Gen AI w ochronie zdrowia / Czy nadchodzi rewolucja?

Czy naszym lekarzem pierwszego kontaktu zostanie wkrótce pracownik medyczny obsługujący zaawansowany chatbot AI? A może, wzorem dzisiejszych internautów próbujących diagnozować się z „doktorem Google”, samodzielnie sprawdzimy stan zdrowia z jednym z wielu specjalistycznych chatbotów?

Nie wiemy dokładnie, jak rozwinie się gen AI w przyszłości, trudno jednak zaprzeczyć, że technologia ta zmienia medycynę już dzisiaj, na naszych oczach.

TL;DR

  • Generatywna sztuczna inteligencja zmienia ochronę zdrowia, poprzez usprawnienie diagnostyki, tworzenie spersonalizowanych planów leczenia i wsparcie procesu odkrywania nowych leków.
  • Pomyślne wdrożenie gen AI w ochronie zdrowia wymaga ze strony organizacji odpowiedniego przygotowania, rozwoju infrastruktury, szkolenia personelu oraz zapewnienia jakości i bezpieczeństwa danych.
  • Pojawiające się wyzwania związane z generatywną sztuczną inteligencją w ochronie zdrowia obejmują kwestie etyczne, takie jak prywatność oraz potencjalne uprzedzenia algorytmów. Uporanie się z tymi wyzwaniami jest niezbędne, aby rozwiązania oparte o gen AI mogły rzeczywiście wspierać pacjentów.

Jak ochrona zdrowia może wykorzystać gen AI?

Generatywna sztuczna inteligencja szturmem zdobywa branżę medyczną i napędza cyfryzację w ochronie zdrowia. Coraz więcej słyszymy o różnorodnych, interesujących zastosowaniach sztucznej inteligencji w medycynie, takich jak na przykład zaawansowane roboty do operacji czy algorytmy do przewidywania epidemii.  

W przypadku generatywnej sztucznej inteligencji widzimy kilka ciekawych trendów, które rewolucjonizują medycynę:

  • Diagnozowanie schorzeń
  • Tworzenie planów leczenia
  • Odkrywanie nowych leków
  • Spersonalizowane usługi dla pacjentów

Warto dodać, że rynek gen AI w branży healthcare osiągnął 1,07 mld USD w 2022 r. i oczekuje się, że do 2032 r. przekroczy około 21,74 mld USD. Nie powinno to nikogo dziwić, biorąc pod uwagę ogromne możliwości AI związane z analizowaniem mnóstwa danych jednocześnie, uczeniem się i generowaniem trafnych wniosków w krótkim czasie.

Zaawansowana diagnostyka

Generatywna sztuczna inteligencja odgrywa kluczową rolę w usprawnianiu analizy obrazów medycznych, takich jak zdjęcia rentgenowskie, obrazy z rezonansu magnetycznego i tomografii komputerowej, pomagając tym samym radiologom w dokładniejszym i szybszym diagnozowaniu chorób. Już teraz 16,7% podmiotów świadczących usługi zdrowotne w Polsce wykorzystuje AI do wspomagania decyzji klinicznych, 11,8% w diagnostyce obrazowej typu CT a 10,5% w diagnostyce obrazowej typu MRI.

Ponadto Gen AI w ochronie zdrowia umożliwia tworzenie wysokiej jakości obrazów medycznych, co rozwiązuje problem niedoboru różnorodnych i obszernych zbiorów danych do szkolenia systemów diagnostycznych. Te syntetyczne dane łagodzą problem nadmiernego dopasowania (sytuacja, w której dane stają się zbyt zależne od początkowych zestawów danych, co utrudnia wdrożenie dodatkowych danych), zwiększając zdolność modeli sztucznej inteligencji do stawiania trafnych diagnoz w różnych grupach pacjentów.

Dzięki analizie szerokiego zakresu danych z elektronicznej dokumentacji medycznej oraz obrazowania medycznego generatywna sztuczna inteligencja może znacznie poprawić dokładność diagnostyczną.

