AI účinně napomáhá diagnostikovat rakovinu prsu, v budoucnu by mohla dál posloužit zdravotnictví
Umělá inteligence může proměnit poskytování zdravotní péče. Od zlepšení diagnostiky a prevence až po personalizovanou medicínu nabízejí technologie založené na AI nové možnosti, které mohou zachraňovat životy nebo ulevit přetíženému českému zdravotnictví. V tuzemsku se AI využívá zejména v radiologii a stává se zde ceněným nástrojem. V oblasti mamodiagnostiky se technologie osvědčila v roli takzvaného třetího čtení, které dále zvyšuje přesnost a rychlost diagnóz.
Za poslední dvě dekády poklesla úmrtnost na rakovinu prsu v České republice o třetinu. Tento úspěch lze připsat včasné detekci a vysoké úrovni diagnostiky i léčby. Standardem v mamodiagnostice je dvojí čtení snímků, které podstatně zvyšuje spolehlivost oproti hodnocení jen jedním lékařem. Nyní tento proces doplňuje třetí čtení pomocí AI a přináší další zvýšení přesnosti diagnostiky a hodnotícím radiologům větší jistotu.
Třetí čtení: spolehlivý nástroj mamodiagnostiky
Certifikované systémy pro vyhodnocení mamografie ve screeningu zatím používá v rutinním provozu dvanáct pracovišť v Česku (z celkových 74) a jejich počet neustále roste. Limitem může být snižující se úhrada preventivní mamografie v roce 2025 a nehrazení AI většinou zdravotních pojišťoven kromě OZP a nově i ZP MV ČR .
Zkušenost s aplikací AI na zdravotnictví má i profesor Jan Daneš, přední český lékař v oboru radiologie a mamodiagnostiky: „Umělá inteligence proniká do všech oblastí medicíny. U mamografie dále zvyšuje už nyní vysokou spolehlivost, podle studií až o dalších deset až patnáct procent, navíc se neustále zlepšuje. Díky AI jsme schopni zachytit i diskrétní nálezy, které by mohly lidskému oku uniknout. Například drobné mikrokalcifikace mohou být prvním projevem nádoru. AI navíc pomáhá identifikovat i pacientky s vysokou hustotou prsní tkáně, kde je obtížnější detekce nádorů.“
Hlavní výhodou umělé inteligence v tomto odvětví je rychlost, se kterou dokáže srovnat aktuální snímek s velkým množstvím již dříve popsaných snímků a upozornit na vyskytující se drobnosti nebo rozdíly. Takové přístroje zanalyzují obraz a přizpůsobí snímky lékařům zvýrazněním případných anomálií. Jedná se o jednu z nejrychleji rostoucích oblastí aplikace metod AI.
Personalizace péče
Lékař musí nabízet svému pacientovi řešení přesně na míru, zohlednit celkový stav a také jeho minulé zdravotní problémy nebo lékové interakce. A to může být občas komplikované. Jednou z cest, jak tuto práci ulehčit, by mohla být podpora rozhodování jednoho z AI produktů.
Umělá inteligence dokáže analyzovat vzájemné působení různých léků a navrhovat alternativy, které minimalizují vedlejší účinky. Spojila by se tak nenahraditelná osoba lékaře a vysoce specializovaný znalostní systém. AI by mohla predikovat i rizika jednotlivých onemocnění na základě genetických informací, životního stylu a zdravotní historie pacienta a hrát důležitou roli při prevenci.
Plná implementace umělé inteligence do zdravotnictví je v českých podmínkách stále velké sci-fi. Profesor Vladimír Mařík, vědecký ředitel CIIRC a expert na AI, upozorňuje, že i přes rostoucí snahu aplikovat dostupné metody AI zůstávají očekávání často nerealistická.
„Letos lze očekávat snahu zdravotnických zařízení využít dostupné metody, jako je automatická diagnostika, ale rozdíl mezi možnostmi AI, které nám ukazují korporace, a její masovou využitelností je stále značný. Bez investic do datových center, vzdělávání odborníků a spolupráce mezi akademickou a zdravotnickou sférou se situace nezmění.“
Etické výzvy a odpovědnost
Rozvoj technologií přináší kromě užitku i řadu rizik a etických otázek. Klíčovými problémy jsou ochrana dat a transparentnost. Ani právní odpovědnost za rozhodnutí AI není dosud dostatečně vyjasněna. Kdo je odpovědný v případě chyby – člověk, nebo stroj? Dnes má finální slovo lékař, ale vývoj řešení ve zdravotnictví postupuje rychle kupředu a někteří se už chtějí zamýšlet i nad změnou etického rámce. AI není nástrojem, který by mohl plně nahradit lidské lékaře. Její rozhodování bude vždy záviset na kvalitě dat, na nichž se naučila. Nemůže být z principu neomylná.
Pokud výchozí data nejsou dostatečně kvalitní, ani sebelepší algoritmus AI nedokáže vytvořit spolehlivý výsledek. Pokud AI trénujeme na nevyvážených nebo zastaralých datech, může dojít k diskriminačním výsledkům, například z hlediska pohlaví nebo demografických skupin. To lze eliminovat shromážděním obrovského množství dat o pacientech, která jsou řazena do kategorie citlivých dat. Takové informace jsou cenným zdrojem pro výzkum celé řady věcí. AI systémy musejí splňovat nejpřísnější standardy kybernetické bezpečnosti, stejně tak by se měly integrovat i do správy informační infrastruktury zdravotnických zařízení, aby se zabránilo jakémukoliv zneužití dat.
