„Pociąg sztucznej inteligencji w Europie nie odjechał – stoi na peronie, ale musimy do niego wsiąść, zanim będzie za późno” – stwierdziła wiceprezes AOTMiT dr Anna Kowalczuk podczas debaty o AI na Forum Rynku Zdrowia. Uczestnicy dyskusji dzielili się doświadczeniami z AI w swoich placówkach.
AOTMiT przygotowuje wytyczne do oceny technologii AI, zawierające między innymi krótszy cykl oceny dopasowany do dynamiki rozwoju tych rozwiązań. Zdaniem dr hab. Anny Kowalczuk, zastępcy prezesa Agencji Oceny Technologii Medycznych i Taryfikacji, nie można przenosić klasycznych, długotrwałych procedur oceny leków na technologie cyfrowe. Na razie nie ma takiego państwa, które by w pełni opracowało wytyczne oceny technologii i algorytmów AI. „Jesteśmy tuż-tuż od momentu, kiedy sztuczna inteligencja będzie nas wspierała w analizach weryfikacyjnych, czyli w wykonaniu HTA, bo oczywiście teraz nas wspiera, ale jakby obok – w organizacji, automatyzacji. W AOTMiT sztuczna inteligencja jest obecna w pewnym zakresie, natomiast nie możemy jeszcze powiedzieć, że zamykamy oczy i włączamy algorytmy do przerobienia dużej ilości danych, do przeglądów systematycznych, no bo ten moment jeszcze nie nadszedł” – powiedziała wiceprezes Kowalczuk.
Agencja opublikowała niedawno raport dotyczący oceny cyfrowych technologii medycznych. Zawiera on propozycje zmian w modelu taryfikacji, który uwzględniłby m.in. krótki cykl życia rozwiązań AI. W przypadku rozwiązań opartych na AI pod uwagę trzeba wziąć wysokie koszty wdrożenia, koszty uczenia algorytmów na danych lokalnych i testowania ich w realnych warunkach klinicznych. O ile koszty wdrażania AI są widoczne natychmiast, o tyle benefity pojawią się po jakimś czasie. Najszybciej skorzystają pacjenci, dopiero później placówki zdrowia i cały system – wskazywała wiceprezes AOTMiT.
Sztuczna inteligencja już wspiera radiologię i diagnostykę obrazową skracając czas badań i poprawiając ich jakość. „Stosując AI jesteśmy w stanie skrócić czas wykonywania badania rezonansu magnetycznego z 20 do 12 minut, czyli zdiagnozować większą liczbę pacjentów. Skracając czasu trwania badania zwiększamy bezpieczeństwo pacjenta w oczywisty sposób, redukując ekspozycję na napromieniowanie, a w przypadku badań PET-CT podając mniejszą ilość znacznika promieniotwórczego” – przypomniał dr Daniel Kaźmierczak, prezes Diagnostyka-Teleradiologia24.
Prezes Kaźmierczak dodał, że Teleradiologia24 jako podmiot teleradiologiczny idzie o krok dalej – „Stworzyliśmy przestrzeń technologiczną i teleinformatyczną stanowiącą hub, w którym możemy – i już to robimy – testować oraz walidować różne rozwiązania AI, wdrażając je w czterech kategoriach. Są to modele wspomagające raportowanie radiologiczne, odnoszące się do triażowania pacjentów, służące do segmentacji badań, wreszcie do detekcji patologii w konkretnych badaniach radiologicznych, co przyspiesza rozpoczęcie leczenia”. Dr Kaźmierczak podkreślił, że AI ma ogromny potencjał w teleradiologii, gdzie może wspomagać pracę zespołów w szpitalach powiatowych, a także przyspieszać procesy decyzyjne na SOR. AI zapewnia lepszą efektywność i szybszą diagnostykę, ale musi iść w parze z odpowiednimi rozwiązaniami systemowymi – zarówno finansowymi jak i prawnymi – „Nie możemy jedną ręką przyspieszać diagnostyki, a drugą ograniczać dostępu do niej przez spadek finansowania”.
