Sztuczna inteligencja i uczenie maszynowe zrewolucjonizują opiekę zdrowotną

– W ostatnich miesiącach zrobiło się głośno wokół sztucznej inteligencji, a w szczególności tzw. generatywnej sztucznej inteligencji. Wszyscy mówią o aplikacjach generatywnej sztucznej inteligencji, takich jak chatboty, z którymi można rozmawiać jak ze zwykłym człowiekiem i które mogą odpowiedzieć na każde pytanie. Inne narzędzia generują fotorealistyczne obrazy po przekazaniu mu informacji o tym, jak powinien wyglądać obraz lub automatycznie „dodają” otoczenie. Ale to przedsmak tego, co naprawdę może zrobić sztuczna inteligencja. Zmieni ona sektor opieki zdrowotnej na zawsze - powiedział dr Rowland Illing.

Zwrócił uwagę, że przez ostatnie lata informacje zdrowotne były gromadzone w formacie cyfrowym, co stanowiło petabajty danych. Jednak największym problemem jest to, że prawie wszystkie te dane (według szacunków około 97%) nie były w pełni wykorzystywane. Głównym powodem było to, że informacje te są nieustrukturyzowane i składają się z zupełnie różnych typów danych: raportów obrazowania medycznego, notatek lekarskich, historii chorób itp. Nie było łatwego sposobu na normalizację i sortowanie danych oraz wyodrębnienie z nich cennych informacji. Sztuczna inteligencja i uczenie maszynowe okazały się idealnym rozwiązaniem tego problemu.

– Prawdę mówiąc, sztuczna inteligencja nie jest niczym nowym. Termin ten został użyty po raz pierwszy w 1956 roku przez Johna McCarthy'ego podczas konferencji w Darthmouth. Jednak przez następne 50 lat rozwój sztucznej inteligencji postępował bardzo powoli z powodu braku odpowiedniej mocy obliczeniowej. Na szczęście rozwój komputerów przyspiesza w tempie wykładniczym i jest to kluczowy czynnik umożliwiający sztucznej inteligencji zdobycie tak dużej popularności wśród tak wielu osób na świecie - powiedział dr Rowland Illing.

– Skłamałbym, gdybym powiedział, że sztuczna inteligencja nie była do tej pory wykorzystywana w opiece zdrowotnej. Ma już wiele zastosowań, a pandemia COVID-19 była prawdziwym punktem zwrotnym. Podam kilka przykładów - dodał.

PRZECZYTAJ TAKŻE: O kardiotoksyczności terapii onkologicznej na 3. dorocznej konferencji COSOSA

W nowoczesnej onkologii niezbędne jest zrozumienie roli kardioonkologii

Pierwszym obszarem w sektorze zdrowia, który już teraz jest automatyzowany przez AI, są narzędzia telezdrowia

Ekspert zauważył, że terminem nierozerwalnie związanym ze sztuczną inteligencją jest automatyzacja. Pierwszym obszarem w sektorze zdrowia, który już teraz jest automatyzowany przez AI, są narzędzia telezdrowia, w tym proces umawiania wizyt u lekarza, ułatwianie samoobsługowych badań wstępnych i triage czy rozmowa z wirtualną asystentką pielęgniarki. Wszystko dzięki chatbotom („robotom czatowym”) lub voicebotom („robotom głosowym”).

– Chatboty, które już znamy, umożliwiają rozmowę z komputerem przy użyciu języka naturalnego. Wiele lat temu mogliśmy wdawać się w proste konwersacje wpisując komendy na klawiaturze naszych komputerów, ale sztuczna inteligencja posunęła chatboty niezwykle do przodu. Oparte na sztucznej inteligencji rozpoznawanie i transkrypcja głosu zamienia to, co jest mówione na tekst. Przetwarzanie języka naturalnego (NLP) przekształca ten tekst w polecenia zrozumiałe dla komputerów, które są one w stanie przetworzyć i - dzięki generowaniu głosu (text-to-speech) - są w stanie odpowiedzieć na pytania użytkownika. Efekt: pacjenci nie muszą już stać w kolejkach przez godzinę, aby umówić się na wizytę u lekarza. Dzięki robotom głosowym opartym na sztucznej inteligencji umawianie wizyt jest teraz błyskawiczne - pacjenci rozmawiają teraz przez telefon z robotami zamiast z ludźmi - wskazał dr Rowland Illing.

