Sztuczna inteligencja, za sprawą ChatGPT, jest niewątpliwie w ostatnich miesiącach jednym z najgorętszych „buzzwordów” w świecie technologii i nie tylko. Wiele dyskutuje się o AI w kontekście możliwości jej wykorzystania do celów profesjonalnych w niemal każdej branży. Pojawiają się głosy, zarówno bardzo entuzjastyczne, skupiające się na różnych korzyściach i nowych możliwościach, ale także mówiące o zagrożeniach związanych z brakiem kontroli nad „maszyną” czy jej wpływem na rynek pracy. Są jednak takie dziedziny jak medycyna, gdzie kwestia ochrony zdrowia i ratowania życia jest aspektem najistotniejszym, a czynniki takie jak wysokie koszty, braki kadrowe czy szybkość działania są cechami występującymi w każdej szerokości geograficznej. Oczywiście sztuczna inteligencja jest już teraz wykorzystywana w szeroko pojętym healthcare lub prace nad jej implementacją są bardzo zaawansowane. W poniższym tekście, na bazie własnych doświadczeń, opiszę kilka takich obszarów.

Wsparcie diagnostyki

WHO szacuje, że blisko 15 mln zgonów rocznie na świecie wynika z opóźnionej lub nieprawidłowej diagnozy. Dzięki AI, lekarze mają dostęp do coraz większej ilości danych pacjentów, w tym wyników badań, historii choroby, wyników testów laboratoryjnych i innych informacji medycznych. Algorytmy AI mogą być również wykorzystywane do rozpoznawania i analizy obrazów medycznych, takich jak tomografia komputerowa (CT) i rezonans magnetyczny (MRI) i pomóc w rozpoznawaniu chorób, takich jak nowotwory lub choroby układu krążenia. Nad takim projektem pracuje np. zespół Billennium Healthcare wspólnie z naukowcami z Uniwersytetu Marii Curie-Skłodowskiej oraz Uniwersytetu Medycznego w Lublinie, który opracowuje metodę wykorzystującą AI i machine learning w diagnostyce nowotworów mózgu oraz piersi. Jednak takich przypadków zastosowań jest więcej i opracowywane są np. rozwiązania wspierające lekarzy w szybkim diagnozowaniu raka skóry, w czym również naukowcy z Polski mają swój udział. Oczywiście zastosowanie tej technologii wiąże się z pewnymi wyzwaniami. To między innymi kwestie związane z rozproszeniem danych pacjentów po różnych ośrodkach ze sobą niepołączonych oraz różnorodne aspekty prawne i techniczne z tym związane. Jednak już teraz wyniki prac różnych podmiotów działających nad opracowaniem narzędzi opartych o AI i wspierających diagnostykę są bardzo obiecujące. 

15 mln zgonów rocznie na świecie wynika z opóźnionej lub nieprawidłowej diagnozy.

Zasilenie i wytrenowanie modeli większą ilością danych oraz wprowadzenie nowych, bardziej zaawansowanych architektur sprawi, że ich efekty będą jeszcze bardziej dokładne (choć obecnie skuteczność jest często wyższa niż konsorcja doświadczonych lekarzy-specjalistów), co przyspieszy proces wykrywania chorób i zwiększy szansę na skuteczne wyleczenie.

Zarządzanie ruchem (i personelem)

Innym przykładem zastosowania AI w ochronie zdrowia jest jej wykorzystanie w triażu medycznym, czyli procedurach segregacji rannych w wypadkach, które umożliwiają szybką pomoc osobom najbardziej poszkodowanym, w zależności od stopnia obrażeń czy rokowań. Na świecie funkcjonuje kilka takich systemów, w Polsce powszechny jest system o nazwie S.T.A.R.T. Zadaniem AI jest szybsze i dokładniejsze oszacowanie, które przypadki wymagają najpilniejszej pomocy i lepsze zarządzanie ruchem karetek służb ratunkowych, aby ostatecznie uratować jak najwięcej ofiar danego zdarzenia. Oczywiście, na końcu osobą decyzyjną jest człowiek, ale biorąc pod uwagę właśnie czynnik ludzki i inne aspekty, tradycyjne systemy nie zawsze funkcjonują sprawnie. Taki system, oparty właśnie o AI, funkcjonuje już w Stanach Zjednoczonych, a jego zadaniem jest sortowanie różnych informacji zapisanych w formie tekstu i liczb oraz analiza sentymentu, przeprowadzona na podstawie tego samego zestawu informacji, ale też analizy nagrań głosowych. System więc pomaga w szybszym podejmowaniu decyzji i przekazaniu niezbędnych danych zespołowi ratunkowemu.

Udział modeli sztucznej inteligencji i uczenia maszynowego w ramach podobnych procesów nie musi ograniczać się tylko do tego przypadku, bo podobne rozwiązania mogą również wspierać różne placówki medyczne w działaniach na miejscu – zarówno w przypadkach nagłych, jaki i planowaniu prac w danym ośrodku. 