Technologia musi być opłacalna, inaczej nikt jej nie wdroży. Brak refundacji czy brak krajowego funduszu inwestycyjnego zniechęca inwestorów i powoduje, że obiecujące polskie startupy medyczne szukają możliwości rozwoju za granicą. „Odnoszę wrażenie, że w Polsce mamy więcej konferencji o AI niż realnych projektów komercyjnych. Wszyscy chcą testować, ale nikt nie chce za to płacić” – stwierdził Rafał Dunal, dyrektor ds. rozwoju biznesu w obszarze IT Grupy Synektik. Dodał, że w większości przypadków stosowanie rozwiązań AI nie wymaga zakupu kosztownej licencji, a jedynie stałej opłaty miesięcznej lub opłaty za badanie – „Nie trzeba kupować licencji za 2 mln zł. Można podpisać umowę z kwotą kilku tysięcy złotych opłaty miesięcznej, a w przypadku badań radiologicznych od kilku do kilkunastu złotych za jedno badanie w zależności od tego, czy to jest CT, czy rentgen klatki piersiowej”. Dyrektor Dunal wyraził też opinię, że darmowe narzędzia są przeważnie niedoceniane. Dopiero kiedy placówki zaczną płacić za konkretne rozwiązania, zaczną też bardziej świadomie z nich korzystać.
Istnieją już szpitale w Polsce, które świadomie i efektywnie korzystają z AI, ale jest ich niewiele, w dodatku część prowadzi tylko projekty pilotażowe. W Wojskowym Instytucie Medycznym sztuczna inteligencja wspiera logistykę szpitalną, np. prognozuje liczbę pacjentów na SOR-ze, wspomaga również podejmowanie decyzji klinicznych. „Pracujemy nad narzędziem AI służącym do monitorowania pacjentów hospitalizowanych w WIM w celu prognozowania ryzyka rozwoju zakażeń szpitalnych. Jest to spore wyzwanie, zwłaszcza jeśli chodzi o dane, ale idzie nam dobrze. Wykorzystujemy ją m.in. w projekcie monitorowania pacjentów z niewydolnością serca oraz analizie obrazów RTG. Kolejnym przedsięwzięciem jest analiza obrazów RTG w kontekście oceny zmian według skali RESIST. Pokłosiem tego przedsięwzięcia jest analiza populacji pediatrycznej i ocena struktur zatok przynosowych pod względem nieprawidłowości. Możemy odrzucić tych pacjentów, u których zmian nie ma, co pozwala na zaoszczędzenie czasu pracy radiologów. Jeśli chodzi o prognozowanie liczby pacjentów na SOR, udało nam się osiągnąć relatywnie dobre wyniki przewidywań na dzień do przodu, ale to nie jest zadowalające z punktu widzenia kierownictwa SOR. Wydaje mi się, że jeden dzień do przodu jeszcze nie pozwoli na lepszą lokację zasobów, ale to kwestia skali ilości danych” – tłumaczył Jakub Olędzki, kierownik Regionalnego Centrum Medycyny Cyfrowej WIM. Przyznał przy tym, że wiele z tych rozwiązań działa na razie w formie pilotażu, bez pełnej certyfikacji CE. To ogranicza możliwość komercjalizacji i upowszechnienia efektów w innych szpitalach.
Przedstawiciel WIM podkreślił, że nie chodzi o to, by sztuczna inteligencja podejmowała dawała rekomendacje kliniczne – one leżą w gestii lekarzy – „Na tę chwilę , jeśli chodzi o rozwój technologii AI, jestem zwolennikiem optymalizacji choćby pod kątem logistyki zarządzania, a nie decyzji klinicznych – od tego mamy bardzo dobrych lekarzy. Chcemy im dostarczyć informacje, by sami sobie wyciągali wnioski, zamiast dostarczać im gotowych. Tego nie potrzebują”. Jakub Olędzki zauważył, że choć AI generuje koszty, pozwala lepiej wykorzystywać istniejące zasoby kadrowe i infrastrukturalne. To niezwykle ważne w sytuacji ograniczonego finansowania i niedoborów kadrowych.
