Sztuczna inteligencja w medycynie / Przykłady
Po 3 latach poszukiwań i wizyt u kilkunastu lekarzy sfrustrowana matka zwraca się w końcu do ChataGPT, aby znaleźć przyczynę bólu u swojego dziecka. Kobieta wprowadza informacje na temat stanu zdrowia chłopca oraz dodaje dane z wyników badań. ChatGPT sugeruje rzadkie schorzenie neurologiczne – zespół zakotwiczenia rdzenia kręgowego. Lekarz potwierdza tę diagnozę.
Dla jednych wiadomość przerażająca, dla innych ekscytująca. Czy taka będzie przyszłość ochrony zdrowia wspieranej sztuczną inteligencją? Jakie są perspektywy rozwoju AI w medycynie?
Ochrona zdrowia przechodzi cyfrową transformację
Powyższa historia, choć prawdziwa to tylko jeden z wielu aspektów rewolucji technologicznej, jaka dotyka cały sektor zdrowia. Branża medyczna już teraz przechodzi cyfrową transformację i wdraża różne rozwiązania, które mają usprawnić procesy i jeszcze lepiej diagnozować pacjentów. Ewolucja ta wiąże się ze stale rozwijającym się światem online oraz zmieniającymi się oczekiwaniami pacjentów. Elektroniczna dokumentacja medyczna, telemedycyna, a nawet platformy e-commerce stają się coraz powszechniejsze wśród firm z sektora medycznego. Pacjenci chętnie korzystają z udogodnień, jakie niosą nowoczesne technologie w medycynie. Mniej więcej 40% pacjentów chce wciąż korzystać z telemedycyny od czasów pandemicznych.
Cyfryzacja w ochronie zdrowia jest faktem, ale przed nami jest znacznie więcej! Nowoczesna medycyna coraz śmielej sięga po rozwiązania wykorzystujące sztuczną inteligencję i inne zaawansowane technologie. Za chwilę pokażemy Wam ostatnie najciekawsze przykłady zastosowania sztucznej inteligencji w naukach medycznych.
Szybsze sekwencjonowanie DNA i analiza genomów różnych grup etnicznych
Rozwój AI w medycynie umożliwia coraz szybsze i dokładniejsze sekwencjonowanie DNA oraz analizę genomów. Surowe dane pochodzące z sekwencji genomu jednej osoby mają rozmiar około 100 terabajtów. Analiza takiej ilości danych dzięki wykorzystaniu sztucznej inteligencji jest nawet 80-100 razy szybsza od analizy robionej przez człowieka.
Coraz bardziej dostępna sztuczna inteligencja w medycynie inspiruje naukowców do prowadzenia nowych projektów w obszarze badań genetycznych. Jednym z najnowszych zapowiadanych projektów jest inicjatywa, która ma na celu sekwencjonowanie genomów pół miliona osób pochodzenia afrykańskiego, aby rozwiązać problem niedostatecznej reprezentacji (0,5% na świecie) tej grupy w badaniach genetycznych.
Brak reprezentacji oznacza, że mutacje powodujące choroby unikalne dla Afrykanów są po prostu nieznane. A narzędzia do przewidywania ryzyka choroby lub leczenia pacjentów, które zostały opracowane na podstawie danych pochodzących od osób pochodzenia europejskiego, mogą nie działać tak dobrze u pacjentów z afrykańskim pochodzeniem.
Diagnoza z AI
Jeszcze niedawno diagnoza z wykorzystaniem sztucznej inteligencji pozostawała domeną literackich czy filmowych fantazji. Dzisiaj jednak mówimy o rzeczywistości, w której nowoczesne technologie w medycynie dają lekarzom realne wsparcie diagnostyczne.
Diagnozowanie się na własną rękę z „doktorem Google” jest niezwykle popularne (choć nie zawsze rozsądne) i chociaż można znaleźć wiele wartościowych informacji na temat różnych chorób w internecie, nic nie zastąpi ekspertyzy lekarza. Ta ekspertyza i samodiagnoza zaczynają już być wspierane dzięki zastosowaniu AI w medycynie.