Nie możemy jednak zapominać, że przy obecnym stanie prawnym, do postawienia ostatecznej diagnozy potrzebny jest prawdziwy lekarz z odpowiednimi uprawnieniami. W takim układzie Gen AI może być jedynie (aż?) doskonałym i wykwalifikowanym asystentem. Ostateczną odpowiedzialność bierze jednak na siebie lekarz, dlatego obszar wyjaśnialnej sztucznej inteligencji (Explainable artificial intelligence XAI), będzie odgrywać coraz większą rolę w rozwoju Gen AI w medycynie.

Spersonalizowane plany leczenia

Generatywna sztuczna inteligencja nie tylko rewolucjonizuje diagnostykę, ale również plany leczenia. Kliniki i szpitale będą wykorzystywać sztuczną inteligencję do opracowywania spersonalizowanych planów zdrowotnych, które uwzględniają unikalne cechy pacjenta, historię zdrowia i styl życia, rozwijając w ten sposób medycynę prewencyjną. Generatywna sztuczna inteligencja będzie analizować obszerne dane pacjentów w celu zidentyfikowania indywidualnych czynników zdrowotnych, na które ma wpływ genetyka, wybory dotyczące stylu życia i warunki środowiskowe.

Ponadto generatywna sztuczna inteligencja może:

  • Rekomendować dostosowane schematy leczenia poprzez ocenę dużych zbiorów danych pacjentów w celu określenia optymalnych dawek leków.
  • Przewidywać możliwe działania niepożądane, unikalne dla każdej osoby.
  • Zapewnić dostosowaną do potrzeb pacjenta opiekę, w tym dostosowanie leków na podstawie informacji genetycznych i innych czynników.

W rezultacie zwiększa się zaangażowanie i upodmiotowienie pacjentów, ponieważ czują oni, że ich plan leczenia jest bardziej dostosowany do ich potrzeb. Po raz kolejny musimy jednak zaznaczyć, że takie narzędzia mają jeszcze ograniczone możliwości z prawnego punktu widzenia. Przygotowany przez AI plan ćwiczeń na siłowni to jedno, ale leki i terapie nadal muszą być zatwierdzone przez lekarza, który bierze za nie odpowiedzialność.

Transformacja cyfrowa ochrony zdrowia, branży medycznej i farmeceutycznej

Szybsze odkrywanie nowych leków

Przemysł farmaceutyczny również czerpie wiele korzyści ze sztucznej inteligencji. AI przyśpiesza odkrywanie leków poprzez generowanie nowych struktur molekularnych, zmianę przeznaczenia istniejących leków lub ulepszanie formuł już istniejących specyfików.

Ponadto, modele AI rewolucjonizują przemysł farmaceutyczny poprzez przewidywanie interakcji leków, pomoc w projektowaniu bezpieczniejszych i skuteczniejszych schematów leczenia oraz optymalizację badań klinicznych. Dzięki dokładnemu przewidywaniu reakcji pacjentów, określaniu optymalnych dawek i wybieraniu najlepszych kandydatów do badań, sztuczna inteligencja znacznie skraca czas potrzebny na wprowadzenie nowych leków na rynek. AI nie tylko przyśpiesza cały proces, ale także zwiększa bezpieczeństwo i skuteczność leków dostępnych dla pacjentów.

Lepsza komunikacja między pacjentem a lekarzem

Z pewnością wielu doświadczyło sytuacji, w której lekarz próbował objaśnić daną chorobę i przypadłość, używając skomplikowanych medycznych terminów. Trudno wówczas o skuteczne porozumienie czy zadanie odpowiednich pytań pogłębiających lekarzowi.

Sytuację tę można rozwiązać kładąc większy nacisk na efektywną komunikację w procesie kształcenia lekarzy. Jest to jednak działanie długofalowe a wsparciem tu i teraz może być generatywna sztuczna inteligencja.

  • Gen AI może pomóc lekarzowi dopasować wypowiedź i język do pacjenta. Jak wytłumaczyć małemu pacjentowi czym jest astygmatyzm? Albo jak opowiedzieć o schorzeniach hormonalnych dorosłemu, który nie ma o tym pojęcia? ChatGPT już dzisiaj potrafi wcielać się w role i tworzyć analogie odpowiednie dla zdefiniowanego odbiorcy. Jeśli dołożymy do tego nadzór lekarza, komunikacja na linii pacjent-lekarz może stać się dużo bardziej efektywna.
  • Tłumaczenie w czasie rzeczywistym w coraz bardziej różnorodnym kulturowo świecie to kolejny sposób na skuteczną komunikację między lekarzami a pacjentami. Rozwiązanie można zastosować podczas rozmów telefonicznych, na chacie oraz wideokonferencji.
  • Gen AI w healthcare może przy tym analizować mowę pod kątem tonu i nastroju. Dzięki wychwytywaniu pewnych niuansów oraz nastroju rozmowa może być bardziej efektywna i oparta na empatycznym porozumieniu.