– Ale wezwanie na wizytę to tylko niewielka część tego, co można zrobić. Pacjenci mogą nawet uzyskać pierwszą poradę od „lekarza komputerowego”. Są pytani przez voicebota o objawy i w wielu przypadkach komputer jest w stanie przeprowadzić triage i zasugerować leczenie lub zalecić wizytę u lekarza z poważniejszymi problemami - dodał.

– Co więcej - kontynuował - nie tylko głos jest konwertowany na tekst. Podczas pandemii naukowcy z MIT opracowali system, który - dzięki uczeniu maszynowemu - był w stanie wykryć specjalne znaki w kaszlu pacjenta i stwierdzić, czy pacjent jest bezobjawowym nosicielem koronawirusa. Pacjenci mogli nawet nagrać swój kaszel na własnych smartfonach, aby uzyskać diagnozę.

Innym przykładem, jaki podał ekspert, jest rozpoznawanie obrazu (tzw. widzenie komputerowe) możliwe dzięki głębokiemu uczeniu się, podzbiorowi uczenia maszynowego. Komputery są teraz w stanie analizować obrazy radiologiczne i oznaczać zatory lub wykrywać komórki rakowe z 99% dokładnością. Robią to tysiące razy szybciej niż ludzki radiolog.

– Sztuczna inteligencja pomaga również w obsłudze urządzeń ultrasonograficznych przy mniejszym przeszkoleniu i pomaga interpretować przechwycone obrazy oraz dokonywać bardziej spójnych pomiarów. Wszystko to prowadzi do zdecydowanie lepszego wykrywania potencjalnych chorób na znacznie wcześniejszym etapie rozwoju, co może uratować tysiące istnień ludzkich - podkreślił dr Rowland Illing.

– Nawet pacjenci mogą samodzielnie korzystać z tej technologii. Holenderska firma SkinVision opracowała rozwiązanie, które wykrywa raka skóry na bardzo wczesnym etapie. Pacjenci muszą zrobić zdjęcie podejrzanych plam na skórze, a rozwiązanie, oparte na głębokim uczeniu, jest w stanie stwierdzić, czy znamię nie jest niczym niepokojącym, czy też może być czymś znacznie bardziej niebezpiecznym, na przykład czerniakiem i wymaga natychmiastowej konsultacji z lekarzem - dodał.

Ekspert wyjaśnił, że wizja komputerowa jest wykorzystywana nie tylko w radiologii, ale także w onkologii, okulistyce i dermatologii do przewidywania chorób i zdarzeń zdrowotnych.

Dodał, że uczenie maszynowe pozwala również klinicystom prognozować inne zdarzenia kliniczne poza rakiem, takie jak udary lub zawały serca. Pozwala im to na wczesną interwencję i wyleczenie pacjenta znacznie szybciej i skuteczniej. ML pomaga również zautomatyzować harmonogramy dla chirurgów. Sztuczna inteligencja analizuje przyjęcia i wypisy pacjentów oraz pojemność szpitali w czasie rzeczywistym i zapewnia opiekę najbardziej krytycznie chorym pacjentom.

