Jak umělá inteligence změní české zdravotnictví? Pacienti jí nevěří, i když už je běžná

Umělou inteligenci už v Česku využívají dvě třetiny nemocnic, šetří jim čas i peníze. Lékaři administrativou v průměru stráví téměř třetinu své pracovní doby – přitom je jich v tuzemsku dlouhodobý nedostatek. AI za ně dokáže číst rentgenové snímky, kontrolovat kombinace léků, předčasně diagnostikovat srdeční problémy, vypisovat žádanky na vyšetření nebo pročítat lékařské zprávy. Pacienti jsou k AI ve zdravotnictví ale skeptičtí, až 61 procent z nich se bojí zneužití osobních dat. Vychází to ale spíš z jejich laické zkušenosti s AI – systémy, které lékaři využívají, musí projít složitou legislativou a certifikací. Podle odborníků nezáleží na tom jestli, ale jak rychle se AI zdravotnictví přizpůsobí. K tomu je ovšem zapotřebí i jeho plná digitalizace – ta by v Česku podle ministerstva zdravotnictví měla být do roku 2026.

AI kromě nemocnic běžně využívají i praktičtí lékaři – přes 250 ordinací praktických lékařů využívá různé druhy „virtuální zdravotní sestry“. Přes ně se pacienti mohou objednat na vyšetření nebo požádat o recept na léky. „Robot také dokáže předem zjistit, co pacient potřebuje, a roztřídit jeho požadavky tak, aby se lékař mohl dopředu připravit,“ vysvětluje místopředseda Společnosti všeobecného lékařství České lékařské společnosti Jana Evangelisty Purkyně (SVL ČLS JEP) pro digitalizaci a IT Cyril Mucha.

Podle něj by umělá inteligence mohla chod ordinací zefektivnit. „U činností, jako je vyplňování formulářů, žádanek nebo vyhodnocování lékařských zpráv, trávíme odhadem 30 procent pracovní doby. Pokud by tohle odbavil počítač, měli by lékaři více času na to nejdůležitější – na nemocné,“ říká Mucha. 

Podle čtenáře Tomáše je ale nutné nezapomenout, že doktory nejvíc potřebují a využívají důchodci. „Můj děda si posledně stěžoval, že když volal k doktorovi, zvedl mu to mladý kluk, který mu řekl, že zdali chce předepsat léky, má zmáčknout jedničku a pokračoval… Byla to AI, to ale děda nepoznal, byl z toho zmatený a k doktorovi se nezvládl dovolat,“ vysvětlil Tomáš. 

A i když souhlasí s tím, že doktorům je potřeba ulehčit práci a zbavit je zbytečné byrokracie, část společnosti podle něj na AI prostě není připravena a nerozumí ji. 

I podle průzkumu STADA AI ve zdravotnictví ohledně zabezpečení dat věří jen 51 procent Čechů a 46 procent z nich se obává, že nejmodernější technologie ve zdravotnictví začnou zdravotníkům brát práci. To i přesto, že 63 procent Čechů má obecně pozitivní postoj k umělé inteligenci.

Podle ředitele Asociace pro umělou inteligenci Lukáše Benzla je potřeba od sebe odlišovat. „Pochopitelně je otázkou, jestli zrovna ambulance nebo ordinace jsou místem, vzhledem k tomu, jaké mají uživatele, kde je vhodné nasadit chatbota. Kde ale vidím mnohem větší příležitost, je AI nasazená do nástrojů, které používají lékaři – tam pacienti ani nevědí, že je AI využívaná,“ řekl HN Benzl.

V nemocnicích už teď funguje v několika odvětvích. Například systém HAIDI pomáhá s detekcí nemocničních infekcí. Ty ročně v Česku zabíjí 10 tisíc lidí a celosvětově jsou nejčastějšími nežádoucími příhodami, které se objevují při poskytování zdravotní péče. 

Technologie dokáže ušetřit až 80 procent času, který odborníci věnují jejich odhalování. „Tři tisíce normostran textu – takový objem dat dnes vygeneruje středně velká česká nemocnice každý den. Naše technologie lékaře této rutiny zbavuje,“ uvádí Jakub Kozák, CEO firmy Datlowe která AI systém vyvinula. Systém je již nasazen například ve Fakultní nemocnici Motol i dalších nemocnicích, celkem pokrývá více než 4 tisíce lůžek akutní i následné péče.

