Brakuje ram prawnych dla narzędzi dotyczących ochrony zdrowia opartych na sztucznej. Przepisy powinny zapewnić bezpieczeństwo stosowania AI, a także uregulować zasady ich finansowania. W przeciwnym razie narzędzia AI mogą pozostać niszowymi produktami dla pasjonatów, podczas gdy ich celem winno być między innymi niwelowanie nierówności w zdrowiu.
Podłożem rozwoju sztucznej inteligencji w obszarze opieki zdrowotnej są dane medyczne, udostępniane po odpowiedniej anonimizacji. Wdrażanie narzędzi AI musi być poprzedzone opracowaniem ram prawnych oraz systemu finansowania – to główny wniosek z debaty ekspertów “Sztuczna inteligencja w opiece zdrowotnej – realne zastosowania i bariery wdrożeń” w czasie Kongresu Zdrowia Polaków.
Na początku debaty prof. Andrzej Czyżewski (kierownik Katedry Systemów Multimedialnych Politechniki Gdańskiej) zademonstrował tworzenie aplikacji opartych na dużych modelach językowych (LLM) sztucznej inteligencji, służących m.in. analizie danych audiometrycznych. Umożliwiają one analizę i opis 5 tys. badań audiometrycznych w ciągu 20 sekund, podczas gdy człowiekowi zajęłoby to kilka miesięcy. “Za progiem są możliwości sztucznej inteligencji, które znacznie przekraczają to, co się stało w 2022 roku, kiedy pojawiły się wielkie modele językowe i wszyscy zaczęli z nich korzystać. Szykuje się jeszcze większa rewolucja w naszej codziennej pracy” – mówił prof. Czyżewski. Podkreślił, że barierą jest dostęp do danych, a bez nich systemy AI nie mogą się rozwijać. Dane medyczne w Polsce są trudno dostępne i nie są anominizowane we właściwy sposób.
Nikoletta Buczek z Centrum Innowacji i Sztucznej Inteligencji w Instytucie Matki i Dziecka powiedziała, że nowe rozwiązania AI dotyczące ochrony zdrowia są łatwiejsze we wdrażaniu, jeśli wychodzą od osób mających praktyczną wiedzę z danego obszaru. Z drugiej strony eksperci, którzy opracowują takie narzędzia zwykle nie mają doświadczenia biznesowego, dlatego potrzebują wsparcia w ich komercjalizacji. Wielu naukowców nie przechodzi etapu certyfikacji swoich produktów. Stąd konieczna jest edukacja i współpraca zainteresowanych stron, tak aby nowe rozwiązania mogły być wdrażane i wspierać diagnostykę lub leczenie pacjentów. Odrębną, bardzo ważną kwestią jest to, aby były one jak najwyższej jakości.
Doktor Wiesław Wiktor Jędrzejczak, kierownik Zakładu Audiologii Eksperymentalnej w Instytucie Fizjologii i Patologii Słuchu zaznaczył, że choć systemy oparte o wielkie modele językowe dają wiele możliwości, mają również ograniczenia, o których trzeba pamiętać. Dlatego ocenił, że “minie jeszcze trochę czasu, zanim będzie można z nich częściej korzystać w codziennym funkcjonowaniu opieki zdrowotnej”. Pierwszą barierę stanowi wciąż występująca losowość odpowiedzi, co widać po różnych odpowiedziach na to samo pytanie. Drugim problemem są tzw. halucynacje sztucznej inteligencji – “Te systemy starają się zawsze dać odpowiedź i w związku z tym, jeśli nie zawsze tę odpowiedź znają – to ją wymyślają”. Trzecią kwestią są obawy związane z faktem, że większość systemów stosowanych w placówkach medycznych dostarczają duże firmy zewnętrzne, często pochodzące spoza naszego kraju czy nawet spoza UE. Tu wciąż nie ma pewności co do bezpieczeństwa danych. Dlatego ważne jest rozwój wiedzy i świadomości specjalistów pracujących z AI, którzy korzystając z pomocy sztucznej inteligencji będą – w razie potrzeby – umieli w porę rozpoznać pojawiające się niebezpieczeństwa.
Sztuczna inteligencja “to nie jest panaceum na wszystko” – zaznaczył prof. Ryszard Tadeusiewicz z Akademii Górniczo-Hutniczej, który jako jeden z pierwszych naukowców w Polsce zajął się tematyką sztucznej inteligencji. Przypomniał, że ze wsparcia AI można korzystać w analizie obrazów medycznych i innych sygnałów np. w audiologii. Z powodzeniem działają oparte na AI systemy wspomagania decyzji klinicznych czy przy trialu. Wielkim wsparciem jest również uzyskana dzięki niej automatyzacja procesów administracyjnych i pracy z dokumentacją medyczną. Może być pomocna przy opracowywaniu nowych leków. Jeżeli chodzi o obszary, gdzie AI zawiodła pokładane w niej nadzieje – to profesor Tadeusiewicz wskazał przede wszystkim brak pełnej personalizacji terapii w oparciu o różne dane uzyskane o pacjencie. Ale jednocześnie – jak dodał – rozwój AI nie ma ograniczeń, gdyż polega na ciągłym doskonaleniu.
“Na pewno zawsze innowacja jest inkubowana na dole, ale nie ma wątpliwości, że dynamika wdrażania innowacji w danym kraju czy też w danym sektorze, będzie zależała w dużej mierze od tego, jak sprzyjające warunki stworzy do tego regulator” – mówiła dr Małgorzata Gałązka-Sobotka, dziekan Centrum Kształcenia Podyplomowego oraz dyrektor Instytutu Zarządzania w Ochronie Zdrowia Uczelni Łazarskiego. Zwróciła uwagę na konieczność tworzenia ram prawnych, które będą nadążać za wkraczaniem sztucznej inteligencji w różne działania systemu ochrony zdrowia – “Na poziomie międzynarodowego przeglądu widzimy wyraźnie, że prawdziwymi innowatorami są świadczeniodawcy, klinicyści, szpitale, placówki medyczne. Rzadko kiedy na daną sferę życia społecznego czy gospodarczego wpływa pojedynczy polityk czy minister. On oczywiście w pewnym momencie jest nam bardzo potrzebny do tego, aby na poziomie państwa tworzyć regulacje prawne. Aby prawo nadążyło za tą praktyką, którą stymulujemy w swoich oddolnych środowiskach życia, w swoich oddolnych środowiskach pracy”. Jak dodała, często jednak po wprowadzeniu nowego narzędzia okazuje się, że system finansowania nie jest na nie gotowy – “Często głównym czynnikiem blokującym te technologie są tak zwane produkty rozliczeniowe Narodowego Funduszu Zdrowia”. Ta blokada powstrzymuje “zwykłych” medyków przed sięganiem po nowe technologie, tak że korzystają z nich tylko pasjonaci. Tymczasem głównym zadaniem AI w systemie ochrony zdrowia powinna być walka z nierównościami w zdrowiu. To na razie się nie udaje. “Uzysk zdrowotnych mierzony zdrowiem populacji uzyskamy wtedy, kiedy technologia staje się narzędziem powszechnego wykorzystania. Technologia ma demokratyzować prawo do życia w zdrowiu” – podsumowała dr Gałązka-Sobotka..
