Sztuczna inteligencja ma potencjał, żeby zrewolucjonizować podejście do profilaktyki, diagnostyki i leczenia pacjentów, jednocześnie redukując ich koszty. W globalnej skali wartość rynku rozwiązań opartych na AI w opiece zdrowotnej rośnie lawinowo – w ub.r. wynosiła ponad 32 mld dol., ale do 2030 roku ta kwota ma się zwiększyć ponad sześciokrotnie. Również w Polsce narzędzia bazujące na AI zaczynają być wdrażane coraz szerzej, choć – jak wynika z lipcowego raportu SGH – prawdziwy rozwój potencjału sztucznej inteligencji w polskiej branży ochrony zdrowia ma dopiero nastąpić. Warunkiem jest stworzenie stabilnego i bezpiecznego środowiska dla rozwoju tej technologii, opartego na regulacjach prawnych i zaufaniu wszystkich interesariuszy.

 W Polsce sztuczna inteligencja w ochronie zdrowia nie jest jeszcze szeroko stosowana, ale na świecie sytuacja też nie jest dużo lepsza. Jeśli zapytamy 300 lekarzy z całej Europy, to około trzech–czterech z nich powie, że korzysta ze sztucznej inteligencji w swojej codziennej pracy – mówi agencji Newseria Biznes Paweł Paczuski, współzałożyciel upmedic. – Powody tego są różne. Po pierwsze, system ochrony zdrowia jest bardzo skomplikowany, mamy płatnika i placówki medyczne, lekarzy i pacjentów i ci wszyscy interesariusze muszą być jakoś ze sobą pogodzeni, a problemem jest też integracja AI z systemami placówkowymi. To sprawia, że adopcja jeszcze nie jest tak duża. Na szczęście ostatnimi czasy – z powodu rosnącej świadomości pacjenckiej tego, że sztuczna inteligencja może pomagać – to zaczyna być wdrażane trochę szybciej i łatwiej.

Według szacunków Grand View Research w 2023 roku globalny rynek AI w opiece zdrowotnej był wyceniany na 22,5 mld dol. W tym roku jego wartość ma sięgnąć już 32,3 mld dol. i będzie dalej rosnąć w średniorocznym tempie 36,4 proc., do roku 2030 osiągając wartość 208,2 mld dol. („Artificial Intelligence in Healthcare. Market Size, Share & Trends Analysis Report 2024”). Jak wynika z lipcowego raportu think tanku SGH dla ochrony zdrowia, również w Polsce ten sektor już dziś wykorzystuje rozwiązania AI w niektórych procesach – zarówno administracyjnych, jak i o charakterze klinicznym. Jednak prawdziwy rozwój potencjału AI w polskiej branży ochrony zdrowia ma dopiero nastąpić („Sztuczna inteligencja w zdrowiu. Bezpieczeństwo prawne i wykorzystanie w Polsce”).

  Integracja energetyki i ciepłownictwa w Polsce może przynieść 4 mld euro oszczędności. Emisja CO2 w tych sektorach może spaść o 57 proc.

 Sztuczna inteligencja w placówkach ochrony zdrowia może być wdrożona na wielu etapach procesu obsługi pacjenta. Zaczynając od rejestracji – tutaj możemy układać grafiki lekarzy tak, żeby to było jak najbardziej efektywne, żeby w ciągu dnia obsłużyć jak najwięcej pacjentów. W trakcie samej wizyty możemy przyspieszać tworzenie dokumentacji, żeby ona była kompletna. A potem, kiedy już mniej więcej wiadomo, w którą stronę pokierować pacjenta, mamy proces diagnostyczny, gdzie jest m.in. kwestia analizy obrazów czy zdjęć. Tu sztuczna inteligencja też może znaleźć zastosowanie. Łącząc te wszystkie obszary, cały system ochrony zdrowia ma szansę być dzięki temu znacznie bardziej wydajny – mówi Paweł Paczuski.

upmedic wykorzystuje AI, by ułatwić lekarzom opisywanie badań diagnostycznych. Podpowiedzi treści skracają czas potrzebny na uzupełnienie dokumentacji nawet o 70 proc. System „uczy się” również wytworzonej dokumentacji i potrafi ją analizować.

Jak wynika z raportu SGH, algorytmy AI znajdują zastosowanie w praktycznie każdym obszarze ochrony zdrowia, a lawinowy rozwój narzędzi opartych na sztucznej inteligencji stwarza szansę na poprawę jakości opieki zdrowotnej, efektywności procesów diagnostycznych i skuteczności terapii przy jednoczesnej redukcji ich kosztów. Warunkiem jest jednak stworzenie stabilnego i bezpiecznego środowiska rozwoju tej technologii, opartego na regulacjach prawnych i zaufaniu wszystkich interesariuszy.

 Jedną z największych barier we wdrażaniu AI jest obecnie zaprezentowanie wartości, jakie niesie sztuczna inteligencja w codziennej pracy i lekarza, i placówki, bo możemy mówić o innowacjach, ale czynnik ekonomiczny zawsze ma znaczenie. I jeśli to, ile korzyści dane rozwiązanie może przynieść placówce, nie jest łatwo policzalne, to spowalnia proces wdrożenia – mówi współzałożyciel upmedic.

Jak pokazała ostatnia edycja raportu „Future Health Index 2023”, publikowanego cyklicznie przez Philips Healthcare, w Polsce odsetek liderów opieki zdrowotnej inwestujących w narzędzia oparte na AI wzrósł z 35 proc. w 2022 roku do 46 proc. w ub.r. Z kolei czterech na pięciu liderów opieki zdrowotnej (81 proc.) planuje zainwestować w ten obszar w ciągu najbliższych trzech lat. Jak wskazano w raporcie, AI już teraz odciąża pracowników ochrony zdrowia w ich codziennych obowiązkach, pomaga skuteczniej diagnozować pacjentów, a nawet wspiera lekarzy w Polsce we wczesnym wykrywaniu genetycznych wad u płodu.

  Rośnie popularność zdalnej profilaktyki. Dzięki technologiom telemedycznym firma może nawet przebadać pracownika w biurze [DEPESZA]

Eksperci podkreślają jednak fakt, że sztuczna inteligencja „karmi się” danymi i efektywność narzędzi opartych na AI będzie zależeć od ich jakości i integralności. Tymczasem w tej chwili nadal jest to problem.

– Obecnie nie wykorzystujemy w pełni informacji z różnych interakcji, jakie pacjenci mają z systemem ochrony zdrowia. Przede wszystkim wiele z tych informacji nie trafia do dokumentacji. W trakcie wizyty lekarz, wchodząc w interakcję z pacjentem, nie wszystko jest w stanie zanotować, bo po prostu nie ma na to czasu. A jeżeli nie mamy informacji, to – nawet mając najlepsze techniki sztucznej inteligencji – nie będziemy w stanie tych danych w zautomatyzowany sposób wyciągnąć – mówi Paweł Paczuski. – Jeżeli mielibyśmy łatwy dostęp do zanonimizowanych danych medycznych, to moglibyśmy obserwować, jakie są trendy w diagnozowaniu poszczególnych schorzeń, moglibyśmy łatwiej rekrutować pacjentów na programy lekowe i profilaktyczne, bo wiedzielibyśmy, jacy pacjenci się u nas leczą, z jakimi konkretnie schorzeniami. Teraz to wiemy, ale nie jesteśmy w stanie tego analizować, bo nie jest łatwo łączyć dane z różnych źródeł. Te dane często są pozamykane przed algorytmami, które mogłyby je analizować.