Przykładem działania, które wykorzystuje AI do skutecznej komunikacji, jest projekt polskiego pielęgniarza Adriana Nowakowskiego, który przedstawił pomysł chatbota AI do nauki komunikacji ze starszymi pacjentami z demencją. Chatbot symuluje odpowiedzi osoby chorej na demencję, a rolą uczącego się jest przekonanie „chorego” do określonego działania, na przykład przyjęcia leków. Następnie, po zakończeniu rozmowy, chatbot udziela informacji zwrotnej i wskazuje obszary do poprawy.

Warto zapamiętać, że rozwiązania wykorzystujące Gen AI mogą pomóc pacjentom przed, w trakcie i po każdej wizycie lekarskiej. Często ze względów finansowych, placówki nie mogą pozwolić sobie na zatrudnienie tylu asystentów i asystentek medycznych, ile jest potrzebne. Gen AI może rozwiązać ten problem, odciążyć lekarzy, a także pomóc im efektywniej komunikować się z pacjentami.

Wsparcie w zadaniach administracyjnych

Pracownicy administracji sektora medycznego często są przeciążeni wieloma powtarzalnymi, manualnymi zadaniami. Personel często nie ma fizycznej możliwości, aby szybko obsłużyć wszystkich pacjentów, wykonać sprawnie całą masę ważnych zadań związanych z pacjentami i dokumentacją oraz rozwiązywać spontanicznie pojawiające się trudności.

Gen AI może wesprzeć i ten obszar pracy w branży zdrowotnej. Już teraz 36,8% placówek zajmujących się ambulatoryjnymi świadczeniami zdrowotnymi wykorzystuje narzędzia AI do obsługi pacjentów i można przewidywać, że ich liczba będzie stale rosła.   

Giganci technologiczni również inwestują w projekty związane z Gen AI dla sektora healthcare. Google Cloud rozwija usługę Vertex AI Search, potężnego silnika dostosowanego do szybkiego tworzenia wyszukiwarek opartych na generatywnej sztucznej inteligencji. Ostatnio dodane funkcje są szczególnie korzystne dla sektora opieki zdrowotnej: umożliwiają one prostsze wyszukiwanie i analizę dokumentacji pacjentów oraz danych dotyczących zdrowia z różnych źródeł.

Generowanie spersonalizowanych materiałów edukacyjnych dla pacjentów

Generatywna sztuczna inteligencja może nie tylko wytłumaczyć pacjentom skomplikowane zagadnienia w jasny i zrozumiały sposób. Innym ciekawym zastosowaniem Gen AI w medycynie może być tworzenie spersonalizowanych materiałów edukacyjnych i planów leczenia dopasowanych do stanu wiedzy pacjenta, język, kulturę i inne istotne informacje.

Dzięki dynamicznie dostosowywanym treściom edukacyjnym generatywna sztuczna inteligencja może adaptować się do zmieniającego się stanu zdrowia i poziomu jego wiedzy.

Inne korzyści płynące z wykorzystania generatywnej sztucznej inteligencji w edukacji zdrowotnej obejmują:

  • Aktualizacje materiałów edukacyjnych w czasie rzeczywistym w miarę pojawiania się nowych informacji
  • Interaktywne funkcje, które pozwalają pacjentom na zadawanie pytań i otrzymywanie odpowiedzi na nurtujące ich wątpliwości.
AI chatbot dla biznesu

Jak wdrożyć Gen AI w ochronie zdrowia?

Wdrożenie generatywnej sztucznej inteligencji w medycynie może stanowić nie lada wyzwanie. Placówki zajmujące się ochroną zdrowia stają przed szeregiem wyzwań związanych z bezpieczeństwem i jakością danych, kwestiami etycznymi, ale również sporym problemem związanym z edukacją pracowników ochrony zdrowia.

