Kobiety w innowacjach medycznych: AI ma sens, gdy pomaga pacjentom

Karolina Tądel: Słowo „innowacja” bywa nadużywane i często utożsamiane wyłącznie z technologią. Dla mnie innowacja to po prostu zmiana, zrobienie czegoś inaczej i lepiej: nową metodą, z nowym narzędziem lub w oparciu o nową wiedzę. W ochronie zdrowia nie chodzi o wywracanie status quo, tylko o pracę skuteczniejszą i bezpieczniejszą dla pacjenta. Prototyp kończy się tam, gdzie zaczyna się rzeczywista poprawa procesu i wyników, gdy rozwiązanie jest wbudowane w workflow, ma zweryfikowane dane wejściowe i użytkownik rozumie, po co z niego korzysta.

Reklama

KT: Wspólnym mianownikiem jest to, że te rozwiązania wyrastają z realnej potrzeby. To odwrócenie trendu sprzed kilku lat, kiedy łatwo było zrobić aplikację, ale trudno było wskazać, kto i po co ma z niej korzystać. Dziś projekty częściej startują od konkretnego problemu, co zwiększa ich dojrzałość i szansę utrzymania w systemie. W startupowym żargonie: potrzebujemy painkillerów, a nie kolejnych witaminek.

KT: To projekt z kategorii wysokiego ryzyka. Ma wspierać decyzje kliniczne, więc docelowo będzie wyrobem wymagającym certyfikacji. Obecnie doprecyzowujemy algorytm i dokładamy kolejne warstwy danych, aby uzyskać bardzo wysoką czułość i swoistość. Jesteśmy jeszcze przed walidacją kliniczną. Na tym etapie najważniejsze było potwierdzenie hipotezy, że algorytm może działać w codziennej praktyce, przetwarzając duże zbiory informacji, których człowiek nie jest w stanie przeanalizować jednocześnie.

Reklama

KT: Postawiliśmy na dane laboratoryjne i obserwacje kliniczne z pierwszej doby życia. Laboratoria mają wystandaryzowane wyniki i jednostki, co ułatwia skalowanie. Świadomie ograniczyliśmy liczbę zmiennych, by uzyskać powtarzalny, kompletny zestaw dla każdego pacjenta. To minimalizuje ryzyko, że model, wytrenowany na wzorze danych z jednej placówki, nie zadziała w innej. Radiologia bywa łatwiejsza dzięki formatowi danych DICOM i większej liczbie obrazów na pacjenta; w danych klinicznych trzeba włożyć więcej pracy w porządkowanie i ujednolicanie.

KT: Oczekiwania często rozmijają się z rzeczywistością. Padają pytania ile tysięcy rekordów macie? A kompletne, jakościowe dane wymagają czasu: informacje o wynikach, procedurach, personelu, datach i to nierzadko w kilku systemach. W moim projekcie pierwszy rok poświęciliśmy wyłącznie na analizę i projekt zebrania danych: sprawdzenie, co faktycznie jest dostępne i wystarczające, oraz jaka jest epidemiologia problemu. Niewiele firm i zespołów daje sobie na to realnie rok, a to fundament.

KT: Nie ma jednego magicznego elementu. Kluczowe są: wbudowanie rozwiązania w istniejący workflow, partnerskie zaprojektowanie zmiany z zespołem klinicznym, realne wsparcie lidera (kierownik oddziału, dyrekcja) oraz zarządzanie zmianą. I uczciwe uznanie, że ludzie muszą mieć na to czas. W Niderlandach zespoły w Hospital Innovation Labs mają dedykowane dni na prace innowacyjne i to radykalnie odblokowało myślenie. Podkreślają również wartość ograniczania formalności, tworzenia środowisk testowych i „piaskownic” regulacyjnych. To bardzo dobra ścieżka, którą powinniśmy wdrażać u nas. Do tego dochodzi akceptacja, że niektóre pilotaże się nie udadzą. Pamiętajmy, to są lekcje, a nie porażki.

