Sztuczna inteligencja (AI) we współczesnej medycynie
1 811 800 000 000$. Właśnie na tyle szacowana jest wartość rynku AI w roku 2030. Rynek wyraźnie dostrzega ogromny potencjał sztucznej inteligencji, a przedsiębiorcy pragną inwestować w rozwiązania wykorzystujące tę technologię. Równocześnie warto jednak pamiętać, iż inwestorzy nie pałają szczególnym entuzjazmem względem obszarów nieposiadających klarownych regulacji prawnych. Dlaczego? Ponieważ zwiększa to ryzyko inwestycji. Na tę chwilę w obrębie Unii Europejskiej nie istnieją jeszcze przepisy, które w sposób jednoznaczny regulują kwestie prawne związane z AI.
Brak klarownych przepisów nie oznacza jednak, że urzędnicy nie dostrzegają potrzeby rynku. W Parlamencie Europejskim trwają obecnie prace legislacyjne nad rozporządzeniem „Artificial Intelligence Act”. Na poziomie krajowym również podejmowane są działania w tym zakresie – we wrześniu 2020 roku Komitet Rady Ministrów ds. Cyfryzacji przyjął dokument „Polityka rozwoju sztucznej inteligencji”, który określa cele dla Polski w perspektywie krótko-, średnio- i długoterminowej, dzieląc je na sześć obszarów oraz zakłada powołanie zespołu zadaniowego, którego zadaniem będzie monitorowanie wdrożenia polityki rozwoju, a także koordynowanie działań.
Chociaż obowiązujące obecnie regulacje mogłyby być bardziej sprzyjające rozwojowi produktów opartych na technologii sztucznej inteligencji, nie oznacza to, że tego typu rozwiązania nie powstają już dziś.
Niezależnie od przeznaczenia AI i rodzaju wykorzystanych algorytmów, kluczową kwestią jest uzyskanie odpowiedniej ilości dobrej jakości danych w celu opracowania jak najskuteczniejszych algorytmów, dzięki którym całość rozwiązania będzie osiągać możliwie najlepsze rezultaty.
W przypadku danych medycznych należy podkreślić, iż niemalże nigdy nie uzyskamy dostępu do milionów rekordów danych, dlatego jednym z możliwych rozwiązań jest zastosowanie algorytmów AI uczonych maszynowo (uczenie nadzorowane). Podczas tego konkretnego rodzaju uczenia maszynowego dostarczamy nie tylko dane, ale też informację, co poszczególne dane zawierają. Umożliwia to zdecydowanie szybsze uzyskanie skutecznie działającego algorytmu przy użyciu mniejszej ilości danych. Dla przykładu nasza platforma CMAP (Comarch Medical Algorithms Plaform) powstała w oparciu o dane z 3 000 badań 30-dniowych – co daje 90 000 zapisów 24-godzinnego sygnału EKG. Dodatkowo platforma jest wciąż rozwijana, bazując na analizie 26 000 badań holterowskich, które dodają aż 62 000 dobowe zapisy sygnału EKG.
Comarch wykorzystuje również algorytmy sztucznej inteligencji w zakresie:
- badania poligrafii snu,
- analizy znamion skórnych,
- analizy dokumentacji medycznej,
- automatycznej klasyfikacji dokumentów,
- analizy wyników badań laboratoryjnych,
- przekształcania plików PDF w dane semantyczne,
- analizy badań w kierunku wykrycia potencjalnych chorób,
- analizy wywiadu medycznego pod kątem profilowania diagnostyki.
W naszych pracach kierujemy się przede wszystkim czterema celami:
- Usprawnienie diagnostyki i wsparcie personelu w podejmowaniu decyzji klinicznych.
- Zapewnienie oszczędności czasu profesjonalistom medycznym.
- Wsparcie prowadzenia badań klinicznych i prac badawczo-rozwojowych.
- Umożliwienie szybszego wykrywania zagrożeń epidemicznych.
Ponadto nie zapominamy również o najważniejszych osobach w procesie leczenia, czyli pacjentach. Rozwiązania wykorzystujące sztuczną inteligencję umożliwiają pacjentom dostęp do wielu nowych możliwości w procesie leczenia i prewencji. Dzięki szybszej detekcji nieprawidłowości w stanie pacjenta często możliwe jest zastosowanie mniej inwazyjnego leczenia. Rozwiązania wykorzystujące technologię AI mogą zwiększyć również poczucie bezpieczeństwa samego pacjenta.
Bezpośredni wpływ na poczucie bezpieczeństwa pacjenta ma całodobowy monitoring jego parametrów życiowych, co bez zastosowania algorytmów sztucznej inteligencji nie byłoby możliwe na większą skalę. Automatyczny monitoring dużej populacji pacjentów pozwala też lekarzom poświecić więcej uwagi pacjentom, u których istnieje największe ryzyko powikłań.
Rozwiązania oparte na AI mogą także przejąć część obowiązków administracyjnych od personelu medycznego. Dzięki temu specjaliści są w stanie wygospodarować więcej czasu na leczenie pacjentów. Jest to równoznaczne z możliwością przyjęcia większej liczby osób i skróceniem czasu oczekiwania na realizację świadczeń.
Innym przykładem zastosowania algorytmów AI jest wdrożenie ich na ścieżce pierwszego kontaktu pacjenta z placówką. Gwarantuje to wstępne przetworzenie danych, ich analizę i wysyłkę prosto do personelu medycznego. Przetworzone w ten sposób dane umożliwiają specjalistom podjęcie bardziej spersonalizowanych działań względem konkretnego pacjenta, a to z kolei wpływa pozytywnie również na komfort i zaufanie pacjenta.
Co ciekawe, tematem aktualnie dyskusyjnym w środowisku medycznym jest możliwość podejmowania przez sztuczną inteligencję autonomicznych decyzji. Należy zaznaczyć, iż pomimo kontrowersji jest to najprawdopodobniej nieunikniona przyszłość wielu dziedzin medycyny.
O Autorze: 
Mateusz Bruski
Product Manager
Comarch SA
Absolwent Akademii Górniczo-Hutniczej, na kierunku Inżynieria Biomedyczna. Doświadczenie zawodowe zbywałem w branży laboratoryjnej oraz medycznej. Moją pasją poza pracą jest stolarstwo, a czas wolny najbardziej lubię spędzać z rodziną i psem. Zapraszam na mój profil na LinkedIn.