Powstanie polska AI dla medycyny. Zacznie od raka płuca, potem wejdzie na cały system ochrony zdrowia

Audio generowane przez AI. Może zawierać błędy.

Długi proces diagnostyki, nierówny poziom lekarzy – a w rezultacie zbyt wolne leczenie. To tylko jeden z problemów polskiej służby zdrowia. Politechnika Wrocławska i Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii chcą to zmienić dzięki sztucznej inteligencji. W planach jest nowa, duża platforma. Pierwszym obszarem, który obejmie, będzie onkologia, a konkretnie rak płuca. System ma analizować rozproszone dane pacjentów, pilnować kompletności dokumentacji i wspierać lekarzy na kolejnych etapach diagnostyki oraz leczenia.

Pierwszy prototyp ma powstać w ciągu najbliższych miesięcy. Ambicje sięgają jednak znacznie dalej. Projekt ma zostać otwarty na kolejne szpitale i ośrodki naukowe, a w przyszłości objąć dane dotyczące pacjentów z całej Polski.

– Dzisiaj weszliśmy na poziom, na którym w miejscu tworzenia prawa możemy pokazać, jak ważne jest połączenie dwóch światów: cyfryzacji i sztucznej inteligencji ze zdrowiem – powiedziała podczas ogłoszenia projektu posłanka i członkinki Komisji Cyfryzacji, Innowacyjności i Nowoczesnych Technologii, Anna Sobolak.

Jak będzie wyglądała polska AI dla medycyny

Jak zadeklarowali przedstawiciele instytucji naukowych, nie ma być kolejnego medycznego chatbota ani pojedynczej aplikacji do wykonywania jednego zadania. Twórcy projektu „AI dla zdrowia” chcą zbudować bazowy model sztucznej inteligencji wykorzystujący jednocześnie różne rodzaje informacji medycznych. Przez tekst, dokumentację pacjenta, wyniki badań laboratoryjnych, obrazy diagnostyczne, aż po dane dotyczące przebiegu leczenia czy informacje o kolejnych etapach ścieżki pacjenta.

Projekt zaczyna się od współpracy Politechniki Wrocławskiej i Dolnośląskiego Centrum Onkologii, Pulmonologii i Hematologii, ale jego twórcy od początku zakładają rozszerzenie przedsięwzięcia na kolejne podmioty.

– Na końcu nie będzie to pojedynczy chatbot, drobne narzędzie czy jedna aplikacja. Chcemy stworzyć dużą platformę sztucznej inteligencji, która będzie służyć pacjentom, lekarzom i instytucjom medycznym – mówił prof. dr hab. inż. Arkadiusz Wójs, rektor Politechniki Wrocławskiej.

Pierwsze efekty mają pojawić się szybko. Zespół nie chce przez kilka lat rozwijać technologii w oderwaniu od realnej pracy lekarzy, aby dopiero na końcu pokazać gotowy produkt. Rozwój podstawowego modelu ma więc przebiegać równolegle z tworzeniem konkretnych zastosowań.

– Musimy założyć, że projekt od razu powinien przynosić rezultaty. Nie chcemy czekać trzy lata. Równolegle z rozwojem modelu będziemy realizować przypadki użycia, które wychodzą od lekarzy i z ich rzeczywistych potrzeb – tłumaczył dr hab. Maciej Piasecki z Katedry Sztucznej Inteligencji PWr.

AI ma pilnować, żeby pacjent nie „wypadł” z systemu

Twórcy projektu zaczynają od jednego z najbardziej praktycznych problemów ochrony zdrowia, długiej ścieżki diagnostyki pacjentów. W przypadku chorób onkologicznych diagnoza i leczenie wymagają wielu badań, konsultacji oraz decyzji podejmowanych przez różne zespoły. Informacje znajdują się w dokumentacji medycznej, wynikach laboratoryjnych, badaniach obrazowych i kolejnych zapisach dotyczących historii chorego. Problemem nie jest więc wyłącznie brak danych. Coraz większym wyzwaniem staje się połączenie ich w całość i sprawdzenie, czy na którymś etapie nie zabrakło kluczowej informacji albo działania.

– Mamy do czynienia z bardzo heterogenicznymi danymi. To teksty, obrazy, harmonogramy, historia choroby, epikryzy czy wyniki laboratoryjne. Rozwiązywanie każdego z tych problemów osobno już dzisiaj przynosi dobre rezultaty, ale dane nie są analizowane łącznie. Cała sztuka polega na tym, żeby śledząc ścieżkę pacjenta, nie pozwolić mu wypaść poza system – tłumaczył prof. dr hab. n. med. Adam Maciejczyk, dyrektor DCOPiH.

Dlatego jednym z pierwszych zastosowań AI ma być automatyczna analiza dokumentacji pacjenta. System będzie mógł sprawdzać jej kompletność przed konsylium lub kolejnym etapem leczenia i wskazywać, że brakuje określonego badania albo informacji potrzebnej do podjęcia decyzji.

Docelowo narzędzie ma również rozumieć, na jakim etapie diagnostyki znajduje się pacjent, jakie procedury zostały wykonane i czego jeszcze brakuje.