Z kolei Karolina Tądel, kierownik Działu Zarządzania Danymi w Instytucie Matki i Dziecka, zwróciła uwagę, że sztuczna inteligencja nie istnieje bez danych. A w Polsce mamy problemem nie tylko z dostępność technologii, ale rozproszeniem i jakością danych, które powinny je zasilać. Dodała, że w IMiD stworzony został dział zarządzania danymi dla AI – pierwszy taki w publicznym szpitalu w Polsce – który zajmuje się przygotowaniem i standaryzacją danych dla wdrażanych projektów z zakresu sztucznej inteligencji. „My w Instytucie Matki i Dziecka otwieramy się teraz na tzw. agentów AI, którzy są element automatyzacji i wspierania czynności często wykonywanych manualnie, jak analizy standardów jakości czy przypadków hospitalizacji. Sprawdzamy na ile agenci AI są w stanie nam pomóc w wychwytywaniu pewnych zdarzeń, których dotąd nie widzieliśmy albo nie mieliśmy możliwości i zasobów, żeby spojrzeć tak daleko wstecz i wyłapać pewne trendy” – powiedziała Karolina Tądel.
Lekarze i pacjenci potrzebują edukacji o AI, bo technologia budzi obawy i bywa niezrozumiała. Naczelna Izba Lekarska prowadzi szkolenia z komunikacji i praktycznego wdrażania sztucznej inteligencji. Małgorzata Wywrot, która w NIL odpowiada za Sieć Lekarzy Innowatorów, koordynując działania społeczności i inicjatywy wspierające lekarzy wdrażających nowoczesne rozwiązania w medycynie, przypomniała, że kodeks etyki lekarskiej mówi jasno, że lekarz/lekarka mogą korzystać z rozwiązań sztucznej inteligencji, dostosowując ją odpowiednio do danego pacjenta i oczywiście informując go o jej zastosowaniu. I tu pojawiają się problemy, bo lekarze często nie wiedzą, jak o tym poinformować skutecznie i w rozumiały sposób.
„Tłumaczcie pacjentom, o co chodzi w tej sztucznej inteligencji, jasnym i klarownym językiem, bo w 95 proc. przypadków lekarze zwracają się do swoich pacjentów tak, że oni nie wiedzą, o co chodzi” – apelowała do medyków Małgorzata Wywrot. I dodała – „Jako NIL prowadzimy różnego rodzaju szkolenia, bezpłatne, za punkty edukacyjne, bo wiemy, że ma to znaczenie, nie tylko dla lekarzy, ale generalnie dla wszystkich osób zainteresowanych światem innowacji w medycynie, m.in. o tym, jak rozmawiać z pacjentem na temat innowacji, jak wprowadzać AI do swojego gabinetu, jak ją wykorzystywać na co dzień. Lekarze nadal nie wiedzą, z jakich rozwiązań mogą korzystać, z jakich aplikacji, o czym dokładnie muszą mówić pacjentowi, bardzo często jest im się wstyd przyznać do tego, że brakuje im wiedzy, wstydzą się pójść do swojego przełożonego i powiedzieć mu wprost o tym.”
Małgorzata Wywrot zwróciła też uwagę na potrzebę systemowego włączenia edukacji na temat AI do programów specjalizacji lekarskich. Wielu młodych lekarzy kończy obecnie studia, a nawet specjalizację, nie mając żadnej wiedzy o tym, jakie narzędzia AI są dostępne i jak z nich należy korzystać – „W mojej pracy dydaktycznej mam kontakt z lekarzami w trakcie specjalizacji. Gdy pytam ich, czy korzystają z AI, niemal wszyscy odpowiadają, że nie. Tymczasem część z nich korzysta z takich rozwiązań, ale nawet o tym nie wie”.