Generatywna sztuczna inteligencja

– Największym punktem zwrotnym jest dostępność generatywnej sztucznej inteligencji (GenAI), która jest podzbiorem głębokiego uczenia. Tradycyjne modele uczenia maszynowego wymagały oznaczonych danych do trenowania sieci neuronowych, co ograniczało ich obszar zastosowań. Dla porównania, GenAI jest zasilana przez tzw. modele fundamentalne trenowane na nieoznakowanych danych. GenAI może nie tylko generować tekst lub obrazy, jak podkreślono na początku tego artykułu. Może również wyodrębniać informacje i podsumowywać je. I to jest najważniejszy potencjał stojący za tą technologią dla opieki zdrowotnej. Ogromne ilości rozproszonych danych, o których wspomniano wcześniej, można wreszcie posortować, ustrukturyzować i zindeksować. Teraz okazuje się, że informacje te są bezcenne dla sektora opieki zdrowotnej - wskazał dr Rowland Illing.

– Generatywna sztuczna inteligencja jest w stanie ujednolicić obrazy, notatki kliniczne i rozmowy. Identyfikuje również podobnych pacjentów w celu uzyskania informacji na temat terapii i rejestracji do badań klinicznych. Pomaga nadać priorytet pacjentom wymagającym natychmiastowego leczenia. Zmniejsza również obciążenie manualne dzięki inteligentnemu przetwarzaniu dokumentów. Ale to tylko kilka podstawowych przykładów potencjału GenAI. Bardziej zaawansowane obejmują przewidywanie genów chorób i projektowanie białek do odkrywania leków. Doświadczyliśmy już potęgi technologii, gdy Moderna była w stanie przygotować swoją szczepionkę na COVID-19 w zaledwie 65 dni dzięki sztucznej inteligencji - dodał.

Ekspert wyjaśnił, że jeszcze nie tak dawno sztuczna inteligencja była wykorzystywana wyłącznie przez wykwalifikowanych specjalistów IT, którzy doskonale rozumieli sieci neuronowe i mieli dostęp do niezwykle potężnych systemów komputerowych działających w ogromnych centrach danych.

– Czasy się jednak zmieniły. Głębokie uczenie i sztuczna inteligencja są teraz dostępne dla każdego, a wszyscy dostawcy usług medycznych i firmy zajmujące się naukami przyrodniczymi (z ang. life sciences) są w stanie wykorzystać ich moc. Nie muszą zatrudniać wykwalifikowanych specjalistów IT i inwestować w kosztowną infrastrukturę informatyczną. Wszystkie aplikacje są teraz uruchamiane w chmurze, a dzięki rozwiązaniom takim jak Amazon HealthLake lub Amazon Conprehend Medical, które działają w chmurze Amazon Web Services (AWS), są bardzo łatwe w użyciu. Lekarze, klinicyści, pielęgniarki, a nawet sami pacjenci są teraz w stanie wykorzystać potencjał sztucznej inteligencji - wyjaśnił dr Rowland Illing.

AI nie zastąpi lekarzy ani pielęgniarek

– Ważne jest, aby podkreślić, że sztuczna inteligencja nie zastąpi ludzkich lekarzy ani pielęgniarek. Po prostu pomaga im zautomatyzować zadania i wykonywać wiele z nich setki razy szybciej niż wcześniej. Sztuczna inteligencja pomaga również znacznie obniżyć koszty, zwłaszcza koszty administracyjne, które obecnie szacuje się na około jedną trzecią wszystkich wydatków na zdrowie w USA - dwa razy więcej niż Stany Zjednoczone wydają na leczenie chorób sercowo-naczyniowych i trzy razy więcej niż na opiekę onkologiczną.

Według Światowej Organizacji Zdrowia (WHO) prawdopodobieństwo odniesienia obrażeń podczas podróży samolotem wynosi 1 na milion. Dla porównania, istnieje 1 na 300 szans na to, że zostaniemy skrzywdzeni podczas leczenia. Wcześniejsze badania wykazały, że do 50% wszystkich błędów medycznych w podstawowej opiece zdrowotnej wynika z przyczyn administracyjnych. Globalny niedobór personelu medycznego dodatkowo pogłębia te problemy. WHO szacuje również przewidywany niedobór 10 milionów pracowników służby zdrowia do 2030 r., głównie w krajach o niskim i średnim dochodzie, co sprawia, że zapewnienie opieki wszystkim potrzebującym staje się coraz większym wyzwaniem.

