Raport w godzinę zamiast po dniu: w walce z Ebolą w Afryce sztuczna inteligencja wspiera ochronę zdrowia. W Niemczech też pomaga, ale eksperci ostrzegają przed brakiem przejrzystości i niejasnym ryzykiem.
Od maja zespoły pracujące na miejscu w Demokratycznej Republice Konga (DRK) walczą z wirusem Bundibugyo Ebola. Każdego dnia tak zwani health workers – pracownicy ochrony zdrowia – pukają do drzwi mieszkańców i oferują porady. Zbierają dane o wyleczonych i zmarłych oraz kierują osoby z podejrzanymi objawami do placówek medycznych.
REKLAMA
REKLAMA
Według raportu firmy Anthropic, zajmującej się sztuczną inteligencją, wiedza tych health workers, których zeszyty dokumentują stan całej społeczności, została zdigitalizowana.
Kto zachorował? Z kim ta osoba miała kontakt i gdzie przebywała, zanim dowiedziała się o zakażeniu? Do analizy odpowiedzi i zgłoszeń wykorzystano model Claude firmy Anthropic. W badaniu uczestniczyli m.in. CEPI, Regionalne Biuro WHO ds. Afryki oraz krajowy instytut badań biomedycznych INRB.
Sztuczna inteligencja pomaga szybciej ocenić rozprzestrzenianie się epidemii
„Raport sytuacyjny powstaje w ciągu godziny, a nie przez cały dzień pracy” – wyjaśnia dr Marie Roseline Darnycka Belizaire, dyrektorka ds. gotowości i reagowania kryzysowego w Regionalnym Biurze Światowej Organizacji Zdrowia (WHO) ds. Afryki. Jak podkreśliła zastępczyni szefa WHO na scenie World Health Summits, sztuczna inteligencja może pomóc szybciej ocenić rozprzestrzenianie się epidemii i precyzyjniej kierować pomoc medyczną.
Podczas analizy danych zidentyfikowano potencjalne ogniska zakażeń i rozpoczęto przygotowania, na przykład przenosząc zapasy pomocy medycznej do kluczowych węzłów i rejonów ryzyka.
W sytuacji kryzysowej może to mieć kluczowe znaczenie. Im szybciej władze sanitarne zareagują na potencjalny wybuch epidemii, tym lepiej mogą się przygotować i zorganizować opiekę. Sztuczna inteligencja ma pomagać w szybkim przetwarzaniu informacji z różnych źródeł i wspierać decyzje osób odpowiedzialnych za system ochrony zdrowia.
Ten pozytywny przykład zastosowania sztucznej inteligencji w ochronie zdrowia pokazuje obszar, w którym technologie te można wykorzystywać przy stosunkowo niewielkim ryzyku. Eksperci uważają jednak, że w przyszłości AI może mieć znacznie szersze zastosowania.
Technologia mogłaby poprawić jakość diagnoz, odciążyć personel medyczny od zadań administracyjnych i pomóc lepiej wykorzystywać ograniczone zasoby. Jednocześnie pojawiają się zasadnicze pytania: na ile wiarygodne są wyniki? Czy lekarze i pielęgniarki są w stanie zrozumieć, w jaki sposób system AI dochodzi do swoich zaleceń? I czy realnie korzystają na tym pacjentki i pacjenci?
Sztuczna inteligencja wsparciem dla przeciążonego personelu medycznego
Na całym świecie rośnie zapotrzebowanie na opiekę medyczną. Jednocześnie w wielu miejscach brakuje personelu, czasu i sprzętu. Dla dr. Thomasa Zapaty, dyrektora WHO Academy w Lyonie, to właśnie tu leży główny punkt wyjścia do wykorzystania sztucznej inteligencji.
„Musimy się zastanowić nad paradoksem, z którym dziś się mierzymy. Na świecie mamy więcej pracowników ochrony zdrowia niż kiedykolwiek wcześniej, dysponujemy bezprecedensowymi technologiami” – mówił Zapata podczas dyskusji na World Health Summit. Mimo to, jak podkreślił, wciąż odczuwalny jest ogromny niedobór personelu. „Popyt na usługi zdrowotne rośnie i rośnie”.
W jego ocenie AI może pomóc zmniejszyć tę lukę. Kluczowe jest jednak, by nie traktować jej jako celu samego w sobie, lecz jako narzędzie, które trzeba włączyć w istniejące systemy ochrony zdrowia.
„Sztuczna inteligencja jest narzędziem, środkiem do celu. Obecnie jesteśmy bardzo zafascynowani technologią i AI, ale moim zdaniem musimy umieścić ją we właściwym miejscu w kontekście systemu ochrony zdrowia” – ostrzega Zapata. Jego zdaniem sztuczna inteligencja ma do odegrania dwie role: z jednej strony może zmienić sposób organizacji opieki medycznej, z drugiej – wymusza dostosowanie kształcenia i doskonalenia zawodowego pracowników ochrony zdrowia do nowych możliwości.
Ostatecznie AI może oczywiście pomóc zmniejszyć obciążenie pracą, usprawnić zadania administracyjne, wesprzeć podejmowanie decyzji klinicznych i poprawić proces stawiania diagnoz. Szczególnie ważne jest dla niego, by technologia uwalniała czas na to, czego nie da się łatwo zautomatyzować ani, jak podkreśla, nie powinno się automatyzować: opiekę nad pacjentami.
Zwłaszcza kryzys związany z Ebolą w Demokratycznej Republice Konga pokazał, jak bardzo brakuje zaufania do lokalnych systemów opieki zdrowotnej.
