Sam fakt, że sztuczna inteligencja potrafi wygenerować poprawnie brzmiącą odpowiedź, nie oznacza jeszcze, że jest w pełni przystosowana do działania w sektorze ochrony zdrowia. Wprost proporcjonalnie do rozwoju możliwości technologii w medycynie rosną obawy o bezpieczeństwo, jakość danych, zgodność z praktyką kliniczną oraz realną wartość dla pacjenta. Dlatego coraz częściej zasadne wydaje się nie pytanie o to, czy AI działa, lecz gdzie i w jaki sposób powinna być wykorzystywana. To zagadnienie było przedmiotem rozmów ekspertów w ostatnim odcinku podcastu „LLMathon: How AI Can Serve Healthcare”.

Podcast stanowi podsumowanie doświadczeń i wniosków z Poland Healthcare Datathon 2025 – inicjatywy zorganizowanej we współpracy środowisk medycznych, naukowych i technologicznych, której inicjatorem był Roche. Podczas Datathonu interdyscyplinarne zespoły pracowały na rzeczywistych, zanonimizowanych danych klinicznych z Uniwersyteckiego Centrum Klinicznego w Gdańsku i w praktyce testowały możliwości dużych modeli językowych w polskojęzycznych scenariuszach medycznych.

Wnioski będące pokłosiem wydarzenia stały się punktem wyjścia do kolejnej dyskusji – o tym, jak odpowiedzialnie wdrażać sztuczną inteligencję do systemu ochrony zdrowia. W najnowszym odcinku podcastu, dostępnym na youtubowym kanale Roche, eksperci mówią nie tylko o potencjale dużych modeli językowych, ale również o całej architekturze rozwiązań AI i świadomym procesie jej wykorzystania.

Globalny algorytm musi zdać „egzamin z polskiego”

Choć wiele rozwiązań AI powstaje z myślą o globalnym zastosowaniu, ich skuteczność w ochronie zdrowia zależy od lokalnego kontekstu. Znaczenie mają język dokumentacji medycznej, organizacja pracy placówek, ścieżki pacjenta oraz charakterystyka danych odzwierciedlających specyfikę konkretnego systemu ochrony zdrowia.

– Chcieliśmy, aby Healthcare Datathon składał się z wzajemnie uzupełniających się elementów pełnych zarówno merytorycznej dyskusji, jak i praktyki. Pierwszego dnia uczestnicy spotkali się podczas części wykładowej poświęconej zastosowaniom AI w ochronie zdrowia, gdzie swoją wiedzą dzielili się lekarze i eksperci z uczelni technicznych. Z kolei fundamentem drugiego dnia były ćwiczenia praktyczne, w tym m.in. LLMathon – mówi Adam Krenke, dyrektor do spraw strategii w Roche Polska.

Poland Healthcare Datathon 2025 zgromadził ponad 200 uczestników reprezentujących 14 uczelni i ośrodków badawczych z pięciu krajów. W 13 interdyscyplinarnych zespołach współpracowali lekarze, badacze, projektanci doświadczeń użytkownika, specjaliści danych, programiści oraz studenci.

Sztuczna inteligencja zweryfikowana na rzeczywistych danych

Jednym z najważniejszych elementów wydarzenia była możliwość pracy na autentycznych, zabezpieczonych danych klinicznych przekazanych przez Uniwersyteckie Centrum Kliniczne w Gdańsku.

– W ramach Datathonu uczestnicy analizowali setki tysięcy rekordów hospitalizacji, poszukując czynników pozwalających przewidywać ryzyko ponownego przyjęcia pacjenta do szpitala. W ten sposób sprawdzaliśmy, czy algorytmy AI mogą pomóc identyfikować wzorce, które wspierałyby personel medyczny w podejmowaniu decyzji i skutecznym planowaniu opieki nad pacjentami – wyjaśnia Adam Krenke.

Kolejnym filarem projektu był LLMathon, podczas którego uczestnicy oceniali, jak duże modele językowe radzą sobie z pytaniami najczęściej zadawanymi przez pacjentów i lekarzy.

– Dziś zarówno pacjenci, jak i lekarze coraz częściej korzystają z narzędzi opartych na AI. Problem polega na tym, że niewiele wiemy o ich rzeczywistej precyzji, jakości odpowiedzi czy ograniczeniach. Chcieliśmy zweryfikować to w praktyce, wykorzystując pytania opracowane wspólnie z lekarzami i organizacjami pacjenckimi – podkreśla ekspert.

Dane są paliwem dla AI, ale muszą być reprezentatywne

Eksperci zwracają uwagę, że skuteczność modeli sztucznej inteligencji zależy bezpośrednio od jakości i reprezentatywności danych, na których zostały wytrenowane.