Dużą rolę odgrywać tu będą liderzy, którzy muszą poprowadzić ten proces transformacji cyfrowej i przygotować personel oraz całą organizację na wdrożenia kolejnych technologii w przyszłości.

Nie zapominajmy o ograniczeniach prawnych. Ustawodawstwo dotyczące AI dopiero się rozwija i jednym z jego przykładów jest przyjęty przez UE w marcu 2024 AI Act. Z pewnością konieczne będzie wdrożenie odpowiednich aktów prawnych związanych z medycznym wykorzystaniem AI na szerszą skalę.

Zapewnienie jakości i bezpieczeństwa danych

Przy wdrażaniu generatywnej sztucznej inteligencji w sektorze opieki zdrowotnej, nie można przecenić znaczenia jakości i bezpieczeństwa danych. Aby systemy oparte o AI mogły dostarczać dokładne i kontekstowo istotne wyniki, należy je zasilić danymi wysokiej jakości. Wszelkie nierozwiązane kwestie jakości danych, mogą z czasem prowadzić do błędnych wniosków. Rygorystyczne protokoły bezpieczeństwa w kontekście danych są niezbędne do zapewnienia ochrony wrażliwych informacji o pacjentach.

Aby zachować poufność danych pacjentów, należy skrupulatnie zaplanować i wdrożyć solidne środki ochrony prywatności i bezpieczeństwa. Obejmuje to strategiczne zarządzanie zarówno ustrukturyzowanymi, jak i nieustrukturyzowanymi danymi, kompleksowe zrozumienie źródeł tych danych oraz wdrożenie kontroli w celu prawidłowego wdrożenia i ochrony wrażliwych informacji.

Regularne audyty oraz techniki Explainable AI (XAI) mają kluczowe znaczenie dla wykrywania i łagodzenia wszelkich uprzedzeń algorytmów. Takie działanie stanowi podstawę bezpiecznego i niezawodnego wdrożenia generatywnej sztucznej inteligencji w opiece zdrowotnej, chroniąc integralność i poufność danych pacjentów.

Privacy by design w branży ochrony zdrowia

Spore wyzwanie stanowi konieczność anonimizacji wszelkich danych pacjentów. Ma to na celu zarówno ochronę danych przed wyciekiem, jak i zapewnienie, że tylko personel medyczny pacjenta ma dostęp do wrażliwych informacji. Taka anonimizacja musi nastąpić przed uzyskaniem dostępu do danych za pośrednictwem generatywnej sztucznej inteligencji.

Tylko w określonych przypadkach użycia sztucznej inteligencji, takich jak bezpośrednia interakcja z konkretnymi pacjentami, taki dostęp może być włączony, a nawet wtedy musi być ściśle monitorowany.

Szkolenie pracowników sektora medycznego

Aby skutecznie wdrożyć narzędzia generatywnej sztucznej inteligencji w branży healthcare, konieczna jest edukacja pracowników tego sektora – lekarzy, pielęgniarek, pracowników administracyjnych.

Rozmowy, które prowadzimy z przedstawicielami sektora branży medycznej, jasno pokazują, że sporym problemem jest opór części środowiska medycznego, strach, obawa i niezrozumienie narzędzi wykorzystujących sztuczną inteligencję.

Niezbędne są więc praktyczne szkolenia i pokazywanie możliwości i korzyści, jakie może przynieść pacjentom sztuczna inteligencja oraz jak można ją bezpiecznie włączyć do codziennej pracy. Personel musi wiedzieć, jak pracować z AI, jak wspierać doskonalenie algorytmów oraz jakie niepokojące sytuacje zgłaszać do osób technicznych odpowiedzialnych za rozwój systemów AI.

Jak widać, ciągła edukacja i podnoszenie kwalifikacji są niezbędne, aby personel medyczny mógł w przyszłości dostosować się do szybkiego postępu technologicznego, który ma pomóc w lepszej diagnostyce i dostępie do usług zdrowotnych.

Kwestie etyczne Gen AI w ochronie zdrowia

Chociaż generatywna sztuczna inteligencja ma ogromny potencjał w opiece zdrowotnej, nie można pomijać kwestii etycznych oraz potencjalnych zagrożeń. Liderzy opieki zdrowotnej muszą nadać priorytet odpowiedzialnemu i bezpiecznemu korzystaniu z technologii generatywnej sztucznej inteligencji. Konieczne jest dostosowanie się do ram etycznych w celu ochrony prywatności pacjentów, zapewnienia rzetelnych wyników klinicznych i poprawy obsługi pacjentów.