Jednym z przykładów jest samodiagnoza wad wzroku, takich jak krótkowzroczność, nadwzroczność czy astygmatyzm. Visibly jest przykładem organizacji, która przeprowadza takie testy online oraz posiada aprobatę amerykańskiej Agencji Żywności i Leków (FDA). Plusem samodzielnie przeprowadzonego testu jest z pewnością wygoda, szybkość i dostęp dla osób, które nie mają w pobliżu lekarza okulisty. Jednak jak podkreślają eksperci, takie testy należy traktować jako dodatek czy wstępną ocenę kondycji wzroku. Nie zastąpią one profesjonalnego badania wzroku w gabinecie lekarskim i nie wykryją innych potencjalnych chorób oczu.
Innym przykładem z zakresu AI w medycynie są chatboty oparte na LLM (large language models), które mogą być ogromnym wsparciem w diagnostyce. Jeden z przykładów już podaliśmy – kobieta zdiagnozowała z ChatemGPT rzadką chorobę u syna, czego nie było w stanie zrobić kilkunastu lekarzy różnych specjalizacji. Chatboty wykorzystujące AI wyglądają obiecująco w kontekście branży medycznej, ale nie można zapominać o kwestii prywatności pacjentów, bezpieczeństwa danych czy zasadzie ograniczonego zaufania do wyników prezentowanych przez chatbot.
Innych przykładów zastosowania sztucznej inteligencji w diagnostyce jest więcej: odczytywanie zdjęć medycznych, wykrywanie raka, wad serca czy udaru i innych anomalii trudnych do wykrycia ludzkim okiem.
Ten obszar stale się rozwija i niesie obietnicę jeszcze lepszego diagnozowania pacjentów. Oczywiście w tym momencie to lekarz podejmuje ostateczną decyzję o diagnozie i przepisaniu odpowiedniej terapii i pewnie niezbyt prędko ulegnie to zmianie.
Optymalizacja łańcucha dostaw w branży medycznej dzięki AI
Eksperci uważają, że sztuczna inteligencja może sprostać niektórym wyzwaniom w łańcuchu dostaw opieki zdrowotnej, w tym prognozowaniu popytu, zarządzaniu zapasami i optymalizacją dystrybucji.
Sztuczna inteligencja może również analizować ogromną ilość danych w celu dokładniejszego przewidywania popytu, pomagając tym samym dostawcom opieki zdrowotnej w utrzymaniu optymalnych poziomów zapasów i ograniczeniu marnowania leków. Wykorzystanie AI pozwala łatwiej adaptować łańcuchy dostaw w sytuacji nieprzewidzianych zdarzeń, na przykład epidemie, kiedy wzrasta zapotrzebowanie na określone leki i produkty medyczne.
Aby takie systemy zadziałały, konieczna jest jednak współpraca między dostawcami technologii, instytucjami ochrony zdrowia oraz ekspertami zajmującymi się łańcuchem dostaw. Wtedy będzie można mieć pewność, że rozwiązania te będą dostosowane do unikalnych potrzeb branży medycznej.
Roboty do zaawansowanych operacji oraz… teleoperacji.
Rozwój medycyny i procedur chirurgicznych stale zwiększa złożoność operacji. Zaawansowana robotyka w chirurgii może potencjalnie wyeliminować zagrożenie, jakie niosą mimowolne ruchy rąk chirurgów podczas wymagających ogromnej precyzji operacji. Szczególnym wyzwaniem jest na przykład zszywanie tkanek.
Dr Alan Kuntz i współpracownicy z University of Utah postanowili wypełnić tę lukę i zaprezentowali autonomicznego robota medycznego, który może precyzyjnie prowadzić igłę przez żywą tkankę. Ich robot poruszał się po płucu świni bez powodowania uszkodzeń. Wykorzystywał do tego wysoce elastyczną, sterowaną laserowo igłę. Podczas gdy większość igieł jest sztywna, igła z robota Dr Kuntza jest idealna do pokonywania zakrzywionych ścieżek, typowych w warunkach chirurgicznych. Minimalizuje to ryzyko uszkodzenia pobliskich tkanek.