Zarządzanie zasobami – materiałami, lekami, wyrobami medycznymi

Kolejny ciekawy przypadek wykorzystania AI jest związany z zarządzaniem zasobami materiałowymi i optymalizacją łańcucha dostaw asortymentu medycznego wykorzystywanego w czynnościach szpitalnych. Zaplanowanie i przeprowadzenia skomplikowanej operacji jest bardzo złożonym procesem, a dana placówka musi posiadać odpowiednie narzędzia i inne materiały medyczne oraz leki. Niektóre z nich są bardzo kosztowne – np. wiertła wykorzystywane w zabiegach ortopedycznych to nawet 1500 USD – i na różnych etapach procesu mogą… się gdzieś zapodziać. W międzyczasie może odbyć się inna pilna operacja, personel źle zaplanuje zabieg czy przygotuje niewłaściwy zestaw narzędzi wymagany do zabiegu. Konieczne jest więc odpowiednie przeanalizowanie planowanych działań i czynności, ich weryfikacja pod kątem potrzebnego asortymentu czy weryfikacja stanu magazynowego szpitala lub magazynu zewnętrznego. W tym wszystkim już teraz może pomóc AI na bazie danych z różnych systemów informatycznych funkcjonujących w danym ośrodku czy harmonogramu. Co więcej, umożliwia ono analizę obrazu, np. zdjęć tacek medycznych przygotowanych dla konkretnej operacji i wychwycenie przed jej rozpoczęciem, czy jakiegoś elementu nie brakuje. Wszystko to pozwala przede wszystkim na odpowiednie przygotowanie i przeprowadzenie danej czynności oraz zapewnienie, że lekarz będzie posiadał wszystkie niezbędne narzędzia, leki, materiały opatrunkowe czy urządzenia, ale również obniżenie strat wynikających z ich zgubienia czy przesunięcia zabiegu w czasie.

Oczywiście wszelkie działania mające na celu optymalizację na tym polu nie są powiązane jedynie z zabiegami, ale też codziennym funkcjonowaniem ośrodka medycznego czy apteki – zapewnienie odpowiedniego stanu leków – można to robić na podstawie danych w systemie ERP, ale też analizy zdjęć półek w magazynie, planowanych przyjęć i zabiegów w placówce. Zapewnienie ciągłości dostaw i stanu magazynowego produktów czy komponentów jest oczywiście również istotne w wielu innych branżach: produkcji, TSL, czy handlu – i tam również sztuczna inteligencja jest wykorzystywana w różnych systemach.

„Na końcu osobą decyzyjną jest

człowiek, ale biorąc pod uwagę

właśnie czynnik ludzki i inne aspekty,

tradycyjne systemy nie zawsze

funkcjonują sprawnie. (…)”

Wirtualni asystenci medyczni 

Wirtualni asystenci są obecni w naszym życiu od wielu lat. Większość osób słyszała o Siri, asystencie Google czy Amazon Alexa, które dzięki rozpoznawaniu mowy są w stanie dostarczyć nam określone informacje lub wykonać jakieś zadanie. Rozpoznawanie tekstu, języka naturalnego czy obrazów jest też obecne w licznych systemach OCR, aplikacjach do rozpoznawania zdjęć czy chatbotach. Rozwiązania oparte o podobne mechanizmy już teraz można łatwo zastosować w sektorze ochrony zdrowia. Jednym z nich są np. asystenci medyczni, umożliwiający zapis i transkrypcję rozmowy lekarza z pacjentem w trakcie wizyty w placówce lub online. Co więcej, taki system może sam wygenerować receptę dla pacjenta, zgodnie z wytycznymi uzyskanymi w trakcie wywiadu, opracować diagnozę czy zaproponować terminy zabiegów lub kolejnych wizyt. Kontrola i ostateczna decyzja pozostają oczywiście po stronie lekarza. AI umożliwia też automatyzację w pełnym zakresie obsługi pacjentów, czy to przez wysyłanie przypomnień o zaplanowanych wizytach, czy zaproponowanie nowych terminów.

Podróż do AI z Billennium

Ilość możliwości wykorzystania sztucznej inteligencji w różnych procesach w branży medycznej, ale również w każdym innym sektorze, jest praktycznie nieograniczona. W zasadzie jedyną barierą, mogącą hamować implementacje tej technologii, jest budżet lub brak odpowiednich kompetencji w danej organizacji. Te jednak coraz częściej dostrzegają potęgę AI i możliwości, jakie dostarcza – zarówno w kwestii zwiększenia efektywności i wydajności pracy, obniżenia kosztów operacyjnych, poprawę jakości obsługi klienta, szybsze podejmowanie decyzji na podstawie danych i w efekcie wypracowanie przewagi konkurencyjnej. Jak wynika z badania The state of AI in 2022 autorstwa McKinsey’a, 50 proc. organizacji już teraz zaadaptowało AI w przynajmniej jednym obszarze swojego biznesu, a Artificial Intelligence Index Report 2022 opracowany przez Stanford University dowodzi, że inwestycje w AI na świecie tylko w ciągu najbliższego roku zostaną podwojone.

Dziś popularne i prawdziwe stało się hasło: Sztuczna inteligencja nie zastąpi ludzi. To ci, którzy z niej korzystają, zajmą miejsce osób, które tego nie robią. I to samo można odnieść do firm i biznesu. Rozumiejąc te wyzwania, Billennium stworzyło ofertę Journey to AI, dzięki której dostarczamy rozwiązania sztucznej inteligencji najlepiej dopasowane do potrzeb konkretnej organizacji. Usługa obejmuje szeroki zakres różnych możliwości – od tworzenia inteligentnych systemów rekomendacyjnych i chatbotów, po zaawansowane algorytmy uczenia maszynowego i analizę danych. Niezależnie, czy firma działa w sektorze medycznym, finansowym, TSL, przemyśle czy handlu – nasi eksperci posiadają doświadczenia projektowe w niemal każdej branży. Podróż do AI warto zacząć już teraz!

Dowiedz się więcej o rozwiązaniach Billennium: https://billennium.pl/