Lekarz ma dostać więcej czasu dla pacjenta

Przedstawiciele DCOPiH podkreślają, że sztuczna inteligencja nie ma podejmować decyzji zamiast lekarza. Ma przede wszystkim przejmować część pracy związanej z analizowaniem ogromnej ilości informacji oraz organizacją procesu leczenia.

– W tej chwili mamy tak ogromny napływ danych i informacji, że czasami po prostu nie jesteśmy w stanie tego wszystkiego objąć w czasie przeznaczonym dla pacjenta. AI ma uwolnić czas lekarza dla chorego – mówiła dr hab. n. med. Bożena Cybulska-Stopa, kierownik Katedry Onkologii i Hematologii PWr.

Jak tłumaczyła, lekarz nie powinien zajmować się sprawdzaniem kolejnych elementów dokumentacji.

– Zadaniem lekarza nie ma być załatwienie przy komputerze terminu wizyty u kolejnego specjalisty. To powinno dziać się poza lekarzem. AI ma wskazywać, na jakim etapie jesteśmy, gdzie mamy luki w diagnostyce i gdzie pojawia się problem w przekazywaniu pacjenta z jednego miejsca do drugiego – wyjaśniała Bożena Cybulska-Stopa.

Twórcy projektu mocno zaznaczają przy tym, że system ma pełnić funkcję wspomagającą. Odpowiedzialność za decyzję medyczną pozostanie po stronie człowieka.

– W żadnym razie nie chodzi o to, żeby zdejmować z lekarza odpowiedzialność i myślenie. Wręcz przeciwnie. Lekarz nadal będzie prowadził pacjenta, ale otrzyma narzędzia wspierające – podkreślała przedstawicielka DCOPiH.

Najpierw rak płuca

Pierwszym obszarem, na którym ma zostać sprawdzona technologia, będzie rak płuca. Przedstawiciele DCOPiH wskazują, że to jeden z największych problemów polskiej onkologii, a jednocześnie choroba, w której szybkość diagnozy i rozpoczęcia terapii ma szczególne znaczenie.

Centrum posiada bowiem rozbudowane, dobrze opisane dane dotyczące pacjentów oraz cyfrowe ścieżki ich obsługi. To właśnie one staną się punktem startowym do budowy pierwszych rozwiązań.

– Od wielu lat wiemy, jaka jest waga danych, które zbieramy o pacjentach i jak ważna jest informacja dotycząca indywidualnej sytuacji każdego chorego. Wiemy też, że jednym z największych problemów w onkologii jest rak płuca. Dlatego zaczynamy właśnie od niego – mówił dr Paweł Zawadzki, zastępca dyrektora ds. rozwoju DCOPiH.

Według informacji przedstawionych podczas konferencji placówka zajmuje się ponad 1,4 tys. nowych pacjentów z rakiem płuca rocznie. Analiza danych i przebudowa organizacji leczenia miały już pozwolić m.in. na zwiększenie liczby pacjentów kwalifikowanych do leczenia operacyjnego.

– Chcemy poprawić efektywność ścieżki diagnostyczno-terapeutycznej: skrócić diagnostykę, szybciej rozpoczynać terapię i dzięki temu skuteczniej leczyć pacjentów. To jest cel, który teraz chcemy osiągnąć w większej skali – podkreślał Adam Maciejczyk.

Jeden model ma połączyć tekst, obrazy i historię pacjenta

Od strony technologicznej przedsięwzięcie ma być znacznie bardziej złożone niż stworzenie specjalistycznej wersji popularnego modelu językowego. Politechnika Wrocławska chce wykorzystać doświadczenia zdobyte podczas prac nad polskim modelem językowym PLLuM, ale rozbudować system o wiedzę medyczną oraz możliwość rozumienia innych kategorii danych.

– Model językowy jest punktem wyjścia. Musimy dołożyć język medyczny, którego w obecnych modelach jest za mało, ale jeszcze ważniejsze będą umiejętności interpretowania i działania na danych medycznych – tłumaczył dr hab. Tomasz Kajdanowicz, kierownik katedry sztucznej inteligencji PWr.

Sama dokumentacja tekstowa nie wystarczy. W medycynie znaczenie mają również zdjęcia z badań obrazowych, wyniki laboratoryjne, zapis historii pacjenta czy różnego rodzaju sygnały medyczne.

Celem jest stworzenie wspólnej reprezentacji tych informacji. Model, ucząc się na danych dotyczących dużej liczby pacjentów, miałby rozpoznawać zależności pomiędzy poszczególnymi elementami ich historii.

Twórcy porównują ten mechanizm do działania modeli językowych. Tak jak model językowy uczy się przewidywać kolejne słowa na podstawie ogromnej liczby tekstów, medyczny model bazowy ma uczyć się relacji pomiędzy elementami historii pacjenta: wynikami badań, diagnozą, kolejnymi procedurami i przebiegiem terapii. Na tej podstawie będzie można później budować konkretne narzędzia wspierające diagnostykę, analizę dokumentacji czy prowadzenie chorego.

