Sztuczna inteligencja coraz skuteczniejsza w interpretacji wyników badań i leczeniu. Potrzebna edukacja specjalistów i pacjentów

AI wspiera pacjentów w analizie wyników i przygotowaniu do wizyt

Pacjenci odkryli duże modele językowe i szeroko rozumiane AI jako dodatkowe źródło informacji podanych im w przystępny, łatwy sposób. Wykorzystują to do przygotowania do wizyt lekarskich, do interpretowania wyników badań, do wyszukiwania nowych kierunków badań czy kierunków terapeutycznych dla schorzeń. Często te narzędzia pomagają im przetłumaczyć trudne medyczne zwroty na bardziej zrozumiały język. Wykorzystują je coraz częściej, ale nie zawsze z pełnym zrozumieniem ich ograniczeń, np. skłonności do przekazywania błędnych informacji w przekonujący sposób. Dodatkowo modele te nie potrafią się przyznać do braku wiedzy w danej dziedzinie. Stąd kluczowe jest krytyczne weryfikowanie otrzymanych odpowiedzi – mówi agencji Newseria Natalia Baranowska,
section lead data advisory & insights w Roche.

 
Rynek AI w medycynie rozwija się szybko. Według sondażu Ipsos 31 proc. konsumentów już korzysta z generatywnej AI w tematach zdrowotnych, a 38 proc. deklaruje wobec niej przynajmniej umiarkowane zaufanie. W praktyce lekarskiej 20 proc. brytyjskich lekarzy rodzinnych używa podobnych narzędzi do dokumentacji i wspomagania diagnozy (odpowiednio 29 i 28 proc.). Jedną z kluczowych korzyści AI jest „tłumaczenie” specjalistycznego żargonu na prosty język. W badaniach naukowych narzędzia LLM konsekwentnie poprawiały czytelność materiałów edukacyjnych dla pacjentów przy zachowaniu merytoryki. Z drugiej strony modele sztucznej inteligencji potrafią tworzyć błędne i sprzeczne z wiedzą medyczną treści.

Modele językowe uczą się na pewnych zbiorach danych. W zależności od tego, jak taki zbiór został skonstruowany, czy zawiera stereotypy lub ma niedoreprezentowane pewne grupy – wszystko to zostaje przeniesione na odpowiedź. To są tylko technologie oparte na matematyce i probabilistyce – przekonuje ekspertka.

Bezpieczne wykorzystanie sztucznej inteligencji w ochronie zdrowia

Dlatego powstają inicjatywy, które mają wskazać bezpieczne kierunki rozwoju technologii. Jedną z nich jest Healthcare Datathon – otwarte wydarzenie, podczas którego lekarze, pacjenci, badacze danych i eksperci technologiczni wspólnie testują możliwości AI w ochronie zdrowia.

W jednym miejscu zebrali się przedstawiciele różnych grup: lekarze, specjaliści, pacjenci, praktycy, teoretycy. Dzięki temu jesteśmy w stanie wydobyć głębię ze sztucznej inteligencji, wydobyć głębię z dużych modeli językowych. Modele te mają swoje ograniczenia, na przykład potrafią udzielić błędnej odpowiedzi, halucynują, a pacjent, w przeciwieństwie do lekarza, nie jest w stanie tego zrozumieć, jeśli nie ma wiedzy medycznej. Poprzez zebranie tylu osób, specjalistów w jednym miejscu jesteśmy w stanie dokonać analizy, w jakich sytuacjach modele mogą się sprawdzić, w jakich konieczna jest dodatkowa analiza lub kiedy wręcz nie należy ich stosować – tłumaczy Natalia Baranowska.

Healthcare Datathon to pierwsze w Polsce wydarzenie, podczas którego zespoły pracują na realnych, zanonimizowanych danych klinicznych. Takie spotkania pozwalają sprawdzić zarówno potencjał, jak i ograniczenia AI, a wnioski od razu konfrontowane są z praktyką kliniczną i potrzebami pacjentów. To także forma edukacji – uczestnicy uczą się, jak krytycznie korzystać z AI, jak rozpoznawać jej mocne i słabe strony.

Eksperci podkreślają, że Polska ma szczególne warunki, by takie inicjatywy rozwijać. Do 2026 roku nawet 400 mln dol. może trafić na rozwój technologii cyfrowych i AI w ochronie zdrowia. Coraz więcej szpitali wdraża też narzędzia sztucznej inteligencji – w 2024 roku było to już 13,2 proc. placówek, głównie w diagnostyce obrazowej i analizie danych pacjentów.

AI może wyrównywać szanse w dostępie do leczenia, ale potrzebne są regulacje

Jednocześnie jednak dostęp do opieki zdrowotnej wciąż jest nierówny. Polska ma zaledwie 3,4 lekarza na 1 tys. mieszkańców, poniżej średniej OECD, a szczególnie trudna sytuacja dotyczy obszarów wiejskich. AI może pomagać w identyfikowaniu braków kadrowych i kierowaniu zasobów tam, gdzie są najbardziej potrzebne, a jednocześnie tłumaczyć pacjentom trudny język medycyny.

Dostęp do opieki zdrowotnej jest bardzo różnicowany. Zależy też od tego, w jakim miejscu mieszkamy, jaki jest nasz poziom edukacji, jaka jest także zasobność naszego portfela, to wszystko wpływa na zróżnicowanie szans dostępu. Jednak AI i modele językowe być może pozwolą, w pewnym zakresie oczywiście, te szanse wyrównywać – zaznacza ekspertka.

To szczególnie ważne, bo jak pokazuje międzynarodowe badanie PIAAC, przeprowadzone przez Instytut Badań Edukacyjnych, niemal 40 proc. dorosłych Polaków ma poważne trudności z czytaniem ze zrozumieniem. Tym bardziej może to dotyczyć tekstów medycznych, pełnych specjalistycznej terminologii, które dla wielu pacjentów pozostają niezrozumiałe bez dodatkowego wsparcia. Modele językowe mogą pełnić rolę „tłumacza”, czyli uprościć terminologię i zwiększyć świadomość zdrowotną. Ale to narzędzie musi działać w jasno określonych ramach, które minimalizują ryzyko błędnych odpowiedzi i powielania stereotypów.

Bardzo istotna w opiece medycznej jest prewencja, zdecydowanie lepiej jest zapobiegać, niż leczyć. Jeżeli więc dzięki AI i analizie danych będziemy w stanie mieć większe zrozumienie, większą świadomość tego, jak niektóre nasze decyzje żywieniowe, dotyczące zachowania, a także medyczne wpływają na nasze zdrowie, to być może będziemy rzadziej chorować. A jeśli już zachorujemy, to dostęp do leczenia będzie łatwiejszy, szybszy i dzięki temu to leczenie przebiegnie sprawniej – podkreśla ekspertka Roche.

Rozwój sztucznej inteligencji w medycynie wymaga nie tylko innowacyjnych projektów i współpracy ekspertów, lecz także odpowiednich ram prawnych. Zmieniają się też przepisy. Akt o sztucznej inteligencji (AI Act) obowiązuje w UE od 2024 roku i wprowadza szczególne wymogi dla systemów wysokiego ryzyka, takich jak AI w wyrobach medycznych. Równolegle od marca 2025 roku działa Europejska Przestrzeń Danych Zdrowotnych (EHDS), ułatwiająca bezpieczną wymianę danych medycznych i ich wykorzystanie w badaniach.

Źródło: Newseria