnymi wizytami. Program ma je automatycznie podsumowywać i tworzyć notatki do wykorzystania w przyszłym leczeniu. Cel jest taki, aby lekarz mógł się skupić wyłącznie na pacjencie. A technologia rozwiąże kwestię dokumentacji.

Bardziej empatyczna i zrozumiała komunikacja

Zdarza się, że medyczny żargon jest niezrozumiały dla pacjenta, który na co dzień nie zajmuje się medyną. Z pomocą mogą przyjść narzędzia wykorzystujące sztuczną inteligencję.

Modele językowe sztucznej inteligencji można wykorzystać np. do wyjaśniania pacjentom zawiłych kwestii medycznych, ponieważ narzędzia te potrafią przetwarzać język naturalny człowieka. Niestety, na obecnym etapie ich rozwoju mogą one popełniać błędy

Badanie opublikowane w „JAMA Network” wykazało, że odpowiedzi na pytania o zdrowie udzielone przez chatbota były preferowane przez pacjentów w porównaniu z poradami przekazanymi przez lekarza. Uznawano je za bardziej empatyczne i lepsze jakościowo. Na podstawie 195 zapytań pacjenci w 78,6 proc. lepiej ocenili odpowiedzi od sztucznej inteligencji niż od lekarzy.

badaniu, które było przywołane już w pierwszej części analizy, przeprowadzonym przez naukowców z Uniwersytetu Maryland, wskazano, że ChatGPT udzielił poprawnych odpowiedzi dotyczących porad medycznych w ok. 88 proc. przypadków. Jak podkreślił Paul H. Yi, dyrektor Centrum Inteligentnego Obrazowania Medycznego Uniwersytetu Maryland i jeden z autorów eksperymentu, dodatkową zaletą tej technologii jest „podsumowanie informacji w łatwo przyswajalnej formie”. Takiej, która jest zrozumiała dla użytkownika niezajmującego się na co dzień medycyną.

Co wtedy gdy lekarz mówi po polsku, a pacjent w innym języku? Z pomocą przychodzi AI

Dzięki umiejętności tłumaczenia różnych języków sztuczna inteligencja może pomóc w porozumieniu się z pacjentem, który nie włada tym samym językiem co lekarz. W testach lepiej niż popularny Tłumacz Google wypada ChatGPT (czyli chatbot od OpenAI) trafniej rozpoznaje odpowiedni kontekst i na jego podstawie tłumaczy.

Prosty przykład angielskiego idiomu „a frog in one’s throat”, oznaczającego trudności w mówieniu z powodu suchości w gardle, pokazuje różnice w tłumaczeniach za pomocą ChatGPTTłumacza Google. Sztuczna inteligencja wyjaśnia, co oznacza ta fraza dosłownie, a następnie podaje, w jaki sposób można je rozumieć idiomatycznie. Natomiast Tłumacz Google podaje wyłącznie jego dosłowne znaczenie.

Odpowiedź Chatu GPT na pytanie, co znaczy po polsku: „I have a frog in my throat".

Źródło: www.chat.openai.com

Tłumaczenie Tłumacza Google: „I have a frog in my throat".

Źródło: www.translate.google.pl

Pomoc w diagnozie

Lekarze powinni zdawać sobie sprawę z tego, że informacje podane przez narzędzia AI należy przefiltrować przez własną wiedzę, doświadczenie i sumienie. Umiejętne korzystanie z nich może w znacznym stopniu ułatwić diagnozę pacjenta.

Wykorzystanie AI w opiece zdrowotnej realizowane jest przede wszystkim w ramach technologii zaprojektowanych w celu przeszukiwania ogromnych zbiorów danych. Mowa więc o wykonywaniu czynności, które pozostają poza możliwościami jednego człowieka. Narzędzia uczą się przetwarzać dane na podstawie licznych przykładów, zauważają powtarzalne wzorce i możliwe powiązania między nimi, co może ułatwić lekarzowi postawienie diagnozy.