Společnost lékařů (SVL ČLS JEP) do budoucna očekává, že umělou inteligenci zapojí i do samotných vyšetření. Počítač by mohl například sám posuzovat a vyhodnocovat rentgenové snímky nebo by si pacienti mohli vyšetření jako měření tlaku dělat sami doma a výsledky sdílet s doktory přes počítač nebo telefon. Nemuseli by tak zbytečně jezdit do ordinací nebo by doktoři měli možnost vyšetřit i pacienty, kteří se dostavit nemohou.

„Lékař ví, na jaké otázky se ptát a jaké symptomy u nemocného sledovat, když je pacient přítomen v ordinaci. Snažíme se proto vymyslet doporučení, díky kterým by se nemocný mohl podle instrukcí lékaře sám vyšetřit – popsat například prostřednictvím videohovoru potíže a určit konkrétní místo bolesti. Lékař by tak mohl stanovit diagnózu i na dálku, podmínkou ale je, aby svého pacienta znal,“ řekl Mucha. 

Právě automatizace, ale i strojové zpřesnění rutinních úkolů je jednou z úloh, kterou by umělá inteligence měla ovládnout. Firmy ovšem často naráží na legislativní proces nebo získávání certifikací. „Jde o velmi náročný proces, který může trvat i několik let a stojí miliony korun,“ vysvětluje Jan Kleindienst, místopředseda Výzkumné rady Technologické agentury ČR.

Pokud ji získají, znamená to, že přístroje jsou uznávány jako medicínský prostředek, jsou bezpečné a data z nich jsou přesná. Certifikační proces zahrnuje rozsáhlé klinické zkoušky, dokumentaci bezpečnosti a účinnosti, systém řízení kvality, re-certifikace a audit notifikovanou osobou – v tuzemsku ji provádí například Institut pro testování a certifikaci Zlín. 

Kdo už certifikaci má?

V České republice zatím získalo certifikaci pouze několik AI systémů. Společnost KardiAI vyvinula algoritmus pro analýzu EKG, který předpovídá riziko srdečních onemocnění. „Náš systém analyzuje EKG záznamy a upozorňuje na potenciální problémy, které by mohly být lidským okem přehlédnuty,“ vysvětluje Tomáš Procházka, ředitel společnosti.

Certifikaci mají i dva produkty firmy Aireen pro diagnostiku očních onemocnění pomocí analýzy snímků sítnice. Jejich algoritmus dokáže rozpoznat jak diabetickou retinopatii, tak i věkem podmíněnou makulární degeneraci s přesností srovnatelnou s očními lékaři. 

„Certifikace je pro nás zásadní milník. Znamená to, že náš produkt mohou používat nejenom experti v oboru, ale i běžný zdravotnický personál,“ řekl HN už dříve David Navrátil, zakladatel společnosti Aireen.

Společnost momentálně vyvíjí i „chytrou lékárnu do mobilního telefonu,“ nazývají ji Molecula. Pokud totiž pacienti užívají více než pět léků denně, stoupá kvůli jejich vzájemnému ovlivňování riziko nežádoucích účinků nad třicet procent. A značně se zvyšuje s každým dalším lékem.

„Aplikace Molecula sleduje, jak mezi sebou léky reagují, odhaluje duplicity škodlivých látek a hlídá expiraci,“ popisuje Navrátil. 

Něčemu podobnému se věnuje i druhý produkt firmy Datlowe – Merie. Ten zase pomáhá  předejít chybám klinickým farmaceutům.

Pomoct umí umělá inteligence i s diagnostikou rakoviny plic – systém Carebot je využíván v desítkách českých nemocnic a pěti dalších státech Evropy. Využívá AI pro čtení snímků hrudníku, čímž zvyšuje přesnost diagnostiky, díky čemuž včasně rozpozná plicní onemocnění, včetně rakoviny plic v raném stadiu.