Innym obszarem, w którym trwają testy, są teleoperacje. W październiku 2023 naukowcy z Japonii i Singapuru z sukcesem przetestowali taką możliwość. Zespół chirurgiczny z Singapuru zdalnie przeprowadził zabieg gastrektomii na symulowanym żołądku, który znajdował się zrobotyzowanej sali operacyjnej w Japonii. Odległość wynosiła ponad 5000 km, mimo tego procedura zakończyła się sukcesem. Rozwój takiej technologii rodzi wiele ciekawych możliwości na przyszłość, ale również i pytań natury etycznej i prawnej.
Urządzenia ubieralne nowej generacji
Urządzenia ubieralne monitorujące różne parametry zdrowotne pomagają lekarzom i przewlekle chorym pacjentom.
Przykładem jest firma Pfizer, który rozwija przydatne narzędzia i technologie pod parasolem Pfizer Digital Companion. Pomagają one lekarzom w prowadzeniu pacjentów z różnymi jednostkami chorobowymi, na przykład z atopowym zapaleniem skóry. Urządzenie ubieralne od Pfizer śledzi w czasie rzeczywistym częstotliwość drapania się pacjentów, dzięki czemu nie muszą oni samodzielnie zapisywać i zbierać tych informacji. Dzięki takiemu urządzeniu stan zdrowia pacjenta oraz symptomy mogą być monitorowanie również w czasie snu.
Innym przykładem jest opracowana w Japonii e3-skin – urządzenie przypominające skórę, którą można łatwo umieścić na ciele. System mierzy istotne parametry organizmu dzięki wykorzystaniu czujników biochemicznych, które umożliwiają zbieranie danych na poziomie molekularnym. W połączeniu z czujnikami biofizycznymi system może dostarczać bardziej kompleksowych informacji na temat zdrowia danej osoby. Informacje są następnie przetwarzane i analizowane przez algorytmy machine learning, które dostarczają różnych predykcji na temat stanu zdrowia osoby.
Platformy wykorzystujące AI do upraszczania procesów
Najwięksi dostawcy rozwiązań chmurowych uruchamiają rozwiązania wykorzystujące sztuczną inteligencję dla branży medycznej.
Google Cloud rozwija na przykład Vertex AI Search, czyli silnik, który umożliwia organizacjom szybkie tworzenie wyszukiwarek opartych na generatywnej sztucznej inteligencji. Ostatnie aktualizacje tego narzędzia oferują nowe funkcje przeznaczone właśnie dla branży medycznej, aby łatwiej przeszukiwać dane zdrowotne pacjenta z różnych źródeł i wyciągać z nich wnioski.
AWS z kolei uruchomił usługę AWS HealthScribe, która umożliwia dostawcom oprogramowania dla służby w ochronie zdrowia tworzenie aplikacji, które ułatwiają tworzenie notatek, transkrypcji i analizę rozmów między pacjentem a lekarzem. Przykładowo, system może opracować notatkę na podstawie rozmowy lekarza z pacjentem – wyróżnić powód wizyty, zawrzeć historię choroby, zalecenia dla pacjenta. Lekarz może następnie sprawdzić notatkę przed umieszczeniem jej w elektronicznym systemie dokumentacji medycznej.
Odkrycia nowych leków
Sztuczna inteligencja w medycynie wchodzi również w obszar odkryć nowych leków. Uczenie maszynowe jest wprawdzie obecne w informatyce chemicznej od lat. Początkowo machine learning wykorzystywano głównie do wsparcia badań naukowych w zakresie przewidywania potencjalnych kandydatów na leki. Dzisiaj jeszcze bardziej zaawansowane algorytmy rozwijają nowe leki kierunkowe czy pomagają znaleźć nowe drogi syntezy chemicznej.