Placówki zajmujące się opieką medyczną posiadają w swoich zbiorach ogromne ilości danych (dokumentacji medycznej, wyników badań, obrazów z USG, RTG czy tomografii, danych dotyczących wieku pacjentów zmagających się z konkretnymi dolegliwościami itd.). Narzędzia wykorzystujące sztuczną inteligencję zdają się idealnymi, by w krótkim czasie „przedrzeć się” przez ten ogrom dokumentów i szybko udzielić odpowiedzi dotyczącej diagnozy, która następnie może zostać wykorzystana przez osobę posiadającą wiedzę medyczną.

Szeroki zasób danych i wychwytywanie elementów „niewidocznych” dla człowieka

Jednym ze sposobów wykorzystania sztucznej inteligencji do usprawnienia pracy lekarza, który sprawia, że nie musi się on samodzielnie „przebijać się” przez szereg publikacji i zasięgać opinii innych specjalistów jest projekt ROAD2H. Jak czytamy na stronie Imperial College London, celem inicjatywy jest wspieranie podejmowania decyzji klinicznych w przypadku pacjentów cierpiących na kilka chorób przewlekłych równocześnie

Sztuczna inteligencja ma pomagać lekarzom wychwycić punkty krytyczne pomiędzy tymi dolegliwościami i wybrać możliwe rozwiązanie. System ma również „konsultować się” z elektroniczną dokumentacją medyczną w celu dopasowania wytycznych do konkretnego pacjenta.

Co więcej, AI nie zlekceważy informacji, które człowiek może przegapić. Sztuczna inteligencja przoduje bowiem w obszarze z natury trudnym dla ludzkiego umysłu – dostrzega wzorce, które pozostają poza zasięgiem naszej uwagi. W psychologii zjawisko to określa się jako ślepota percepcyjna – ludzie prawidłowo znajdują to, czego szukają, ale nie radzą sobie w zauważeniu tego, czego nie poszukują. Mówiąc wprost: nie widzimy tego, na co nie zwracamy uwagi – mimo że jest to obiektywnie dobrze widoczne.

Badacze z Uniwersytetu w Utah przeprowadzili eksperyment, który wykazał, że nawet doświadczeni radiolodzy mogą nie zauważyć oczywistych nieprawidłowości w obrazach diagnostycznych właśnie z uwagi na ślepotę percepcyjną. Aż dwie trzecie specjalistów nie wykryło istotnego klinicznie guza w piersi, gdyż ich uwaga była skupiona na guzkach w płucach. Prowadzi to do kolejnego obszaru, w którym AI może pomóc w postawieniu właściwej diagnozy, jakim jest obrazowanie medyczne.

Obrazowanie medyczne

Rozwiązania bazujące na sztucznej inteligencji mogą ułatwić i przyspieszyć pracę specjalistów zajmujących się obrazowaniem medycznym. Narzędzia AI są w stanie m.in.:

  • dokonać wstępnej analizy danych zawartych na obrazie (na podstawie wcześniej zgromadzonych przykładów),
  • uporządkować konkretne przypadki od najpilniejszych do tych dopuszczających interwencję medyka w nieco późniejszym czasie,
  • wskazać zalecenia dotyczące danej diagnozy na podstawie dostępnych wytycznych klinicznych i dotychczas opublikowanych prac naukowych.

Sztuczna inteligencja uczy się naśladować to, co robią specjaliści, gdy szukają oznak choroby. Jak tłumaczy prof. Daniel RueckertImperial College London, narzędzia AI mogą „gromadzić dane z setek szpitali, z setkami tysięcy rzadkich przypadków, i wspierać diagnozę klinicysty”.

Profesor kieruje zespołem Biomedical Image Analysis (BioMedIA), który prowadzi badania nad rozwojem analizy obrazów medycznych i wyciągania z nich informacji potrzebnych do diagnozowania i zaplanowania stosowanego leczenia. Głównie w odniesieniu do pacjentów z uszkodzeniami mózgu i chorobami układu krążenia.