Sztuczna inteligencja powinna być traktowana jako narzędzie wspomagające, tak samo jak posługiwanie się koparką zamiast łopatą na budowie, a w tartaku – piłą elektryczną zamiast ręczną. AI pomoże uratować tysiące ludzkich istnień, obniżyć koszty i zmniejszyć obciążenie pracowników sektora opieki zdrowotnej.

PRZECZYTAJ TAKŻE: Jak zniwelować nierówności w opiece onkologicznej?

Artificial intelligence and machine learning is going to revolutionize healthcare

Artificial intelligence will help save thousands of human lives, reduce costs and reduce the burden of healthcare sector employees. Howewer AI should be treated as an augmenting tool, just like an electric saw instead of a handsaw. AI is not going to replace human physicians or nurses. It simply helps them to automate tasks and run many of them hundreds of times faster than before - said dr Rowland Illing, Medical Director at Amazon Web Services (AWS), during the Cardio Oncology Society of Southern Africa 2023 Conference (May 26-27, South Africa).

There has been a lot of discussion around artificial intelligence, or generative AI in particular, in the recent months. Everyone is talking about generative AI applications like chatbots you can talk with like with a regular human and which can answer any question. Other tools generate photorealistic images after telling it what the image should look like. But this is just scratching the surface of what AI can really do. And it is going to change the healthcare sector forever.

For the last many years health information has been collected in digital format, accounting for petabytes of data. The biggest problem is almost all this data (as estimated – around 97%) was not being used to its full potential until today. The main reason was that the information is unstructured and consists of totally different types of data: medical imaging reports, physician notes, medical histories etc. There was no easy way to normalize and sort the data and extract valuable information from it. Artificial intelligence and machine learning turned out to be the perfect solution for this problem.

To tell you the truth, artificial intelligence is nothing new. The term was used for the first time in 1956 by John McCarthy during a conference in Darthmouth. But for the next 50 years the development of AI was advancing very slowly due to the lack of computing power. Fortunately computers speed up at exponential rate and this is the key driver to enable AI to the mainstream today.

And the use of AI in healthcare is also not a new phenomenon. It has so many applications already and the pandemic was the real turning point. I’ll give you some examples.

The first area in the health sector which is already automated by AI are telehealth tools

The term inextricably associated with AI is automation. The first area in the health sector which is already automated by AI are telehealth tools, including the process of setting up appointments with a doctor, facilitation self-service pre-screenings and triage or talking to a virtual nurse assistant. All thanks to chatbots (“chat robots”) or voicebots (“voice robots”).

Chatbots you are already familiar with allow you to talk to a computer using natural language. Many years ago we were able to get into simple conversations typing commands on the keyboard of our computers, but artificial intelligence moved chatbots extremely forward. AI-powered voice recognition and voice transcription turns what you speak to text. Natural language processing (NLP) converts this text into commands understandable for computers, which they are able to process and – thanks to voice generation (text-to-speech) – are able to answer your questions. The effect: patients no longer have to que for an hour to set up an appointment with a doctor. Thanks to AI-powered voicebots setting up appointments is now instant – patients are now talking on the phone with robots instead of humans.

But calling for a visit is just a tiny part you can do. Patients can even get the first advice from a “computer-powered doctor”. They are being asked by voicebot about the symptoms and in many cases the computer is able to run a triage and suggest a treatment, or suggest visiting a doctor with more serious issues.

What’s even more, not only the voice is converted to text. During the pandemic scientists at MIT devised a system which – thanks to machine learning - was able to detect special marks in patient cough and tell if the patient is an asymptomatic carrier of coronavirus. Patients could even record their cough on their own smartphones to get a diagnosis.