Reklama

KT: Tak. Obszar speech-to-text i automatyzacja dokumentacji. W wielu krajach w tym w NHS trwają wdrożenia, które przyspieszają przygotowywanie wypisów i podsumowań wizyt. Lekarz dostaje agregację danych i szkic dokumentu, który weryfikuje i uzupełnia zaleceniami. Efekt: sprawniejszy obieg pacjenta, zwolnione łóżka i nawet 50 minut mniej spędzonych przez lekarzy na dokumentacji podczas jednego dyżuru. W Polsce też prowadzone są pilotaże; to dobry kierunek, bo wychodzi od realnego punktu bólu.

KT: To europejska koncepcja fabryk AI. W Europie mamy ich już 19, a w Polsce pierwsza „PIAST AI” powstała w Poznaniu, druga „Gaia AI” przy Cyfronet AGH w Krakowie. Instytut Matki i Dziecka jest tam partnerem, jedynym szpitalem w tym konsorcjum. Chodzi o udostępnienie mocy obliczeniowych i bezpiecznej „piaskownicy” danych, aby badacze i biznes mogli szybciej tworzyć i testować rozwiązania, także w obszarze zdrowia. Naszą rolą jest wnoszenie wiedzy klinicznej, danych i nawigowanie - jakie rozwiązania są naprawdę potrzebne w tym obszarze.

Reklama

KT: To konsekwencja strategii od 2022 roku, gdy zaczęliśmy od działu AI, a po trzech latach naturalnym krokiem było wzmocnienie obszaru danych. Na świecie data governance w szpitalach jest już standardem, u nas dopiero dojrzewa. W wielu miejscach innowacje wrzuca się do IT lub „na pół etatu” komuś z innymi obowiązkami. To nie działa. Potrzebny jest zespół z jasnym mandatem, czasem i odpowiedzialnością. Już 3 lata temu rynek USA raportował, że 110 szpitali posiada dedykowane centra innowacji. To przekłada się na ich obecną silną pozycję i wdrożenia AI oraz digital health. Zwrot nie przychodzi po kilku miesiącach, to maraton.

KT: Lider z mandatem i odwagą brania na siebie odpowiedzialności, łącznicy rozumiejący medycynę, technologię i biznes, project manager potrafiący dopinać procesy oraz praktycy-entuzjaści z oddziałów. W tym roku w Nature Digital Medicine opisano bardzo ciekawą rolę “algorithmic consultant”. Nowego typu specjalisty, który łączy wiedzę o działaniu algorytmów AI z umiejętnością klinicznego wykorzystania i interpretacji wyników. Widzę ogromną potrzebę angażowania osób potrafiących przekładać wyniki generowane przez sztuczną inteligencję na kontekst konkretnych procedur i decyzji klinicznych. Wielką rolę widzę również dla młodszego pokolenia, to oni niejako od kołyski są w technologii i naturalnie podważają nieefektywne schematy. Trzeba im dać przestrzeń i sens: możliwość wpływu i rozwoju.

Reklama

KT: Już dziś personel medyczny pracuje wyłącznie z elektroniczną dokumentacją, więc elementy technologii powinny wejść do programu kształcenia szerzej niż fakultatywnie. Nie chodzi o kurs programowania, tylko o rozumienie narzędzi, danych, ryzyk i etyki. W odpowiedzi na tę potrzebę zainicjowałam  fakultet na UM we Wrocławiu pod nazwą „Zastosowanie sztucznej inteligencji i innowacyjnych technologii w naukach medycznych”, co roku  miejsca rozchodzą się w jeden dzień. Popyt jest, warto to usankcjonować programowo.

Reklama

KT: Statystyki są bezlitosne, nawet 80% projektów innowacyjnych w ochronie zdrowia nie przejdzie do wdrożenia, dlatego trzeba włożyć sporo wysiłku już na starcie. Po pierwsze, zacząć od problemu, nie od technologii. Określić minimalny, ale powtarzalny zbiór danych, na którym da się pracować w każdym przypadku. Włączyć zespół w projektowanie zmiany i wbudować rozwiązanie w codzienny workflow. Dać ludziom czas i przyzwolenie na eksperyment. I pamiętać: to maraton. Stałość kierunku i praca u podstaw wygrywają z jednorazowym „wow”.

KT: Dziękuję.