Dane nie muszą opuszczać szpitala

Jednym z największych problemów przy wykorzystaniu AI w ochronie zdrowia jest dostęp do danych. Informacje medyczne są wyjątkowo wrażliwe, a jednocześnie bez dużych zbiorów dobrej jakości niemożliwe jest stworzenie skutecznego modelu.

Twórcy projektu chcą rozwiązać ten problem dzięki uczeniu federacyjnemu. W takim modelu dane pacjentów pozostają w szpitalu, w którym powstały. Algorytm może być na nich trenowany lokalnie.

– Dane pozostają w centrum. Do budowy modelu nie musimy ich przenosić. Mogą być przetwarzane w miejscu powstania, a dopiero produkty procesu trenowania, które nie mają już charakteru danych pacjentów, są przekazywane do miejsca, w którym składamy cały model – wyjaśniali naukowcy Politechniki Wrocławskiej.

Ma to również ułatwić pozyskanie kolejnych partnerów. Szpital nie musiałby oddawać swojego zasobu danych ani tracić nad nim kontroli, a jednocześnie mógłby korzystać z modelu rozwijanego wspólnie przez wiele placówek.

Projekt ma wyjść poza Dolny Śląsk

Na razie liderami przedsięwzięcia są Politechnika Wrocławska oraz DCOPiH, ale jego twórcy zdecydowanie odcinają się od pomysłu budowy rozwiązania wyłącznie dla jednej placówki.

– To nie jest propozycja konsorcjum dwóch partnerów. Dwóch partnerów jest liderami, ale zapraszamy szeroko. Wydaje się, że tutaj wszyscy mogą być wygrani – tłumaczył Arkadiusz Wójs.

Podobnie mówiła posłanka Anna Sobolak, która uczestniczyła w prezentacji projektu w Sejmie. Jak podkreślała, inicjatywa powstała oddolnie, na bazie wieloletniej współpracy ośrodka medycznego z uczelnią.

Według niej przedstawiciele administracji centralnej, w tym ministerstwa cyfryzacji i zdrowia obecni podczas posiedzenia podkomisji deklarowali zainteresowanie projektem. W przypadku powodzenia pilotażu przedsięwzięcie miałoby zostać rozszerzone.

– Tego typu działania powinny wejść na poziom centralny. Do projektu powinni być zapraszani kolejni beneficjenci, żeby pojawiło się więcej kompetencji, ale również więcej danych medycznych – wskazywała posłanka.

W pierwszym etapie finansowanie projektu będzie opierało się na środkach Politechniki Wrocławskiej i DCOPiH. W przyszłości niezbędne będzie pozyskanie dodatkowych źródeł, ale w tym pomóc może strona rządowa.

– Już zaczynamy. Najlepszym argumentem za sensownością tego projektu jest pokazanie pierwszych efektów. W ciągu najbliższych miesięcy planujemy pierwszy prototyp – zapowiedział Maciej Piasecki.

Główne wnioski

1. Politechnika Wrocławska i Dolnośląskie Centrum Onkologii, Pulmonologii i Hematologii rozpoczynają budowę platformy AI, która ma wspierać lekarzy w analizie całej ścieżki pacjenta. System ma łączyć dane z dokumentacji medycznej, badań laboratoryjnych, obrazowania i historii leczenia. Jego zadaniem będzie m.in. wychwytywanie braków w dokumentacji i wskazywanie, na jakim etapie diagnostyki lub terapii znajduje się chory. Twórcy podkreślają, że AI nie ma zastępować lekarza ani przejmować odpowiedzialności za decyzje medyczne. Ma przede wszystkim ograniczyć czas poświęcany na analizę rozproszonych informacji i organizację procesu leczenia.
2. Pierwszym obszarem zastosowania technologii będzie rak płuca. DCOPiH zajmuje się ponad 1,4 tys. nowych pacjentów z tym nowotworem rocznie i dysponuje dobrze opisanymi danymi oraz cyfrowymi ścieżkami ich obsługi. Projekt ma pomóc skrócić diagnostykę, szybciej rozpoczynać leczenie i ograniczyć ryzyko, że pacjent „wypadnie” z systemu pomiędzy kolejnymi badaniami i konsultacjami. Pierwszy prototyp ma powstać w ciągu najbliższych miesięcy, a równolegle z budową podstawowego modelu mają być rozwijane konkretne zastosowania zgłaszane przez lekarzy.
3. Ambicją projektu jest stworzenie rozwiązania wykraczającego poza pojedynczy szpital i pojedynczą specjalizację. Model ma docelowo łączyć tekst, obrazy, wyniki badań i inne dane medyczne, a do jego rozwoju ma zostać wykorzystane m.in. uczenie federacyjne. Dzięki temu dane pacjentów mogłyby pozostawać w poszczególnych placówkach, a do wspólnego systemu trafiałyby jedynie efekty procesu trenowania. Twórcy chcą zapraszać kolejne szpitale i ośrodki naukowe, a w dalszej perspektywie rozszerzyć projekt na skalę ogólnopolską. Na pierwszym etapie przedsięwzięcie będzie finansowane przez PWr i DCOPiH, później konieczne ma być pozyskanie dodatkowych środków.