Innym przykładem może być działalność prof. Declana O’Regana, kierującego Computational Cardiac Imaging Group na MRC London Institute of Medical Sciences. Zespół pracuje nad wykorzystaniem uczenia maszynowego do obrazowania serca za pomocą rezonansu magnetycznego. Jak wskazuje prof. O’Regan, w obrazach tych znajduje się o wiele więcej informacji niż te, które wykorzystuje się w standardowej opiece medycznej – dotyczą one m.in. wczesnych oznak niewydolności serca.

„W obrazach serca jest zapisanych tak wiele informacji na temat wczesnych objawów niewydolności serca, że ​​ludzie mogą mieć trudności z wykryciem ich bez pomocy”.

Prof. Declan O’Regan w komentarzu na stronie imperial.ac.uk

Należy jednak podkreślić, że przy wielu możliwych plusach, jakie daje sztuczna inteligencja w zakresie obrazowania medycznego, nie można opierać wyników wyłącznie na AI. Technologie wykorzystujące sztuczną inteligencję mogą być w tym kontekście istotnym wsparciem w podejmowaniu decyzji przez specjalistów, jednak ostateczna diagnoza i wybór metody leczenia powinny pozostać w rękach lekarzy.

AI wymyślająca leki – melodia przyszłości czy realna szansa?

Jak podaje California Biomedical Research Association, droga leku od laboratorium badawczego do pacjenta jest długa i kosztowna (czas i koszty wynalezienia) – średnio trwa 12 lat i kosztuje ponad miliard dolarów.

Sztuczna inteligencja może pomóc badaczom w szybszym i tańszym opracowywaniu leków. Na stronie McKinsey&Company czytamy, że „być może będziemy w stanie mieć leki w jednej dziesiątej czasu od odkrycia do możliwości leczenia pacjentów”. W przyszłości – przy pomocy uczenia maszynowego – naukowcy będą w stanie znacznie szybciej odkrywać nowe pomysły w zakresie leczenia.

Amerykańska Agencja Żywności i Leków (FDA) przyznaje, że sztuczna inteligencja niewątpliwie odegra „kluczową rolę” w opracowywaniu leków.

Zagrożenia i ograniczenia AI w medycynie

Na razie jednak przed naukowcami stoją wyzwania związane z rozwojem sztucznej inteligencji. Wśród potencjalnych problemów autorzy przeglądu opublikowanego na łamach „Journal of Medical Imaging and Radiation Sciences” wskazują m.in. fakt, że systemy AI nie wyjaśniają, w jaki sposób i dlaczego podjęły konkretną decyzję.

Wyzwaniem jest także niedokładne lub niekompletne wyposażenie technologii w dane. Może to prowadzić do stronniczych odpowiedzi, na co szczególnie są narażeni pacjenci będący przedstawicielami pewnych mniejszości. Przykładowo: naukowcy wykazali, że pulsoksymetr wykorzystujący AI błędnie odczytuje dane w przypadku pacjentów o ciemnym kolorze skóry.

„Zanim zainwestujemy więcej pieniędzy w rozwój sztucznej inteligencji w opiece zdrowotnej (…) musimy rozpoznać wszystkie przyczyny rozbieżności wyników, w tym te, które wynikają z wykorzystania technologii. W przeciwnym razie ryzykujemy utrwalanie i powiększanie nierówności zdrowotnych za pomocą sztucznej inteligencji”.

Prof. Leo Anthony CeliHarvard Medical School dla hms.harvard.edu

Istotne jest również umożliwienie specjalistom edukowania się w zakresie rozwoju sztucznej inteligencji tak, by mogli umiejętnie korzystać z nowych narzędzi. 

*Jeśli znajdziesz błąd, zaznacz go i wciśnij Ctrl + Enter

Pomóż nam sprawdzać, czy politycy mówią prawdę.

Nie moglibyśmy kontrolować polityków, gdyby nie Twoje wsparcie.

Wpłać

Dowiedz się, jak radzić sobie z dezinformacją w sieci

Poznaj przydatne narzędzia na naszej platformie edukacyjnej

Sprawdź!