Google prezentuje g-AMIE: system AI do diagnostyki medycznej pod nadzorem lekarza

Sztuczna inteligencja coraz śmielej wkracza w obszar medycyny, oferując narzędzia do analizy danych, wspomagania diagnostyki i planowania leczenia. Jednak ze względu na odpowiedzialność i potencjalne ryzyko, decyzje dotyczące zdrowia pacjentów muszą podejmować wyłącznie licencjonowani lekarze.

Naukowcy z Google DeepMind, Google Research i Harvard Medical School przedstawili nowe rozwiązanie: Guardrailed-AMIE (g-AMIE), system oparty na modelu Gemini 2.0 Flash, który ma za zadanie wspierać lekarzy w procesie diagnostycznym, jednocześnie zapewniając nadzór i kontrolę nad działaniem AI.

Architektura i działanie g-AMIE

Główną ideą g-AMIE jest rozdzielenie procesu zbierania informacji o pacjencie od formułowania diagnozy i rekomendacji leczenia. System składa się z kilku współpracujących ze sobą agentów AI:

• Agent zbierający dane: Prowadzi z pacjentem rozmowę, zbiera informacje o objawach i historii choroby, ale nie udziela żadnych porad medycznych.
• Agent nadzorujący: Monitoruje odpowiedzi agenta zbierającego dane, aby upewnić się, że nie narusza ustalonych zasad i nie udziela porad medycznych.
• Agent generujący notatkę SOAP: Na podstawie zebranych danych tworzy ustrukturyzowane podsumowanie kliniczne w formacie SOAP (Subjective, Objective, Assessment, Plan).
• Kokpit lekarza: Interaktywny interfejs, za pomocą którego lekarz może przeglądać, edytować i zatwierdzać notatkę SOAP oraz treść komunikatu dla pacjenta.

Taki podział obowiązków pozwala na asynchroniczny nadzór lekarza, co oznacza, że lekarz nie musi być obecny podczas rozmowy AI z pacjentem. Może on przejrzeć i zatwierdzić notatkę SOAP w dogodnym dla siebie czasie, co znacznie zwiększa skalowalność systemu.

Ocena i wyniki testów

Skuteczność g-AMIE została oceniona w randomizowanym, zaślepionym badaniu OSCE (Objective Structured Clinical Examination). System porównywano z grupami kontrolnymi: lekarzami na początku kariery (g-PCP) oraz pielęgniarkami i asystentami lekarzy (g-NP/PA). Wszyscy uczestnicy pracowali pod nadzorem doświadczonych lekarzy (o-PCP).

Wyniki badań wykazały, że g-AMIE osiągnął lepsze rezultaty w zakresie:

• Przestrzegania zasad: g-AMIE i g-NP/PA w ponad 90% przypadków unikali udzielania porad medycznych.
• Jakości zbierania danych: g-AMIE wychwytywał więcej kluczowych objawów alarmowych niż grupy kontrolne.
• Jakości notatek SOAP: Notatki generowane przez g-AMIE były bardziej czytelne, kompletne i dokładne niż notatki tworzone przez grupy kontrolne.
• Efektywności: Czas nadzoru lekarza nad przypadkami g-AMIE był o około 40% krótszy niż w przypadku konsultacji z lekarzem.
• Dokładności diagnozy: g-AMIE osiągnął 81,7% dokładności diagnozy, w porównaniu do 53,3% dla g-PCP i 63,3% dla g-NP/PA.
• Satysfakcji pacjentów: Pacjenci symulowani w badaniu preferowali rozmowy z g-AMIE pod względem empatii, komunikacji i zaufania.

Wnioski i perspektywy

g-AMIE to krok w kierunku bardziej efektywnego i bezpiecznego wykorzystania sztucznej inteligencji w medycynie. System może significantly odciążyć lekarzy, skrócić czas oczekiwania na diagnozę i poprawić jakość opieki nad pacjentem. Jednak przed wdrożeniem g-AMIE do praktyki klinicznej konieczne są dalsze badania i testy.

Kluczowe jest również zapewnienie odpowiedniego nadzoru nad systemem i ciągłe monitorowanie jego działania, aby uniknąć potencjalnych błędów i negatywnych konsekwencji. Mimo to, g-AMIE stanowi obiecujący przykład tego, jak sztuczna inteligencja może wspierać lekarzy w ich codziennej pracy, poprawiając jakość i dostępność opieki zdrowotnej.