Ponadto, liderzy wdrażający Gen AI w ochronie zdrowia muszą zdawać sobie sprawę z obaw pacjentów. Badania prowadzone w USA pokazują, że 6 na 10 Amerykanów czuje się „niekomfortowo” z myślą, że ich dostawca opieki zdrowotnej korzystałby ze sztucznej inteligencji w celu diagnozowania schorzeń i tworzenia planów leczenia.

A zatem stosowanie Gen AI w medycynie musi uwzględnić proces edukacji i budowania zaufania również wśród pacjentów.

Prywatność danych i zgody

Zachowanie prywatności danych i świadoma zgoda pacjentów są kluczowe w przypadku wykorzystania generatywnej sztucznej inteligencji w opiece zdrowotnej. Szkolenie systemów AI odbywa się w tym przypadku na znacznych ilościach wrażliwych danych pacjentów, na szczęście możliwe jest też dodanie syntetycznych danych medycznych, aby rozszerzyć istniejące zbiory danych.

Przestrzeganie zasad ochrony danych, takich jak te określone w amerykańskiej ustawie HIPAA (Health Insurance Portability and Accountability Act), czy w ramach ogólnego rozporządzenia o ochronie danych (RODO) w UE, a także przepisów każdego kraju dotyczących danych medycznych, ma kluczowe znaczenie dla zachowania poufności pacjentów.

Z kolei dla pozyskania świadomej zgody pacjentów w erze sztucznej inteligencji w opiece zdrowotnej, konieczna jest przejrzysta komunikacja w zakresie korzystania z dokumentacji medycznej pacjenta, procedur diagnostycznych i protokołów leczenia. Tak więc, oprócz anonimizacji danych tam, gdzie to możliwe, pacjenci muszą być również w pełni powiadamiani o takich procesach, aby zbudować zaufanie w sektorze, gdzie prywatność ma wyjątkowe znaczenie.

Przeciwdziałanie stronniczym modelom AI w medycynie

Przeciwdziałanie stronniczości jest kolejnym kluczowym aspektem podczas korzystania z generatywnej sztucznej inteligencji w opiece zdrowotnej. Modele Gen AI muszą być zasilane zróżnicowanym zakresem wysokiej jakości i reprezentatywnych zbiorów danych, aby złagodzić stronniczość i zapewnić sprawiedliwe wyniki i zalecenia dla różnych grup pacjentów.

Tendencyjność algorytmów pozostaje istotnym zagrożeniem dla sztucznej inteligencji w opiece zdrowotnej, potencjalnie prowadząc do nierówności i niesprawiedliwego traktowania, jeśli dane szkoleniowe zawierają ukryte uprzedzenia. Współpraca między pracownikami służby zdrowia, etykami i naukowcami zajmującymi się danymi ma kluczowe znaczenie dla identyfikacji i minimalizacji źródeł stronniczości w generatywnej sztucznej inteligencji.

Poważne potraktowanie kwestii etycznych ma zapobiegać utrwalaniu nierówności społecznych przez algorytmy sztucznej inteligencji.

Przykłady Gen AI w medycynie

Coraz więcej firm eksperymentuje oraz wdraża generatywną sztuczną inteligencję w różnych obszarach swojej działalności.

Bayer Pharmaceuticals bada, w jaki sposób generatywne rozwiązania AI mogą usprawnić opracowywanie nowych produktów farmaceutycznych. Korzystając z Google Cloud’s Vertex AI i Med-PaLM 2, Bayer dąży do przyspieszenia procesów odkrywania leków, w tym dostępu do danych i ich korelacji, eksploracji danych badawczych pod kątem powiązań oraz automatyzacji zadań, takich jak opracowywanie komunikacji i tłumaczeń dotyczących badań klinicznych.

