Dr hab. Piotr Kalinowski o roli lidera sztucznej inteligencji w medycynie

Jakie są największe wyzwania we wdrażaniu innowacji wykorzystujących sztuczną inteligencję w szpitalnictwie?

Wdrażanie technologii zawsze będzie związane z koniecznością zmierzenia się z szeregiem problemów, jakie niesie ze sobą stworzenie w szpitalach całego zaplecza do jej rozwoju – od przygotowania rozwiązań najbardziej adekwatnych i użytecznych w codziennej pracy, po praktyczne szkolenia dla personelu medycznego. Na końcu tej drogi stanie przed nami zadanie edukacji pacjentów, by nie obawiali się technologii i byli otwarci na pogłębienie relacji lekarz-pacjent o udział algorytmu, który stanie się trzecim uczestnikiem tego procesu.

Nadal wyzwaniem pozostają rozwiązania technologiczne, które muszą w pełni funkcjonować i być niezawodne, a kompletny system, w którym pracują algorytmy – być sprawnie nałożony na obecnie istniejącą infrastrukturę , która tylko częściowo opiera się na rozwiązaniach naprawdę zaawansowanych technologicznie. Ostatecznym celem jest ich efektywne współgranie.

Lekarze mają różne podejście do korzystania z innowacyjnych rozwiązań, wynikające zarówno z dużych oczekiwań, ale często także sceptycyzmu. Tak naprawdę w praktyce klinicznej obserwuję, że wiele zależy od tego, co konkretnego im się zaproponuje jako wsparcie w codziennej pracy. Już sama nazwa „sztuczna inteligencja” rodzi szereg odmiennych skojarzeń, a za nią stoi przecież wiele rozmaitych, nieporównywalnych ze sobą rozwiązań. Dlatego gdy konkretnej grupie specjalistów zaoferujemy dedykowany im zestaw rozwiązań, odpowiadających na ich aktualne potrzeby, to podejście do AI może być zgoła inne niż szerokiego środowiska lekarskiego.

Do końca nie wiadomo, jak sztuczna inteligencja wpłynie realnie na pracę lekarzy, przewidywania są wciąż różne, a opinie podzielone – od niezwykle optymistycznych po skrajnie pesymistyczne, niemal apokaliptyczne, co udziela się w środowisku i rodzi kolejne obawy. Zatem jeśli lekarze będą potrafili dostrzec siebie w tym systemie, opartym na innowacji i zbliżyć się do praktyki z wykorzystaniem AI w swojej codziennej pracy, to przekonają się, czy to im osobiście odpowiada, czy nie. Są już badania naukowe pokazujące, że zarówno lekarze, jak i studenci widzą coraz więcej zastosowań rozwiązań innowacyjnych, jednocześnie dostrzegając zagrożenia, ale to oznacza, że są coraz bardziej świadomi i bardziej kompleksowo postrzegają pracę z AI. Na pewno osobiste przyzwyczajenia, doświadczenie i wiek lekarzy mają znaczenie, a mniejsza chęć do zmian widoczna jest u tych, którzy od wielu lat pracują w ten sam sposób. Do tego wszystkiego nie bez znaczenia jest indywidualne podejście i otwartość na korzystanie z rozwiązań technologii cyfrowych, choćby we własnych smartfonach.

To wszystko przekłada się oczywiście na tempo i kierunki wdrażania zmian. Największy progres widać w radiologii i to właśnie radiologia będzie dominowała w wykorzystaniu rozwiązań opartych na AI w diagnostyce. Widać jednak, że powstają też propozycje skierowane do pacjentów albo wręcz do powszechnego użycia, jak np. aplikacje pozwalające na rozpoznawanie zmian skórnych. Może z nich skorzystać każdy ze swojego smartfona, zatem wsparcie dla pacjenta już dziś jest konkretne i bezpośrednie. Nie są to rozwiązania mające zastąpić specjalistów dermatologów, ale dostarczające informacje, że warto skonsultować się z lekarzem przy zdiagnozowaniu konkretnych zmian. Nawet ze względu na kwestie odpowiedzialności za decyzje co do stanu zdrowia pacjenta, specjaliści nie zgodzą się, aby AI podejmowała je za lekarza, więc zawsze na końcu jest człowiek.

Jako chirurg transplantolog wiem, że żadne algorytmy nie wykonają operacji za mnie i wsparcie AI w takiej pracy jak moja jest naprawdę sporym wyzwaniem, by realnie na co dzień mogła wspomagać moją pracę podczas czynności zabiegowych. Za to w gabinecie algorytmy AI mogą bardzo pomóc w efektywnym organizowaniu i gromadzeniu dokumentacji medycznej, a takie rozwiązania już istnieją w praktyce, potrafią sprawnie uporządkować dokumentację i przedstawić ją zarówno lekarzowi, jak i pacjentowi i dać lekarzowi możliwość wygenerowania podsumowania z dużego zbioru dokumentów, by mógł sprawniej podejmować dalsze decyzje terapeutyczne.

W mojej klinice od lat praktycznie cała dokumentacja tworzona jest w wersji elektronicznej, na tyle kompleksowo, że rzadko jest potrzeba sięgania do tego, co zostało w zapisie na papierze. Jednocześnie część danych powstaje w wersji papierowej i te metody gromadzenia dokumentacji jeszcze się uzupełniają.