Another example is image recognition (so called computer vision) possible thanks to deep learning, a subset of machine learning. Computers are now able to analyze radiology images and flag embolisms or detect cancer cells with a 99% accuracy. They do it thousands of times faster than a human radiologist.

AI also helps operating ultrasound devices with less training and helps interpret the captured images, and make more consistent measurements. All this leads to a much better detection of potential diseases on a much earlier stage of development which obviously can save thousands of lives.

Even the patients can use this technology on their own. Netherlands-based company SkinVision developed a solution which detects skin cancer on a very early stage. Patients need to take a picture of suspicious skin spots and the solution, powered by deep learning, is able to tell if the mark is nothing to worry about or might by something much more dangerous, like a melanoma for example, and needs immediate consultation with a doctor.

Computer vision is not only used across radiology, but also oncology, ophthalmology and dermatology to predict diseases and health events.

Machine learning lets also clinicians forecast other clinical events besides cancer, like strokes or heart attacks. This lets them intervene early and cure the patient much faster and efficient.

ML also helps automate the schedules for surgeons. AI analyzes patient admissions, discharges and hospital capacity in real-time and provides care to the most critically-ill patients.

Generative AI

The biggest turning point is the availability of Generative AI which is a subset of deep learning. Traditional machine learning models required labeled data to train their neural networks which restricted their area of usage. In comparison, GenAI is powered by so called foundation models trained on unlabeled data. GenAI not only can generate text or images, as stressed in the beginning of this article. It can also extract information and summarize it. And this is the most important aspect for the healthcare. Vast amounts of disparate data mentioned before can finally be sorted, structured and indexed. It now turns out this information is priceless for the healthcare sector.

Generative AI is able to unify images, clinical notes and conversations. It also identifies similar patients for information on therapies and clinical trial enrolment. It helps to prioritize patients needing immediate treatment. It also reduces manual burden with intelligent document processing. But these are just some basic examples of the potential of GenAI. The more advanced include disease gene prediction and protein design for drug discovery. We already experienced the power of technology when Moderna was able to prepare their vaccine for COVID-19 in just 65 days thanks to AI.

Until not so long ago artificial intelligence has been used only by skilled IT professionals who perfectly understand neural networks and had access to extremely powerful computer systems running in huge data centers. But times have changed. Deep learning and artificial intelligence is now available to everyone and all healthcare providers and life sciences companies are able to utilize its power. They don’t need to hire skilled IT professionals and invest in expensive IT infrastructure. All applications are now run in the cloud and thanks to solutions like Amazon HealthLake or Amazon Conprehend Medical, which run on Amazon Web Services (AWS), are very easy to use. Physicians, clinicians, nurses and even patients alone are now able to utilize the potential given by AI.

AI is not going to replace human physicians or nurses

It is important to stress that AI is not going to replace human physicians or nurses. It simply helps them to automate tasks and run many of them hundreds of times faster than before. AI also helps significantly reducing costs, especially administrative costs which are now estimated to be at around one third of all spending on health in the US – twice as much as US spends on caring for cardiovascular disease and three times what it spends on cancer care.

According to the World Health Organization (WHO), there is a 1 in a million chance of a person being injured while travelling by aircraft. In comparison, there is a 1 in 300 chance of an individual being harmed throughout the patient journey. Prior research has shown that up to 50% of all medical errors in primary care are due to administrative reasons. The global shortage of medical professionals further compounds these problems. The WHO also estimates a projected shortfall of 10 million health workers by 2030, mostly in low- and lower-middle-income countries making it increasingly challenging to provide care to everyone in need.

Artificial intelligence should be treated as an augmenting tool, just like an electric saw instead of a handsaw. AI will help save thousands of human lives, reduce costs and reduce the burden of healthcare sector employees.

Konsultacja merytoryczna/substantive consultation: dr hab. n. med. Sebastian Szmit, prof. CMKP