Innym interesującym przykładem sztucznej inteligencji w opiece zdrowotnej jest HCA Healthcare, współpracujący z Google Cloud w celu wykorzystania Gen AI do odciążenia lekarzy i pielęgniarek z prac administracyjnych. Rozwiązanie ma pomóc wyodrębnić informacje z rozmów między lekarzem a pacjentem w celu tworzenia notatek medycznych za pomocą aplikacji opracowanej przez Augmedix. Inicjatywa ta ma na celu uwolnienie czasu pracowników służby zdrowia poprzez automatyzację tworzenia notatek klinicznych i usprawnienie procesu przekazywania informacji o pacjentach między personelem medycznym.

Sztuczna inteligencja w medycynie - przykłady

Kolejnym przykładem zastosowania generatywnej sztucznej inteligencji w ochronie zdrowia jest AWS HealthScribe, rewolucyjna usługa, która pomaga twórcom oprogramowania dla sektora healthcare tworzenie aplikacji do notowania, transkrypcji i szczegółowej analizy interakcji między pacjentem a lekarzami.

To tylko kilka przykładów zastosowanie Gen AI w branży zdrowotnej. O tego typu projektach będziemy słyszeć w najbliższych miesiącach coraz więcej.

Przyszłość generatywnej sztucznej inteligencji w ochronie zdrowia

Generatywna sztuczna inteligencja i opieka zdrowotna stają się parą nierozłączną. Gen AI rewolucjonizuje diagnostykę, personalizuje plany leczenia i przyspiesza odkrywanie leków. Wdrożenie rozwiązań wykorzystujących AI w medycynie z pewnością wymaga przygotowania całej organizacji, przeszkolenia personelu oraz starannego rozważenia kwestii etycznych i potencjalnych zagrożeń.

Potencjał jest jednak ogromny, dlatego pacjenci powinni patrzeć z nadzieją na ten postęp. W końcu każdy z nas od czasu do czasu trafia do lekarza i zależy nam przede wszystkim na trafnej diagnozie, skutecznym leczeniu i zrozumieniu problemu zdrowotnego, z jakim się borykamy. To wszystko mogą wspierać systemy wykorzystujące generatywną sztuczną inteligencję, jeśli tylko sektor medyczny będzie otwarty, aby z takich rozwiązań korzystać.

Nasi eksperci
/ Dzielą się wiedzą

05.12.2024

Pricing Omnichannel 360° / Kompleksowe zarządzanie cenami dla maksymalizacji zysków

Digital Experience

W czasach dynamicznych zmian rynkowych i coraz bardziej wymagających konsumentów, pricing stał się jednym z najważniejszych narzędzi strategicznych w biznesie. Odpowiednie zarządzanie cenami pozwala firmom nie tylko reagować na zmieniające się warunki, ale także maksymalizować zyski i budować przewagę konkurencyjną. Kompleksowe podejście do...

19.11.2024

PIM + AI = Sukces / Optymalizacja systemów PIM z wykorzystaniem sztucznej inteligencji

AI

W dzisiejszym dynamicznie zmieniającym się świecie biznesu zarządzanie informacjami produktowymi stało się jednym z kluczowych wyzwań, szczególnie dla firm działających na wielu rynkach. Choć o sztucznej inteligencji mówi się coraz więcej, wiele dostępnych materiałów dotyczy głównie teorii lub odległej przyszłości. My idziemy o krok...

Ilustracja przedstawiająca robota reprezentującego sztuczną inteligencję, otoczonego symbolami wyzwań i błędów w sztucznej inteligencji. Obraz zawiera pomarańczowy mózg, zepsutą żarówkę i cyfrowe piksele, symbolizujące dane i zagrożenia etyczne związane z awariami sztucznej inteligencji
30.10.2024

Wpadki AI / Gdy sztuczna inteligencja wymyka się spod kontroli

AI

Sztuczna inteligencja rewolucjonizuje wszystkie branże, oferując naprawdę imponujące możliwości w zakresie wydajności, szybkości i innowacyjności. Jednak w miarę jak systemy AI stają się coraz bardziej zintegrowane z procesami biznesowymi, staje się oczywiste, że narzędzia te nie są również pozbawione wad. Od małych błędów po poważne...

Ekspercka wiedza
dla Twojego biznesu

Jak widać, przez lata zdobyliśmy ogromną wiedzę - i uwielbiamy się nią dzielić! Porozmawiajmy o tym, jak możemy Ci pomóc.

Napisz do nas

<dialogue.opened>