Sztuczna inteligencja jest już wszędzie – pisze za nas maile, przerabia nasze zdjęcia, jest używana w sądownictwie[1]. Korzysta z niej także medycyna. Nowoczesne algorytmy pomagają lekarzom szybciej diagnozować choroby, analizować wyniki badań i dobierać skuteczniejsze terapie. To nie futurystyczna wizja, lecz rzeczywistość, która zmienia sposób, w jaki dba się o zdrowie pacjentów. Jakie korzyści niesie ze sobą AI w ochronie zdrowia, a jakie zagrożenia?

‍

‍

HISTORIA INTELIGENTNEJ MEDYCYNY

W 2010 r. jeden ze słynnych inteligentnych robotów medycznych – Da Vinci – pojawił się w Polsce, a konkretnie we Wrocławiu. Historia wykorzystywania sztucznej inteligencji sięga jednak znacznie wcześniej, bo aż do lat 70 ubiegłego wieku. Mowa tu o systemie INTERNIST-1, który na podstawie wprowadzonych danych, jakimi były objawy pacjenta był w stanie postawić wstępną diagnozę[2]. Kolejny był MYCIN – program pomagający lekarzom w wyborze odpowiedniego antybiotyku dla pacjentów z infekcjami bakteryjnymi[3].  Lata 90 to natomiast pierwsze roboty – począwszy od ramienia sterowanego głosem, wyposażonego w endoskop, po wspomniany już robot Da Vinci[4]. Współczesny Da Vinci posiada 4 ramiona, z czego jedno podtrzymuje kamerę, a pozostałe są wyposażone w naśladujące ludzkie stawy nadgarstki, które utrzymują instrumenty medyczne[5].

‍

Operujący maszyną lekarz w czasie zabiegu siedzi w konsoli i kieruje ruchem robota poprzez drążki i pedały. Współcześnie w Polsce roboty Da Vinci wykorzystywane są aż w 42 szpitalach, co wyraźnie pokazuje, że AI w medycynie staje się standardem.

‍

‍

INTELIGENTNA ORGANIZACJA PODMIOTÓW LECZNICZYCH

‍

Jednak sztuczna inteligencja w ochronie zdrowia to nie tylko programy i roboty wspomagające lekarzy w stawianiu diagnoz i przeprowadzaniu operacji. To także systemy pozwalające na lepszą organizację pracy podmiotów leczniczych. Te rozwiązania koncentrują się nie na diagnostyce, ale na zarządzaniu złożonymi procesami operacyjnymi, logistyką i optymalizacją działania jednostek ochrony zdrowia. Do takich programów należą:

‍

·      Palantir Foundry for Health[6] - System opracowany przez firmę Palantir Technologies, wykorzystywany m.in. przez NHS w Wielkiej Brytanii. Umożliwia kompleksową analizę danych operacyjnych szpitali – od dostępności łóżek po zużycie leków. Umożliwia ocenę dokumentacji medycznej w celu ustalenia, którzy pacjenci mogą kwalifikować się do opieki domowej, a którzy powinni otrzymać niezbędną pomoc w szpitalu. Ułatwia podejmowanie decyzji strategicznych i operacyjnych w czasie rzeczywistym.

‍

·      Qventus[7] - System AI do automatyzacji decyzji operacyjnych w czasie rzeczywistym. Wspiera zarządzanie przepływem pacjentów, planowanie przyjęć i wypisów oraz wykorzystanie zasobów (np. personelu). Stosowany w dużych sieciach szpitalnych w USA.

‍

·      KenSci[8] - System do analizy ryzyka i predykcyjnego zarządzania kosztami opieki zdrowotnej. Umożliwia szpitalom i ubezpieczycielom lepsze planowanie budżetu, prognozowanie trendów zdrowotnych i identyfikację obszarów wymagających interwencji organizacyjnej lub inwestycyjnej.

