E-ZDROWIE NA ŚWIECIE

Nature A short guide for medical professionals in the era of artificial intelligence 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. 

Science Using digital twins in viral infection 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. 

HealthcareITNews Lessons from an international study on using health IT for COVID-19

Wnioski z badania dotyczącego zastosowania technologii it w czasie cOVid-19

Nie każdy szpital wykorzystywał technologie informatyczne w taki sam sposób, aby zaspokoić potrzeby pacjentów z COVID-19. W manuskrypcie opublikowanym w Journal of the American Medical Informatics Association, naukowcy przedstawili, w jaki sposób sześć szpitali z USA i Wielkiej Brytanii o zaawansowanej dojrzałości cyfrowej zareagowało na pandemię COVID-19 angażując infrastrukturę IT. Jednym z największych wyzwań, w sprostaniu któremu pomogła informatyzacja, była konieczność zarządzania niezwykle dużą liczbą pacjentów, w połączeniu z obciążeniem zasobów personalnych i sprzętowych. Wymagało to sprawnych zmian, takich jak przyspieszenie procesów zarządzania i wykorzystanie elektronicznej dokumentacji medycznej do prognozowania zajętości oddziałów. Szpitale stosowały informatykę medyczną w celu poprawy dokładności i skuteczności leczenia. W niektórych placówkach było to możliwe dzięki dostępowi do wszystkich istotnych informacji pacjenta i najnowszych doniesień naukowych, a także dzięki wykorzystaniu informacji o pacjentach pochodzących z wielu systemów IT. Trzeci obszar analizy dotyczył eliminacji ryzyka infekcji. We wszystkich ośrodkach objętych badaniem, EDM i powiązane technologie odgrywały główną rolę w identyfikacji pacjentów z wynikiem dodatnim na obecność COVID-19, koordynowaniu jednostek izolacyjnych i minimalizowaniu ryzyka infekcji zarówno dla świadczeniodawców, jak i pacjentów leczonych z powodu innych schorzeń – stwierdzili autorzy opracowania. W badaniu zwrócono też uwagę, że dojrzałe cyfrowo placówki ochrony zdrowia zwiększyły wykorzystanie telezdrowia, szczególnie w przypadku wizyt ambulatoryjnych. – W wielu ośrodkach wdrożono technologię ograniczającą do minimum kontakt z pacjentem podczas obchodu lekarskiego w szpitalu, co zmniejszyło potrzebę stosowania środków ochrony osobistej i ryzyko infekcji u świadczeniodawców – czytamy w dokumencie. Wykorzystanie cyfrowych narzędzi zdrowotnych do pomocy w przewidywaniu liczby pacjentów było główną strategią systemów opieki zdrowotnej, szczególnie na początku pandemii. Dane pokazują wartość technologii w zmniejszeniu obciążenia opieki, skracaniu czasu pobytu, zarządzaniu gospodarką lekową, ochronie personelu medycznego. 

The Telegraph This computer can predict when you will die – with 90pc accuracy ten komputer może przewidzieć, kiedy umrzesz – z 90-proc. dokładnością

Kiedy COVID-19 po raz pierwszy pojawił się w Europie, lekarze nie byli pewni, jak ta nowa choroba będzie się rozwijała u pacjentów i jak będzie wyglądało jej leczenie. Aby ułatwić szpitalom planowanie zasobów, zespół informatyków z Uniwersytetu w Kopenhadze opracował system AI, który był w stanie przewidzieć z 90-procentową dokładnością prawdopodobieństwo zgonu pacjentów z COVID-19. Aby stworzyć odpowiedni algorytm, badacze posłużyli się danymi 4000 duńskich chorych na COVID-19. Obejmowały one ich wiek, płeć, wskaźnik masy ciała (BMI), wyniki badań laboratoryjnych, parametry życiowe, przepisane leki, dane o konsultacjach, jak również innych schorzeniach. Na podstawie tych informacji algorytm nauczył się rozpoznawać czynniki ryzyka determinujące wyższą śmiertelność. W ten sposób, opracowany system z 90-procentową pewnością mógł określić, czy osoba, która nie jest jeszcze zarażona wirusem SARS-CoV-2, umrze na COVID-19 w przypadku zarażenia. Po przyjęciu do szpitala, komputer mógł przewidzieć z precyzją 80%, czy dana osoba będzie potrzebowała respiratora. Algorytmy obliczające wskaźniki śmiertelności są już stosowane na całym świecie. System AI opracowany w październiku przez pracowników akademickich w Chinach, który analizował poziom białka i azotu mocznikowego we krwi pacjentów chorych na COVID-19, cechował się dokładnością prognoz na poziomie 96%. Z kolei w USA, naukowcy z firmy Geisinger stworzyli algorytm, który był w stanie przewidzieć śmiertelność w ciągu najbliższego roku, wykorzystując obrazy z echokardiogramów. Technologia ta może ułatwić lekarzom wczesne interwencje oraz diagnozowanie chorób, a także personalizację leczenia. Dietmar Frey, dyrektor Charité Lab for AI in Medicine, twierdzi, że dużą zaletą uczenia maszynowego jest to, że może ono znaleźć ukryte korelacje i wzorce, których nie jest w stanie wyłapać człowiek. – W niezbyt odległej przyszłości, będzie można personalizować diagnostykę oraz leczenie, jak również identyfikować ryzyko wystąpienia choroby – mówi Frey. Przeszkodą jak na razie okazuje się tzw. black box, czyli brak informacji o tym, na jakiej podstawie algorytm wyciąga określone wnioski. Algorytmy muszą zdobyć zaufanie lekarzy i pacjentów, nawet jeśli nie rozumieją ich działania. 