Dzięki temu lekarze zyskują więcej czasu dla pacjentów
Zwłaszcza tam, gdzie personel medyczny pracuje pod ogromną presją czasu, zautomatyzowane procesy mogą wiele zmienić. Dr Cecilia Mbaca, starsza doradczyni techniczna ds. zdrowia i sytuacji kryzysowych w organizacji pomocowej CARE, zna te wyzwania z ponad 15 lat pracy na pierwszej linii.
Dla niej kluczowe są trzy pytania: czy AI może wspierać decyzje medyczne? Czy jest w stanie przejąć powtarzalne zadania? I czy pomaga lepiej dostosować opiekę do indywidualnych potrzeb pacjentek i pacjentów?
„Jeśli AI dobrze wykonuje tę część pracy, zostaje więcej czasu na osobiste aspekty opieki: możemy zadawać pytania, słuchać, badać pacjentów i kierować ich na kolejne poziomy leczenia” – wyjaśnia też dr Cecilliah Mbaka, starsza doradczyni techniczna ds. zdrowia i sytuacji kryzysowych w organizacji CARE.
Jak mówi, sama przez ponad 15 lat pracowała na pierwszej linii, przy niewielkim wsparciu, z ograniczonymi zasobami i ogromnym obciążeniem pracą.
W przypadku epidemii nie chodzi wyłącznie o dane medyczne. Kluczowe znaczenie ma także zaufanie społeczeństwa. Ludzie muszą mieć pewność, że w placówkach ochrony zdrowia są bezpieczni i otrzymują odpowiednią opiekę. W dotkniętych kryzysem społecznościach to zaufanie często przesądza o tym, czy chorzy zgłoszą się po pomoc na czas.
Szacuje się, że około 50 procent zgonów w wioskach DRK ma miejsce poza placówkami medycznymi – mówi epidemiolog Maximilian Gertler. Lokalny system ochrony zdrowia działa pod ogromną presją i nie był przygotowany na wybuch epidemii Eboli. Każdego dnia potrzeba tysięcy kombinezonów ochronnych, by zabezpieczyć personel medyczny przed zakażeniem. Niemcy niedawno zwiększyły pomoc o 21 mln euro.
AI może więc wspierać organizację opieki. Nie jest jednak w stanie sama zbudować zaufania do placówek medycznych. Jak podkreślają sami specjaliści od sztucznej inteligencji, droga od danych do diagnozy jest dziś często mało przejrzysta.
Problem przejrzystości: skąd bierze się diagnoza AI?
Nowoczesne systemy AI potrafią analizować ogromne zbiory danych i wychwytywać wzorce, które mogłyby umknąć człowiekowi. Często jednak nie wiadomo dokładnie, jak dochodzą do swoich wyników.
Dr Thomas Thesen, profesor kształcenia medycznego i informatyki w Geisel School of Medicine na amerykańskim Uniwersytecie Dartmouth, opisuje ten problem tak: „Są niezwykle sprawne w rozpoznawaniu wzorców, ale naprawdę słabe w tłumaczeniu nam, czym te wzorce właściwie są”. Jak mówi, chatboty i duże modele językowe, takie jak Claude czy ChatGPT, mają poważny problem z wyjaśnianiem. W tym obszarze sztuczna inteligencja pozostaje czarną skrzynką.
Ma to szczególne znaczenie w ochronie zdrowia. Jeśli system przedstawia diagnozę lub rekomendację terapeutyczną, personel medyczny musi ocenić, czy w konkretnym przypadku ma ona sens. Sam wynik nie zawsze wystarcza – zrozumiały musi być także sposób, w jaki do niego doprowadzono.
„I tu właśnie pojawia się problem wyjaśnialności. Systemy nie potrafią w języku zrozumiałym dla ludzi wyjaśnić, jak dochodzą do takich rozpoznań”.
Ten tak zwany problem czarnej skrzynki dotyczy nie tylko przejrzystości, lecz także odpowiedzialności: kto odpowiada, gdy system AI wydaje błędne zalecenie? Dlatego dla dr Mbaki kluczowe jest, by sztuczna inteligencja nie tylko generowała wyniki, ale realnie wspierała proces podejmowania decyzji.
Ekspert: AI nie może zastąpić nauki w trakcie szkolenia
Sztuczna inteligencja może pomagać także w kształceniu personelu medycznego – na przykład szybciej udostępniając informacje czy wspierając przy powtarzalnych zadaniach. Jednak właśnie w procesie uczenia się Thesen, profesor kształcenia medycznego i informatyki, dostrzega ryzyka.
Wskazuje na badanie, w którym porównano wyszukiwanie informacji w tradycyjnych wyszukiwarkach z korzystaniem z chatbota AI. Okazało się, że studenci używający chatbota mieli bardziej powierzchowną wiedzę, słabiej utrwaloną.
„Takie tak zwane pożądane trudności są w procesie uczenia się naprawdę bardzo ważne. Jeśli całą pracę poznawczą oddamy chatbotowi – co może być wprawdzie bardzo efektywne – w rzeczywistości niczego się nie uczymy”.
Kto musi zdobyć wiedzę na trwałe, nie powinien – jego zdaniem – zlecać każdej pracy umysłowej systemom AI. W medycynie szczególnie ważne jest, by potrafić podejmować właściwe decyzje także wtedy, gdy wsparcie technologiczne nie jest dostępne.
Dlatego Thesen zaleca, by wykorzystywać AI przede wszystkim tam, gdzie zmniejsza obciążenie pracą. Natomiast tam, gdzie chodzi o zrozumienie wiedzy i jej trwałe opanowanie, samodzielne uczenie się powinno zachować kluczową rolę.