Kwestie cyberbezpieczeństwa danych pacjentów są naprawdę dużym wyzwaniem i powodem do uzasadnionych obaw przed wdrażaniem w szerokiej skali rozwiązań AI. Zmiany technologiczne następują oczywiście znacznie szybciej niż prawne, a przepisy naprawdę muszą być precyzyjnie określone na rzecz działań wielokierunkowych i w ochronie zdrowia i w badaniach medycznych. Ustawodawstwo unijne stara się nadążać za potrzebami, począwszy od opracowania AI Act, będącego jednym z pierwszych na świecie kompleksowych rozwiązań prawnych, wdrażanego obecnie w kolejnych miesiącach w krajach całej UE. W kontekście tych rozwiązań powstały i są dalej tworzone konkretne rozwiązania dla medycyny, w tym stosowania robotyki, ale to niezwykle złożony temat, wymagający jeszcze wielu dopracowań, uszczegóławiających różne obszary działań.

Kto w szpitalu decyduje o wprowadzaniu innowacji? I czym można się zainspirować od regionalnych centrów medycyny cyfrowej (RCMC)?

Decyzje co do zakupu technologii do użycia w szpitalu podejmowane są wieloetapowo i wspólnie – przez dyrekcję, lekarzy, prawnika, osoby z działu IT, ale są inicjowane oddolnie, przez lekarzy. Oczywiście muszą być adekwatne do technologicznego rozwoju szpitala i możliwości, nie tylko finansowych, by nowe rozwiązania były w stanie współgrać z ekosystemem, jaki już funkcjonuje w szpitalu, a to ogromne wyzwanie.

Niedawno powstałe regionalne centra medycyny cyfrowej, bazujące na 18 ośrodkach w poszczególnych województwach, są naprawdę dobrym rozwiązaniem, bo w perspektywie rozwoju technologii, bazującej na zgromadzonym ogromie danych, pozwalają przetestować procesy ich uspójniania, wymiany tych danych i korzystania z nich w szerokiej skali. Dają możliwość uczenia algorytmów na naprawdę pokaźnych ponadlokalnych zbiorach, co dziś w naszych realiach jest rzadkością, pomagają też tym szpitalom zapewnić wsparcie technologiczne i rozwijać technologie w bezpieczny sposób, wdrażając regulacje w każdym z centrów jednocześnie. Kolejnym etapem będzie rozwój innych ogólnopolskich centrów – np. gromadzenia danych, tę rolę będą pełnić obecne instytucje publiczne, ale częściowo też podmioty prywatne, a lekarze, nauczyciele akademiccy i badacze będą z nimi współpracować na co dzień, korzystając z tych zasobów bezpośrednio w swojej pracy.

Jaka powinna być rola lidera AI w ochronie zdrowia?

Projekt “Lider AI w ochronie zdrowia”, który koordynuję w obszarach klinicznym i edukacyjno-naukowym, jest ważny, bo zagospodarowuje jednocześnie te wszystkie obszary, na równych poziomach. Ma na celu zdefiniowanie roli lidera, jaką powinien pełnić na uczelniach medycznych, w pracach badawczych i w szpitalach, jaką mieć wiedzę i umiejętności, ale nader wszystko łączyć potrzeby i perspektywę wszystkich podmiotów, zainteresowanych działaniem systemu opartego na AI, a tu integracja jest szczególnie ważna. Począwszy od centrum gromadzenia danych, przez stosowaną technologię, regulacje prawne, po dostarczenie rozwiązań dla użytkowników i przełożenie na dostęp dla pacjentów. Dziś w tych wszystkich obszarach funkcjonują różne osoby, pełniące rozmaite funkcje, które nie mają nawet ze sobą kontaktu. Integracja będzie tu bardzo potrzebna, by każdy z obszarów działań rozwijał się w podobnym tempie, na rzecz sprawnego funkcjonowania całego systemu. Lider AI ma szansę wypełnić lukę w systemie na rzecz integracji środowiska szpitali i uczelni, dysponując know-how w zakresie zarówno nauczania, jak i wyzwań klinicznych, a także na rzecz edukowania pacjentów, nie tylko rozwoju i wdrażania samych technologii i diagnozowania potrzeb. Sam zakup technologii jest zawsze ogromnym przedsięwzięciem ze strony uczelni czy ośrodków badawczych, więc kompleksowe działanie jest bardzo pożądane.

Przez pryzmat swojej codziennej pracy w ośrodku akademickim widzę taką rolę jako wyzwanie dla całej komórki organizacyjnej, a nie jednego człowieka – zatem interdyscyplinarnego zespołu, łączącego środowiska i wiedzę, potrafiącego wypracować porozumienie i sprawnie zintegrować wszelkie obszary działań, w tym prawne, finansowe, IT, etyczne, uczelniane i szpitalne, z których każde ma swoją specyfikę.

Zatem lider AI to bardziej zespół złożony z kilku liderów, z których każdy powinien być sprofilowany na dany obszar, wymagający wypracowania określonych rozwiązań, konsultujący decyzje i wdrożenia z liderami z innych obszarów, na rzecz kompleksowego wsparcia realizacji konkretnych celów.

POLECAMY TAKŻE: Prof. Reguła: sztuczna inteligencja musi mieć dobrego nauczyciela