Ta zaawansowana technologia medyczna wspiera odkrywanie nowych antybiotyków, co jest dzisiaj niezwykle istotne, ze względu na coraz większą liczbę lekoopornych bakterii. Zidentyfikowanie nawet jednego obiecującego kandydata na antybiotyk, wymaga analizy setek cząsteczek, co bez narzędzi automatyzujących jest niezwykle czasochłonne. Zdolność do obliczeniowego przewidywania właściwości i aktywności nowych cząsteczek za pomocą sztucznej inteligencji może jednak zaoszczędzić naukowcom czas, pieniądze i zasoby, które w przeciwnym razie zostałyby zmarnowane na testowanie związków, które okazałyby się mieć niewielką lub żadną wartość.
Efekty tych działań przynoszą rezultaty. Już w 2020 roku badacze z MIT (Massachusetts Institute of Technology) odkryli nowe silne antybiotyki, które być może będą rozwiązaniem problemów powodowanych najbardziej problematycznymi bakteriami.
Przewidywanie epidemii
Naukowcy eksperymentują z różnymi modelami, aby przewidywać rozprzestrzenianie się chorób. Jest to nowa dziedzina, która dopiero się rozwija, ale dotychczasowe wyniki wyglądają obiecująco i w przyszłości mogą powstawać jeszcze dokładniejsze modele.
Ciekawym przykładem jest model do przewidywania rozprzestrzeniania się grypy, m.in. na podstawie zapytań powiązanych z tą chorobą w wyszukiwarce Google. Dla większej dokładności model wykorzystuje również dane z przychodni oraz dane pogodowe. Takie przewidywania mogą być niezwykle pomocne dla sektora medycznego – przychodnie przygotują się na większe „oblężenie” pacjentów, a apteki odpowiednio dostosują zamówienia leków.
Digital Twin, czyli cyfrowy pacjent-bliźniak
Koncepcja Digital Twin polega na wirtualnym odzwierciedleniu fizycznych obiektów, procesów czy systemów, aby prowadzić na nich symulacje, przed rzeczywistym stworzeniem lub wdrożeniem właściwego rozwiązania.
Technologia Digital Twin w przypadku branży zdrowotnej może pomóc zrealizować wizję personalizowanej medycyny i dopasowanego leczenia. Digital Twin umożliwia symulowanie efektów np. dawkowania leków przed faktycznym leczeniem i pomaga stwierdzić, czy dana terapia będzie odpowiednia dla danego pacjenta.
Wyobraźmy sobie na przykład wirtualny model układu krążenia człowieka, który jest kalibrowany dla każdego pacjenta, aby przewidzieć potencjalne powikłania po operacji. Albo Digital Twin, który umożliwia spersonalizowanie terapii pompą insulinową. Albo skany serca, które są następnie przekształcone w Digital Twin, aby umożliwić dobranie jak najlepszej metody leczenia dla pacjenta. W takich rozwiązaniach tkwi ogromny potencjał dla jeszcze lepszego podejmowania decyzji przez lekarzy.
Sztuczna inteligencja w medycynie już pomaga pacjentom
To tylko niewielka selekcja ostatnich innowacji, które są wspierane przez nowe technologie w medycynie. Sztuczna inteligencja w placówkach ochrony zdrowia wykorzystująca dane z urządzeń medycznych i oferująca wskazówki terapeutyczne staje się faktem. Coś, co do niedawna brzmiało jak historia z powieści science fiction, staje się faktem. Sztuczna inteligencja umożliwia coraz większej liczbie pacjentów na całym świecie lepsze i bardziej dopasowane leczenie. Wszystko wskazuje na to, że rozwój sztucznej inteligencji w ochronie zdrowia będzie stale postępować i ułatwiać pracę lekarzy. Pozostaje mieć nadzieję, że wszyscy pacjenci, lekarze, firmy farmaceutyczne oraz instytucje ochrony zdrowia skorzystają z dobrodziejstw AI w medycynie.