 

– AI może odegrać ogromną rolę w rozwoju ochrony zdrowia, jednak większość dostępnych danych pochodzi z krajów wysoko rozwiniętych. Istnieje ryzyko, że modele będą dobrze odpowiadać na potrzeby określonych populacji, a gorzej radzić sobie w innych grupach. Dlatego projektując algorytmy, należy równie starannie jak w badaniach klinicznych dobierać populacje, na których opierane są dane treningowe – stwierdza Krenke. 

O istocie znaczenia danych wspomina także Anna Romaniuk-Iwaszko, Marketing Network Lead for Digital Solutions w Roche.

– Roche od lat rozwija innowacyjne terapie i rozwiązania diagnostyczne. Coraz większą rolę odgrywają także algorytmy kliniczne wspierające decyzje medyczne. Ogromna ilość danych generowanych każdego dnia w systemie ochrony zdrowia nadal pozostaje niewykorzystana. Naszym celem jest przekształcanie tych informacji w praktyczne wsparcie dla lekarzy, tak aby mogli efektywniej wykorzystywać swój czas, a pacjenci szybciej otrzymywali właściwą diagnozę – tłumaczy.

AI zastąpi relację lekarz-pacjent?

Eksperci zgodnie wskazują, że sztuczna inteligencja może wspierać wiele procesów administracyjnych, analitycznych i organizacyjnych, jednak nie powinna być postrzegana jako alternatywa dla pomocy drugiego człowieka.

– Najważniejsze jest to, aby nie stracić z oczu pacjenta. Sztuczna inteligencja pozostaje narzędziem w rękach człowieka. To od sposobu jej wykorzystania zależy, czy będzie realnym wsparciem dla ochrony zdrowia. Medycyna to nie tylko diagnoza i leczenie, ale również troska o jakość życia pacjenta, relacje, empatia i odpowiedzialność – mówi Katarzyna Kaliszewska-Czeremska, Customer Experience Lead and Strategist w Roche.

Podobnego zdania jest Sławomir Molenda, User Experience Expert w Roche Digital Technology.

– Obecne modele językowe mogą rozpoznawać emocje i odpowiednio reagować na komunikaty pacjentów, ale nie są zdolne do rzeczywistego współodczuwania czy rozumienia doświadczenia choroby tak jak drugi człowiek. Możemy mówić jedynie o pewnym rodzaju empatii kognitywnej, skupionej na perspektywie intelektualnej i rozumieniu schematów myślowych. AI może wspierać komunikację, jednak nie zastąpi relacji terapeutycznej budowanej między pacjentem a lekarzem – zaznacza.

Istnieją jednak aspekty, w których modele AI mogą być dla pacjenta użyteczne.

– Niektóre badania sugerują, że ludzie wolą interakcje medyczne z AI, ponieważ modele te są wolne od osądów czy stygmatyzacji. LLM-y mogą obiektywnie zmniejszać wstyd i w ten sposób pomagać pacjentom – dodaje Molenda.

Interdyscyplinarność warunkiem sukcesu

Jednym z najczęściej powracających tematów podczas wydarzenia była konieczność łączenia kompetencji z różnych dziedzin.

 

– Interdyscyplinarność jest kluczowa. W projektach wykorzystujących AI w ochronie zdrowia nie istnieją jednoosobowe rozwiązania. Potrzebna jest wiedza kliniczna, technologiczna, projektowa i komunikacyjna. Dopiero połączenie tych kompetencji pozwala tworzyć rozwiązania niosące rzeczywistą opiekę i pomoc pacjentom – podkreśla Adam Krenke.

Interdyscyplinarności nie brakowało również w trakcie Datathonu – taką formę współpracy szczególnie docenili uczestnicy wydarzenia.

– Największym zaskoczeniem była dla mnie otwartość i brak podziałów między studentami, naukowcami oraz lekarzami. Często w świecie akademickim można wyczuć pewien dystans. Tutaj każdy głos był równie ważny, a wszystkich łączyła wspólna misja i chęć wymiany doświadczeń – zauważa Zuzanna Warchoł, studentka Politechniki Gdańskiej. Z kolei Kacper Dobek, doktorant Politechniki Poznańskiej, zwraca uwagę na długofalowe korzyści płynące z projektu.

– To doświadczenie pokazało, jak wiele dobrego może wydarzyć się, gdy spotykają się ludzie z różnych środowisk. Efekty Datathonu wykraczają poza Polskę – podobne inicjatywy zaczęły powstawać również w innych krajach Europy, inspirując kolejne zespoły do poszukiwania praktycznych zastosowań AI w medycynie. Namacalnym przykładem może być chociażby grudniowy Datathon we Francji, który, dzięki zdobytej w Gdańsku wiedzy, miałem okazję wesprzeć organizacyjnie – podsumowuje.

