Minuty na wagę życia. Jak AI realnie zmienia pracę lekarzy

Zastosowanie sztucznej inteligencji w medycynie przestało być domeną teorii. Systemy te są dziś wbudowane w codzienną praktykę szpitalną, oferując wsparcie tam, gdzie o zdrowiu pacjenta decydują minuty. Najbardziej wymierny przykład płynie z angielskiej służby zdrowia (NHS), gdzie wdrożenie technologii Brainomix e-Stroke radykalnie zmieniło statystyki leczenia udarów.

System ten automatycznie analizuje skany mózgu, co pozwoliło skrócić średni czas od przyjęcia pacjenta do podjęcia decyzji o leczeniu (tzw. door-in to door-out) ze 140 do 79 minut. Skuteczność tej zmiany widać w efektach klinicznych: odsetek pacjentów odzyskujących funkcjonalną niezależność po udarze wzrósł z 16% do 48%.

Precyzja w diagnostyce i na bloku operacyjnym

AI staje się również wsparciem dla radiologów w wykrywaniu zmian, które trudno dostrzec ludzkim okiem. Badanie opublikowane w „JAMA Neurology” wskazuje na system MELD Graph, który zidentyfikował 64% zmian padaczkorodnych wcześniej przeoczonych przez lekarzy (osiągając przy tym czułość na poziomie 67% i swoistość 60%). W badaniu tym za standard referencyjny przyjęto pacjentów z lekooporną padaczką ogniskową, u których zmiany zostały potwierdzone w badaniach obrazowych MRI lub histopatologicznych po operacji. Narzędzie wykorzystuje algorytmy oparte na grafowych sieciach neuronowych do analizy grubości kory mózgowej i stopnia jej pofałdowania, generując raport lokalizujący podejrzane obszary wraz ze wskaźnikiem pewności modelu. Z kolei w badaniu opisanym w czasopiśmie „Science”, duże modele językowe wypadły lepiej niż klinicyści w analizie złożonych i nietypowych przypadków medycznych.

Technologia wchodzi także bezpośrednio na salę operacyjną. W University College London zespół chirurgów przeprowadził operację usunięcia guza mózgu zagrażającego wzrokowi pacjenta, korzystając z asysty AI. System w czasie rzeczywistym analizował obraz wideo z pola operacyjnego, wskazując lekarzom ryzykowne obszary, których należy unikać, aby nie uszkodzić zdrowych tkanek.

Od cząsteczki po opiekę powrotną

Wpływ algorytmów widać również na etapie projektowania nowych terapii. Firma Insilico Medicine wykorzystała AI do stworzenia struktury leku Rentosertib, przeznaczonego do leczenia idiopatycznego włóknienia płuc. Preparat znajduje się obecnie w fazie testów klinicznych, co pokazuje potencjał technologii w przyspieszaniu żmudnego procesu odkrywania nowych substancji.

Mimo tych sukcesów, środowisko medyczne zachowuje dystans i wskazuje na konkretne ograniczenia. Do najważniejszych należą:

• ryzyko błędów diagnostycznych popełnianych przez chatboty,
• zjawisko uprzedzeń (bias) w modelach trenowanych na niepełnych danych,
• konieczność ciągłej weryfikacji decyzji algorytmów przez doświadczonych lekarzy.

AI nie zastępuje specjalistów, lecz pełni rolę zaawansowanego asystenta. Od szybszej diagnostyki w stanach nagłych, przez wsparcie w planowaniu precyzyjnych zabiegów, aż po monitorowanie procesu gojenia się ran – technologia ta staje się nowym standardem w opiece nad pacjentem.