W opiece zdrowotnej istnieje wiele emocji związanych z wykorzystaniem sztucznej inteligencji (AI) w celu usprawnienia podejmowania decyzji klinicznych.
Zapoczątkowana przez IBM Watson for Healthcare i DeepMinds Healthcare sztuczna inteligencja obiecuje pomóc specjalistom w dokładniejszym diagnozowaniu pacjentów. Dwa lata temu McKinsey wyprodukował raport z Zdrowie EIT w Unii Europejskiej zbadać potencjał sztucznej inteligencji w opiece zdrowotnej. Wśród kluczowych możliwości, jakie odkryli autorzy raportu, znalazły się operacje związane z opieką zdrowotną: diagnostyka, wspomaganie decyzji klinicznych, selekcja i diagnostyka, świadczenie opieki, zarządzanie opieką przewlekłą i samoopieka.
„Po pierwsze, rozwiązania prawdopodobnie będą dotyczyć nisko wiszących owoców rutynowych, powtarzalnych i w dużej mierze administracyjnych zadań, które pochłaniają znaczną ilość czasu lekarzy i pielęgniarek, optymalizując operacje opieki zdrowotnej i zwiększając adopcję” – napisali. „W tej pierwszej fazie uwzględnilibyśmy również aplikacje sztucznej inteligencji oparte na obrazowaniu, które są już wykorzystywane w takich specjalnościach jak radiologia, patologia i okulistyka”.
Świat AI w opiece zdrowotnej nie zatrzymał się w miejscu, a w czerwcu Parlament Europejski opublikował Sztuczna inteligencja w opiece zdrowotnej, koncentrując się na zastosowaniach, zagrożeniach, skutkach etycznych i społecznych. Autorzy artykułu zalecili, aby ocena ryzyka AI była specyficzna dla danej dziedziny, ponieważ ryzyko kliniczne i etyczne jest różne w różnych dziedzinach medycyny, takich jak radiologia czy pediatria.
Autorzy artykułu napisali: „W przyszłych ramach regulacyjnych walidacja medycznych technologii sztucznej inteligencji powinna zostać ujednolicona i wzmocniona w celu oceny i identyfikacji wieloaspektowych zagrożeń i ograniczeń poprzez ocenę nie tylko dokładności i odporności modelu, ale także uczciwość algorytmiczna, bezpieczeństwo kliniczneakceptacja kliniczna, przejrzystość i identyfikowalność”.
Walidacja medycznych technologii sztucznej inteligencji jest głównym przedmiotem badań prowadzonych przez Centrum Medyczne Uniwersytetu Erasmusa w Rotterdamie. Na początku tego miesiąca Erasmus MC, University Medical Center Rotterdam, rozpoczął współpracę z firmą Qure.ai zajmującą się technologiami medycznymi, aby uruchomić laboratorium AI Innovation Lab for Medical Imaging.
Wstępny program potrwa trzy lata i obejmie szczegółowe badania nad wykrywaniem nieprawidłowości za pomocą algorytmów sztucznej inteligencji w chorobach zakaźnych i niezakaźnych. Naukowcy mają nadzieję, że zrozumieją potencjalne przypadki użycia sztucznej inteligencji w Europie i zapewnią lekarzom wskazówki dotyczące najlepszych praktyk w zakresie przyjęcia technologii specjalnie dla ich wymagań.
Jacob Visser, radiolog, główny specjalista ds. informacji medycznej (CMIO) i adiunkt ds. obrazowania opartego na wartościach w Erasmus MC, powiedział: „Ważne jest, aby zdać sobie sprawę, że mamy duże wyzwania, starzejącą się populację i wiele technologii, które muszą być używane w sposób odpowiedzialny. Badamy, w jaki sposób możemy wnieść wartość dla klinicystów i pacjentów za pomocą nowych technologii i jak możemy mierzyć te postępy”.
Rola Vissera jako CMIO działa jako pomost między stroną medyczną a technologami. „Jako lekarz, CMIO chce skierować IT we właściwym kierunku” – powiedział. „Klinicyści są zainteresowani możliwościami, jakie oferuje IT. Nowe osiągnięcia techniczne sprawiają, że medycy dostrzegają większe możliwości w dziedzinach takich jak medycyna precyzyjna”.
Erasmus MC będzie prowadzić laboratorium, prowadząc projekty badawcze z wykorzystaniem technologii AI firmy Qure. Wstępny projekt badawczy skupi się na obrazowaniu układu mięśniowo-szkieletowego i klatki piersiowej. Visser powiedział, że podczas oceny modeli AI „łatwo jest zweryfikować, czy złamanie zostało wykryte prawidłowo”.
Pozwala to ocenić, jak dobrze radzi sobie sztuczna inteligencja, co pozwala naukowcom uzyskać znaczący wgląd w to, jak często sztuczna inteligencja błędnie pomija prawdziwe złamanie (fałszywie ujemne) lub błędnie klasyfikuje zdjęcie rentgenowskie jako złamanie (fałszywie dodatnie).
Omawiając poziom kontroli nad wykorzystaniem sztucznej inteligencji w opiece zdrowotnej, Vissier powiedział: „Algorytmy medyczne muszą zostać zatwierdzone, na przykład przez Federalna Administracja Leków [FDA] w USA i uzyskać certyfikat CE w Europie.”
Patrząc na partnerstwo z Qure.ai, dodał: „Widzimy przyjęcie sztucznej inteligencji w opiece zdrowotnej w krytycznym momencie, w którym klinicyści proszą o porady ekspertów, jak najlepiej ocenić przyjęcie tej technologii. W dotychczasowych pracach Qure jasne jest, że zgromadzili szczegółowe informacje na temat skuteczności sztucznej inteligencji w placówkach opieki zdrowotnej i razem będziemy w stanie ocenić efektywne przypadki użycia w europejskich środowiskach klinicznych”.
Ale jest ich mnóstwo wyzwania związane z wykorzystaniem AI w opiece zdrowotnej diagnostyka. Nawet jeśli algorytm został zatwierdzony przez FDA lub posiada certyfikat CE, niekoniecznie oznacza to, że będzie działał w lokalnej praktyce klinicznej, powiedział Vissier. „Musimy upewnić się, że algorytm AI spełnia nasze lokalne potrzeby praktyki” – dodał. „Na jakie klinicznie istotne parametry mogą mieć wpływ wyniki, które wytwarza sztuczna inteligencja?”
Wyzwanie polega na tym, że dane wykorzystywane do opracowania algorytmu sztucznej inteligencji w opiece zdrowotnej wykorzystują określony zbiór danych. W konsekwencji uzyskany model danych może nie być reprezentatywny dla rzeczywistych danych pacjentów w społeczności lokalnej. „Po zewnętrznej walidacji algorytmu obserwuje się spadek wydajności” — powiedział Vissier.
Jest to analogiczne do prób farmaceutycznych, w których skutki uboczne mogą się różnić w różnych populacjach. Sektor farmaceutyczny monitoruje zużycie, które jest elementem cyklu rozwoju produktu.
Patrząc na swoje aspiracje do badań wychodzących z nowego laboratorium, Vissier powiedział: „Mam nadzieję, że w ciągu roku udowodnię działanie algorytmów, dokładność ich diagnoz i mam nadzieję, że zaczniemy oceniać działanie tych algorytmów w codzienna praktyka kliniczna.”