‍

‍

DUŻE KORZYŚCI, DUŻE RYZYKA

‍

Jak jednak wskazano w raporcie przygotowanym przez OECD – sztuczna inteligencja w ochronie zdrowia to duże korzyści i duże ryzyka[9]. W raporcie podkreślono, że wykorzystanie AI może usprawnić wiele procesów związanych z medycyną. Przykładowo wskazuje się, że aż 36% pracy administracyjnej można automatyzować, co pozwoli pracownikom ochrony zdrowia na poświęcenie większej ilości czasu pacjentom. AI może także pomóc z cyberatakami, które stają się coraz częstsze, a w przypadku podmiotów leczniczych dotyczą one szczególnych danych wrażliwych. Opracowywanie metod leczenia, wykrywanie nietypowych wzorców chorób, określanie sposobów zapobiegania chorobom przewlekłym; sztuczna inteligencja wydaje się złotym środkiem i odpowiedzią na wiele bolączek dotyczących współczesnej medycyny.

‍

W świetle przytoczonego raportu możliwe jest wskazanie także wielu ryzyk powiązanych ze sztuczną inteligencją. Zagrożenia związane z AI w medycynie to np. możliwe wycieki danych osobowych. Zaznacza się, że sam system może być stronniczy w ocenie danych medycznych, ale jeśli dane wprowadzone do systemu będą niskiej jakości lub niepełne, system może błędnie wnioskować z tych informacji. Warto także podkreślić fakt, że póki co nie jest jasne, na jakiej zasadzie należy rozpatrywać odpowiedzialność za szkody wyrządzone przez sztuczną inteligencję, a także kto ma ponosić winę za jej błędy. Jako że jedną z najważniejszych zasad medycyny jest primum non nocere – po pierwsze nie szkodzić, twórcy i operatorzy inteligentnej sztucznej medycyny muszą mieć to na uwadze przy jej tworzeniu i wykorzystaniu.

POTENCJALNE KORZYŚCI ZWIĄZANE Z WYKORZYSTANIEM AI W MEDYCYNIE:

‍

·      Szybsza diagnoza: AI może analizować dane medyczne (np. obrazy, wyniki badań) znacznie szybciej niż człowiek, co może skrócić czas od diagnozy do rozpoczęcia leczenia.

‍

·      Ograniczenie błędów medycznych: AI może zmniejszyć ryzyko błędów diagnostycznych lub pomyłek w leczeniu dzięki analizie dużych ilości pełnych i jakościowych danych.

‍

·      Optymalizacja pracy podmiotów leczniczych: AI może usprawnić zarządzanie personelem, harmonogramami i logistyką w szpitalach.

‍

POTENCJALNE ZAGROŻENIA ZWIĄZANE Z WYKORZYSTANIEM AI W MEDYCYNIE:

‍

·    Błędne decyzje: Jeśli dane wprowadzone do systemu AI są błędne lub niepełne, system może na ich podstawie wyprowadzić nieprawidłowe wnioski prowadzące do naruszenia zdrowia pacjenta.

‍

·      Zagrożenie dla prywatności danych pacjentów: AI wymaga dostępu do dużych ilości wrażliwych danych medycznych, co rodzi ryzyko naruszenia prywatności.

‍

·      Brak jednoznacznych regulacji i odpowiedzialności prawnej: Wciąż brakuje jasnych przepisów określających, kto ponosi odpowiedzialność za błędy AI.

‍

‍

‍

[1] https://www.lexai.pl/post/etyka-a-sztuczna-inteligencja---jak-daleko-mozemy-posunac-sie-z-poleganiem-na-ai-czy-ai-powinno-wydawac-wyroki

[2] Miller, Randolph & McNeil, Melissa & Challinor, Sue & Masarie, Fred & Myers, Jack. (1987). The INTERNIST-1/Quick Medical Reference project-status report. The Western journal of medicine. 145. 816-22.

[3] William van Melle, MYCIN: a knowledge-based consultation program for infectious disease diagnosis,

International Journal of Man-Machine Studies, Volume 10, Issue 3, 1978,Pages 313-322.

[4] F. Pugin, P. Bucher, P. Morel, History of robotic surgery : From AESOP® and ZEUS® to da Vinci®, Journal of Visceral Surgery, Volume 148, Issue 5, Supplement, 2011, Pages e3-e8,

[5] Ibidem.

[6] https://www.palantir.com/offerings/health/

[7] https://www.qventus.com/

[8] https://www.appengine.ai/company/kensci

[9] https://www.oecd.org/content/dam/oecd/en/publications/reports/2024/01/ai-in-health-huge-potential-huge-risks_ff823a24/2f709270-en.pdf

‍

‍