nowe idee
E -zdrowie na ś wiecie
Nature
Science
A short guide for medical professionals in the era of artificial intelligence
Using digital twins in viral infection
Przewodnik dla pracowników medycznych w dobie sztucznej inteligencji Sztuczna inteligencja (AI) już dziś znacząco wpływa na praktykę medyczną i sposób świadczenia opieki zdrowotnej. Jednocześnie w tym temacie lekarze konfrontowani są z dużym szumem informacyjnym i wieloma niezgodnymi z rzeczywistością doniesieniami. Stąd tak ważne jest, aby lekarze zrozumieli podstawy tej sztucznej inteligencji. Każda technologia oparta na AI stosowana w opiece zdrowotnej musi być walidowana, skuteczna i poparta dowodami. Przykładowo, Amerykańska Agencja ds. Żywności i Leków (FDA) uruchomiła w 2019 r. oddział ds. zdrowia cyfrowego i podjęła próbę zaprojektowania nowych standardów regulacyjnych dla technologii AI. FDA zdała sobie sprawę, że wkrótce liczba dostępnych algorytmów przekroczy liczbę urządzeń medycznych, ponieważ obserwujemy stopniowe przejście od klasycznego sprzętu do urządzeń sterowanych algorytmami. I tak już dziś z AI korzystają systemy IT do oceny zdjęć medycznych oraz podejmowania decyzji klinicznych. Sztuczna inteligencja może być skuteczna tylko wówczas, gdy zostanie włączona płynnie do pracy lekarza. Amerykańskie Stowarzyszenie Medyczne (AMA) opowiada się nawet za zastąpieniem wyrażenia „sztuczna inteligencja” sformułowaniem “rozszerzona inteligencja”, aby podkreślić, że nowa technologia może korzystnie uzupełniać oraz wspierać kompetencje lekarza i nie jest rozwiązaniem, które ma kopiować i imitować pracę personelu medycznego. Jedną z przeszkód na drodze do adaptacji technologii jest powszechna wśród pracowników medycznych obawa, że AI ich zastąpi. Podczas gdy powtarzalne i proste czynności wykonywane przez lekarzy i pielęgniarki zostaną prawdopodobnie w dużym stopniu automatyzowane, podstawą zawodu lekarza nadal będą atrybuty, których nie posiadają algorytmy: empatia, wsparcie, rozmowa i interakcja międzyludzka. Z drugiej strony można przyjąć tezę, że pracownicy medyczni korzystający z AI, zastąpią tych, którzy tego nie zrobią. Naukowcy spodziewają się także wielu innych zastosowań AI w naukach medycznych, jak wspomaganie prac nad nowymi lekami albo przyspieszenie badań klinicznych. Jednak przede wszystkim AI ma doprowadzić do personalizacji diagnozy i leczenia, trafnego podejmowania decyzji klinicznych i profilaktycznych.
38
OSOZ Polska 3/2021
Wykorzystanie bliźniaków cyfrowych w infekcjach wirusowych „Cyfrowy bliźniak” (ang. digital twin) to odzwierciedlone w danych pełne cechy fizyczne człowieka. Taki medyczny model stworzony dla danego pacjenta, zintegrowany z danymi klinicznymi w czasie rzeczywistym, mógłby posłużyć do przygotowania predykcyjnych symulacji komputerowych infekcji wirusowych i odpowiedzi immunologicznej organizmu, w ten sposób poszerzając możliwości walki z przyszłymi pandemiami. Medyczne bliźniaki cyfrowe są niezwykle trudne do opracowania ze względu na dużą liczbę indywidualnych determinantów zdrowia, jak predyspozycje środowiskowe i genetyczne czy subtelne cechy organizmu. Do tego nauka nadal nie poznała wielu czynników wpływających na zdrowie człowieka, a największą zagadką pozostaje rola uwarunkowań genetycznych w korelacji ze stylem życia. Mimo to naukowcy podejmują próby zaprojektowania pierwszych modeli. Jednym z nich jest sztuczna trzustka dla pacjentów z cukrzycą typu 1. Szablonowy model matematyczny metabolizmu glukozy i algorytm sterowania w zamkniętej pętli modelujący podawanie insuliny oraz dane z wszczepionego czujnika glukozy są dostosowywane do potrzeb pacjenta i tworzą cyfrowe bliźniaki, które w sposób ciągły obliczają zapotrzebowanie na insulinę i napędzają wszczepioną pompę regulującą jej stężenie we krwi. Innym przykładem są dziecięce bliźniaki cyfrowe w dziedzinie kardiologii, łączące modele serca z pomiarami klinicznymi pochodzącymi od pacjenta w celu optymalizacji niektórych operacji serca i oceny ryzyka zakrzepicy. Medyczne bliźniaki cyfrowe, które łączą mechanistyczną interpretację fizjologii i sposób replikacji wirusów z modelami opartymi na sztucznej inteligencji, uzyskanymi na podstawie danych klinicznych dotyczących populacji i jednostek, są obiecującymi narzędziami do optymalizacji leczenia pacjentów zakażonych wirusem SARS-CoV-2. W wielu przypadkach kluczowe jest dopasowanie terapii do pacjenta. Badania kliniczne pokazały, że steroidowe leki przeciwzapalne mogą ratować życie, ale także być nieskuteczne lub nawet prowadzić do zgonu, jeśli nie są starannie dostosowane do indywidualnych cech i reakcji pacjentów. Walidowane bliźniaki cyfrowe mogłyby znacznie zmniejszyć koszty opieki i poprawić skuteczność leczenia a nawet wprowadzić prognozowanie stanu zdrowia do praktyki klinicznej.