Źródło: inf pras

Naukowcy z Gdańskiego Uniwersytetu Medycznego opracowali innowacyjny system sztucznej inteligencji, który w ciągu kilku sekund automatycznie analizuje morfologię tętniaków mózgu i może wspierać ocenę ryzyka ich pęknięcia. Wyniki badań opublikowano w prestiżowym czasopiśmie Radiology: Artificial Intelligence, a opracowana technologia została objęta międzynarodową ochroną patentową i jest przygotowywana do wdrożenia w praktyce klinicznej.

Długie kolejki do specjalistów w Polsce sprawiają, że coraz więcej pacjentów próbuje samodzielnie diagnozować swoje dolegliwości, często przy pomocy internetu. Lekarze ostrzegają, że takie działania mogą być groźne dla zdrowia, a nawet życia. Jednocześnie eksperci wskazują, że odpowiednio zaprojektowana sztuczna inteligencja może w przyszłości odegrać istotną rolę w procesie diagnostycznym i wspieraniu pacjentów, ułatwiając dostęp do wiedzy medycznej i odciążając system ochrony zdrowia.

Jesienią ub.r. średni czas oczekiwania na pojedyncze, gwarantowane świadczenie zdrowotne w Polsce wynosił 4,2 miesiąca. Aby uzyskać poradę lekarza specjalisty, pacjenci musieli czekać jeszcze dłużej – średnio 4,3 miesiąca – wynika z „Barometru WHC”. Długie kolejki przyczyniają się do tego, że pacjenci sami się diagnozują, m.in. za pomocą wyszukiwarki Google. Lekarze ostrzegają przed konsekwencjami wdrażania rad z internetu w przypadku poważnych chorób, ale jednocześnie podkreślają, że odpowiednio zaprojektowana AI może wesprzeć proces samoleczenia. Podobnie jak diagnozę lekarską.

– Co drugi pacjent, z którym rozmawiam, diagnozuje się sam, w dobrej wierze, próbując znaleźć przyczynę swoich kłopotów zdrowotnych. „Doktor Google” jest dobry, ale w kabarecie, natomiast jeżeli chodzi o prawidłową praktykę szpitalną, nie wnosi nic dobrego, ale pacjenci o tym nie wiedzą – mówi agencji Newseria dr n. farm. Leszek Borkowski, farmakolog kliniczny w Szpitalu Matki Bożej Nieustającej Pomocy w Wołominie. – Myślę, że dostępność do czegoś powoduje, że my jako ludzie korzystamy z tego z korzyścią, ale w przypadku leczenia poważnych chorób korzystamy z pokrzywdzeniem, dlatego że to my ponosimy konsekwencje złych wyborów.

Samodiagnozowanie i wdrażanie leczenia na własną rękę jest szczególnie groźne w przypadku poważnych dolegliwości, gdzie czas diagnozy, reakcji na nią oraz odpowiednia terapia często warunkują dobre rokowania pacjenta.

– Trochę pacjentów usprawiedliwiam, bo jeżeli słyszę: „Czekałem na konsultację pół roku, osiem miesięcy”, to ja się nie dziwię, że osoba, która ma dolegliwości, próbuje sobie jakoś poradzić. Sprawny system ochrony zdrowia jest jednym z antidotów na szarlatanów medycznych, bo gdyby ci ludzie nie czekali po wiele miesięcy na diagnozę, badanie lub zabieg, sami nie szukaliby rozwiązań – uważa dr Leszek Borkowski.

W świetle ubiegłorocznego raportu Fundacji Watch Health Care (październik/listopad 2024 roku) wśród 215 analizowanych świadczeń zdrowotnych w 104 odnotowano pogorszenie dostępności. Wzrósł średni czas oczekiwania na dostęp do lekarzy specjalistów w porównaniu do okresu lipiec/sierpień 2023 roku – o 0,6 mies. Największe wydłużenie średniego czasu oczekiwania odnotowano w dziedzinach takich jak geriatria (o 2,5 mies.), endokrynologia (o 2,4 mies.), immunologia (o 2,0 mies.) czy też otolaryngologia (o 2,0 mies.). Najdłuższe kolejki ustawiają się do angiologa (13,9 mies.), endokrynologa (12,1 mies.) oraz chirurga naczyniowego (11,6 mies.).

Również w przypadku czasu oczekiwania na świadczenia z dziedzin wybranych na podstawie epidemiologicznej przewagi występowania dolegliwości i chorób wśród kobiet sytuacja uległa pogorszeniu. Według danych z Barometru WHC 2024 „Kobieta w kolejce” średnio na udzielenie świadczenia gwarantowanego Polki musiały czekać 3,5 miesiąca, podczas gdy w 2023 roku było to 2,7 miesiąca. W przypadku świadczeń kobiecych, czyli dotyczących chorób związanych z narządami rodnymi, porodem i połogiem, średni czas oczekiwania wyniósł 2,8 miesiąca, co w porównaniu do 2023 roku oznacza wzrost o 0,3 mies.

