Ekspert: sztuczna inteligencja może fundamentalnie zmienić paradygmat opieki medycznej

Sztuczna inteligencja może fundamentalnie zmienić paradygmat opieki medycznej, przesuwając go z reaktywnego na proreaktywny – twierdzi dr Bartosz Kudliński. Pozwala ona przewidywać przebieg choroby oraz ograniczyć błędy medyczne, lecz jest narzędziem wspierającym lekarza, a nie go zastępującym.

Proreaktywny paradygmat opieki medycznej

Specjalista jest kierownikiem Klinicznego Oddziału Anestezjologii i Intensywnej Terapii w Szpitalu Uniwersyteckim im. Karola Marcinkowskiego w Zielonej Górze, a także konsultantem wojewódzkim w dziedzinie anestezjologii i intensywnej terapii. Jego zdaniem zastosowanie sztucznej inteligencji jest szczególnie przydatne na oddziale intensywnej terapii (OIT).

„Oddział intensywnej terapii to jedno z najbardziej złożonych i wymagających miejsc w opiece medycznej. Każdego dnia lekarze i pielęgniarki podejmują decyzje w oparciu o ogromne ilości danych, zbieranych w czasie rzeczywistym z monitorów pacjenta, wyników badań laboratoryjnych, obrazowania medycznego i elektronicznej dokumentacji medycznej” – wyjaśnia dr Kudliński.

Zaznacza, że „sztuczna inteligencja może fundamentalnie zmienić paradygmat opieki, przesuwając go z reaktywnego na proreaktywny”. Ma to ogromne znaczenie, jeśli chodzi o przewidywanie przebiegu choroby, na przykład sepsy oraz stanów krytycznych. Sepsa jest stanem zagrażającym życiu pacjenta, związanym z niekontrolowanymi reakcjami organizmu na infekcje, i jest jednym z głównych przyczyn zgonów na oddziale intensywnej terapii.

„Algorytmy AI, takie jak sytem COMPOSER, wdrożony w szpitalu w UC San Diego Health, są w stanie przewidywać zakażenie sepsą u pacjentów wysokiego ryzyka z wyprzedzeniem kilku godzin w stosunku do tradycyjnych metod” – twierdzi konsultant wojewódzki w dziedzinie anestezjologii i intensywnej terapii.

Pomoc w identyfikacji subtelnych wzorców

Jak wyjaśnia – model ten, analizując w czasie rzeczywistym ponad 150 zmiennych, takich jak parametry życiowe, wyniki badań laboratoryjnych i zażywane leki, wysyła alarmy do elektronicznej dokumentacji, co pozwala na natychmiastową reakcję zespołu medycznego. „Badania wykazały, że dzięki tej technologii śmiertelność z powodu sepsy zredukowano o 17 proc. Z kolei inny system rozwijany na Uniwersytecie Johna Hopkinsa, zmniejszył ryzyko śmierci z powodu sepsy o 20 proc.” – dodaje.

Jego zdaniem skuteczność tych systemów opiera się na zdolności do identyfikacji subtelnych wzorców w złożonych danych, często umykających ludzkiej uwadze. „To przełomowe podejście umożliwia przesunięcie akcentu: z reagowania na kryzys – na proaktywne zapobieganie mu, co ma kluczowe znaczenie dla poprawy wyników leczenia pacjentów” – przekonuje dr Kudliński.

Uczenie maszynowe i uczenie głębokie

Kolejnych przykładem są zaawansowane technologie monitorowania hemodynamicznego, które wraz z algorytmami sztucznej inteligencji mogą przewidywać z wyprzedzeniem wystąpienie hipotensji (zagrażającego życiu spadku ciśnienia). Na przykład w ciągłym śródoperacyjnym pomiarze ciśnienia tętniczego.

Specjalista wyjaśnia, że aplikacje AI w intensywnej terapii wykorzystują mechanizmy uczenia się maszynowego i tzw. uczenia się głębokiego. W pierwszym przypadku najczęściej stosowaną metodą jest dostarczanie algorytmowi zestawu danych treningowych z przypisanymi etykietami, a potem uczy się on dokonywać trafnych predykcji dla nowych, niewidocznych danych. W ten sposób można przewidzieć, kiedy u danego pacjenta wystąpi jakaś choroba. Głębokie uczenie się sprawdza się w zadaniach bardziej złożonych, takich jak rozpoznawanie wzorców w obrazach medycznych.

Kluczowe znaczenie w opiece medycznej, a szczególnie na oddziałach intensywnej terapii, ma zastosowanie tzw. multimodalnej sztucznej inteligencji. Potrafi ona przetwarzać i integrować informacje pochodzące z wielu źródeł jednocześnie, tworząc spójny obraz stanu pacjenta. Podobnie jak lekarz – specjalista intensywnej terapii, który musi analizować badania laboratoryjne, obrazowe, dane monitorów i zapisy elektronicznej dokumentacji medycznej.

„Multimodalna AI jest zatem cyfrowym odwzorowaniem tego procesu, umożliwiając identyfikację subtelnych korelacji, które mogą umknąć ludzkiej uwadze” – zwraca uwagę dr Kudliński. Dodaje, że wspomaganie decyzji klinicznych to obszar, w którym AI odnosi znaczące sukcesy.

„Narzędzia AI zwiększają precyzję diagnostyczną, szczególnie w analizie badań obrazowych, takich jak zdjęcia rentgenowskie, rezonans magnetyczny i mammografia. Systemy AI mogą szybciej i precyzyjniej opisywać te obrazy, co zmniejsza ryzyko przeoczenia niewielkich, trudnych do zauważenia zmian” – uważa specjalista.

Prewencja błędów medycznych

Jego zdaniem sztuczna inteligencja ma także ogromny potencjał w zakresie prewencji błędów medycznych, które są najczęściej zgłaszanymi krytycznymi incydentami w anestezjologii i oddziałach intensywnej terapii.

„Przykładem jest system wizyjny wyposażony w kamery GoPro, który z czułością 99,6 proc. wykrywa błędy zamiany fiolek z lekami, co jest jednym z najczęstszych typów błędów iniekcjach dożylnych. W kontekście OIT, gdzie pacjenci otrzymują liczne leki w warunkach wysokie stresu, takie systemy mogą znacząco podnieść poziom bezpieczeństwa” – twierdzi dr Kudliński.

Specjalista zaznacza jednak, że AI jest przede wszystkim narzędziem wspierającym, lekarza, a nie go zastępującym. Celem jest wspomaganie ludzkiej inteligencji, uwalniając lekarza od powtarzalnych, obciążających zadań, takich jak analiza setek obrazów lub precyzyjna weryfikacja leków. Dzięki temu personel może się skupić na bardziej złożonych i wymagających empatii aspektach opieki nad pacjentem. (PAP)