AI ve zdravotnictví

Když přijdete do čekárny, čekáte ještě, než si sestřička vezme vaši kartu? Nebo ji už jen strčíte do mašiny, vyberete důvod návštěvy a posadíte se, dokud na vás nepřijde řada?

A má už váš doktor chat, kde se místo zdlouhavé návštěvy můžete na cokoliv zeptat?

Na některých místech jsou tyhle věci samozřejmostí. Pojďme se podívat, jak AI pomáhá ve zdravotnictví.

AI se ve zdravotnictví poprvé objevila už v 60. letech 20. století. První AI lékařský konzultant se jmenoval INTERNIST-1 a používal se od roku 1971. Pomocí vyhledávacích algoritmů určil pravděpodobnou diagnózu podle symptomů pacienta.

Moderní éra AI začala na počátku 21. století se systémy, jako byl Watson od IBM (2010). Ty posunuly AI za hranice diagnostiky postavené jen na symptomech. Watson už uměl přijímat otázky v lidské řeči.

AI ve zdravotnictví slouží zdravotníkům i pacientům.

Pro běžné smrtelníky jde třeba o tyto oblasti:

AI pomáhá zpracovat osobní zdravotní data z nositelných zařízení a z elektronických zdravotních záznamů. AI najdete třeba v Apple Watch. Pokročilé senzory hodinek zachytí komplexní zdravotní data a AI algoritmy je vyhodnotí a dají vám personalizovaný přehled.

Chatboti se osvědčili třeba při zmírňování příznaků deprese. Pokud si chcete nějakého vyzkoušet, podívejte se na populárního Psychologista z ChatGPT. A když potřebujete jen poradit s příznaky nebo vás zajímá něco ke zdraví, zkuste MediSearch od slovenských tvůrců. MediSearch je chatbot, který vyhledává mezi studiemi a odbornými články, ne po celém internetu. Umí anglicky a slovensky, ale poradí si i s češtinou.

Kromě chatbotů využívá AI i řada dalších aplikací, třeba český UpHeal. Ten pomůže klinickým lékařům s AI přepisem, poznámkami a jejich rozborem.

AI umí analyzovat sekvence DNA, takže pomůže s diagnostikou genetických poruch. Zvládne i rozbor proteinů, ze kterého se dají předpovídat různé zdravotní stavy nebo reakce na léčbu.

Při rozboru snímků pomůže počítačem podporovaná detekce (CAD). Tahle technologie má snížit počet přehlédnutí, a tím i míru falešně negativních výsledků u lékařů, kteří lékařské snímky čtou. Prospektivní klinické studie třeba ukázaly, že s CAD se zvýší míra záchytu rakoviny prsu.

CAD pomůže odhalit i stavy jako mozková příhoda, ucpání velkých cév, krvácení do mozku, plicní embolie a různé druhy rakoviny.

V dermatologii zase model GOOGLE Inception V3, trénovaný na víc než 1 milionu nespecifických snímků a víc než 100 000 dermatologických snímků, dokáže odhalit kožní malignity na úrovni srovnatelné s vyškolenými lékaři.

Digitální zdravotní nástroje s podporou AI zlepšily informační systémy o očkování. Dávají data v reálném čase a pomáhají třeba řešit mezery v proočkovanosti. Nástroje jako 2D čárové kódy omezují chyby v datech tím, že nahrají informace z lahviček s vakcínami rovnou do systémů. Interaktivní dashboardy a geografické informační systémy (GIS) prospěly očkovacím kampaním: díky informacím v reálném čase pomáhají zachytit nově vznikající ohniska nákazy a zlepšit dohled.

Pandemie covidu-19 výrazně rozjela využití telemedicíny. Spousta zdravotnických zařízení rychle přešla z osobních návštěv na „virtuální“. Telemedicína zpřístupnila zdravotní péči, hlavně lidem na venkově, lidem, kteří se nemůžou snadno přepravit, a pacientům s tělesným postižením.

Telemedicína navíc vyšla levněji než tradiční osobní návštěvy a ušetřila čas pacientům i lékařům.

Když k tomu přidáme AI, telemedicína se ještě zlepší. AI se průběžně učí ze zpětné vazby a rychle vyhodnocuje data, čímž šetří čas i peníze a zároveň pomáhá lékařům s rozhodováním.

| Problém | Řešení | | --- | --- | | Ochrana soukromí a zabezpečení údajů pacientů, zejména pokud soukromé subjekty získávají informace o pacientech. | Aplikace musí být v souladu s pravidly o ochraně údajů (např. GDPR v EU a HIPAA v USA). | | Potenciální zkreslení v algoritmech AI. | Vyvíjejí se nástroje pro odhalování a kvantifikaci biasu. Navíc, vědecká komunita a regulační orgány definují metriky spravedlivosti, které musí modely splnit. | | Zajištění bezpečnosti a validace systémů AI před zavedením do praxe. | Stejně jako u léčiv probíhá fáze klinických studií, které ověřují účinnost a bezpečnost. AI nástroje musí také získat povolení regulačních úřadů (např. FDA v USA nebo CE značení v EU). | | Řešení „propasti AI“ mezi statisticky spolehlivými algoritmy a smysluplnými klinickými aplikacemi. | Vývoj AI systémů probíhá ve spolupráci s lékaři, aby byla zajištěna jejich reálná použitelnost. Algoritmy se tedy navrhují tak, aby poskytovaly interpretovatelné výstupy, které jsou lékařsky využitelné. | | Budování důvěry prostřednictvím transparentnosti ohledně fungování systémů AI, zejména s ohledem na povahu „černé skříňky“ mnoha algoritmů. | Explainable AI (XAI): Vyvíjejí se techniky, které umožňují vysvětlit, proč model dospěl ke konkrétnímu závěru. Některé jurisdikce dokonce zavádějí povinnost zveřejnit, jak byla AI trénována a jak funguje. |

AI se v medicíně objevuje už od druhé poloviny 20. století. První stroje uměly určit diagnózu podle symptomů. Dnes zvládnou pokročilejší věci, jako je analýza DNA nebo čtení rentgenů, a práci lékařů tím výrazně zrychlují a zefektivňují. AI ve zdravotnictví už dávno nepoužívají jen zdravotníci. Potká se s ní každý, třeba přes aplikace jako MediSearch nebo ChatGPT.

Do budoucna nás v oblasti AI čeká další pozoruhodný vývoj, který zdravotní péči ještě zlepší a zpřístupní.