Pacjentów, którzy sami chcą się troszczyć o swoje zdrowie, coraz mocniej wspiera sztuczna inteligencja.

– Sztuczna inteligencja jest pomocna, a będzie coraz bardziej, bo ona też się uczy. Ale musimy ją tak sprofilować, żeby ona dawała dwa kierunki pomocy. Jeden dla profesjonalistów – to jest inny język, inny zakres wiadomości, a druga pomoc – dla pacjentów, bo sztuczna inteligencja też może im pomagać – tłumaczy farmakolog kliniczny w Szpitalu Matki Bożej Nieustającej Pomocy w Wołominie. – Gdyby sztuczna inteligencja na przykład mówiła pacjentowi: zaszczep się przeciwko pneumokokom, bo twoje leczenie będzie przebiegało sprawniej, to może on by z tego korzystał bardziej niż z informacji otrzymywanej przed przyjęciem do szpitala. Myślę, że trzeba szukać różnych kierunków. Sztuczna inteligencja mądrze zaprojektowana, mocno tkwiąca w realiach i prawdzie naukowej, może być jak najbardziej przydatna.

Jak podkreśla Komisja Europejska, postępy w technologii opartej na AI mogą zrewolucjonizować opiekę zdrowotną, aby stawała się skuteczniejsza i dostępniejsza. W diagnostyce może ona zwiększać dokładność badań i umożliwiać wcześniejsze wykrywanie chorób, co często prowadzi do mniej inwazyjnych i bardziej opłacalnych wariantów leczenia. Wśród praktycznych zastosowań sztucznej inteligencji w praktyce klinicznej wymieniono m.in. systemy AI stosowane w badaniach mammograficznych, które mogą identyfikować wczesne objawy raka piersi z niezwykłą dokładnością, często przekraczającą możliwości radiologów.

– Czy służba zdrowia będzie odciążona przez sztuczną inteligencję? Dzisiaj nie, dlatego że nawet dając prawidłową odpowiedź pacjentowi, nie mamy wpływu, co zrobi pacjent. Bardzo często jest tak, że pacjent słyszy: „Idź w prawo”, a potem idzie w lewo. W związku z tym myślę, że dzisiaj sztuczna inteligencja nie zastąpi tradycyjnej ochrony zdrowia, natomiast w mojej opinii może ją znacznie wesprzeć – uważa dr Leszek Borkowski.

W maju br. Jerzy Szafranowicz, podsekretarz stanu w Ministerstwie Zdrowia (pełni tę funkcję do 26 sierpnia br.), odpowiadając na interpelację posłanki z Polska 2050, wskazał, że środki z Krajowego Planu Odbudowy i Zwiększania Odporności będą w kolejnych miesiącach wspierać rozwój innowacyjnych narzędzi w ochronie zdrowia. Finansowane z KPO projekty będą się skupiać m.in. na usługach bazujących na algorytmach eksperckich lub sztucznej inteligencji oraz uczenia maszynowego w celu wspomagania pracy personelu medycznego, podejmowania decyzji klinicznych, jak również minimalizacji ryzyka wystąpienia błędu lekarskiego. Resort planuje także sfinansować w ramach KPO utworzenie Platformy Usług Inteligentnych, która ma służyć dostarczaniu specjalistycznych usług medycznych wspieranych algorytmami AI przy wykorzystaniu m.in. zasobów Centrum e-Zdrowia. Jednym z pierwszych zastosowań ma być diagnostyka obrazowa, np. RTG, TK, MRI. Podmioty medyczne uzyskają dostęp do narzędzia, do którego będą mogły wysłać badanie obrazowe, i w stosunkowo krótkim czasie otrzymać interpretację wyniku wykonaną przez algorytm AI. Takie rozwiązanie przyspieszy proces stawiania diagnozy oraz wdrażanie leczenia. Planowane jest również wykorzystanie voicebotów i chatbotów w przypominaniu o lekach, umawianiu wizyt i pobieraniu informacji o wynikach badań.

Jak pokazują badania prowadzone przez Centrum e-Zdrowia, placówki medyczne najczęściej wdrażają rozwiązania w zakresie diagnostyki obrazowej. W marcu w niemal 12 tys. podmiotów medycznych AI wykorzystywana jest w diagnostyce obrazowej typu CT (33,9 proc.),  w procesie wspomagania decyzji klinicznych (16,2 proc.) i w diagnostyce obrazowej typu MRI (15,9 proc). Jeszcze większy odsetek podmiotów ma w planach wdrożenie AI w tych obszarach.

Źródło: Newseria