Další český projekt Neurona Pet, který pomocí analýzy řeči dokáže odhalit známky Alzheimerovy choroby 15 až 20 let před plným propuknutím nemoci, na certifikaci stále ještě čeká. V Česku přitom žije asi 120 tisíc diagnostikovaných pacientů a odhaduje se, že dalších 400 tisíc o nemoci ještě neví.

Certifikace je pro všechny projekty stěžejní – není to tak, že by systémy bez ní nemohly fungovat, stejně musí projít legislativním procesem a například společnost Carebot podle Benzla fungovala ještě před ní. S certifikací ale mohou vyšetření pojišťovny začít proplácet. 

„Navíc jde o významný unikátní ,selling point‘, který zvyšuje její konkurenceschopnost a dává možnost účastnit se řady důležitých výběrových řízení, která zdravotnickou certifikaci vyžadují,“ řekl Kleindienst, který je sám zároveň spoluzakladatelem start-upu MAMA AI.

Vývoj léčiv

AI přináší změny i ve vývoji léčiv. Podle odhadů se náklady na přečtení všech relevantních záznamů jednoho pacienta pohybují od třech a půl tisíce do 24 tisíc (150 až 1 000 amerických dolarů). Nyní by ale mohlo stačit nechat jeden velký jazykový model projít celý elektronický zdravotní záznam, vyhledat vhodné pacienty a vyloučit ty, kteří nesplňují vstupní kritéria. Takový nástroj by mohl zkrátit dobu nutnou na dokončení studie o měsíce. Zpoždění o jeden měsíc přitom může farmaceutickou společnost stát 600 tisíc až 8 milionů dolarů.

AI díky rychlejšímu pochopení struktur některých virů nebo zaměření na slibné inovativní molekuly dokáže zkrátit čas potřebný k objevení nových léků z let na měsíce. Podle nedávné analýzy úspěšnosti klinických studií u molekul objevených pomocí AI, z 24 molekul, které dokončily první fázi klinických zkoušek do prosince 2023, bylo 21 úspěšných. Úspěšnost AI se tedy pohybuje mezi 80 až 90 procenty – historický průměr je přitom mezi 40 až 65 procenty.

Nebezpečí AI

Přes všechny úspěchy zůstává řada nevyřešených otázek. Současná legislativa není připravená na specifika AI ve zdravotnictví. „Potřebujeme jasnější pravidla pro určení odpovědnosti v případě chyby AI systému,“ upozorňuje bývalá hlavní hygienička Jarmila Rážová. „Také musíme vyřešit otázku ochrany osobních dat pacientů – únik dat ve zdravotnictví je nejdražší ze všech odvětví,“ doplnila lékařka z FN Motol.

„Získání certifikace trvá běžně 2 až 3 roky a stojí firmy miliony korun,“ vysvětluje lékařka. „Navíc musíte prokázat, že vaše řešení je nejen účinné, ale především bezpečné pro pacienty. A to u AI není vůbec jednoduché,“ dodala Rážová.

Moderní medicína

Stáhněte si přílohu v PDF

Některé modely umělé inteligence v některých oblastech diagnostiky už překonávají lidské experty. Například systém Med-PaLM 2 – jazykový model trénovaný obrovským datasetem lékařskými texty a kódy – v testech diagnostické přesnosti předčil zkušené lékaře. „Když američtí lékaři porovnávali odpovědi modelu s odpověďmi napsanými lékaři, výrazně upřednostňovali odpovědi modelu v 8 z 9 hodnocených dimenzí,“ uvádí studie publikovaná v JAMA.

Další výzvou je tzv. black box ochrana pacientských dat – často není jasné, jak AI dospěla ke svému závěru. To komplikuje certifikační proces a může vést k právním problémům. EU proto připravuje další speciální regulaci AI ve zdravotnictví, která by měla tyto otázky řešit – jmenuje se AI Act a stanovuje standarty pro tato data. Požadavky se z části překrývají s již existujícím nařízením GDPR, navíc ale tréninková data musí být relevantní, reprezentativní, bez chyb a úplná. 

Ve zdravotnictví je něco takového velmi aktuální, protože řada dat využívaných k tréninku obsahuje zkreslení. Některé skupiny jako například pacienti s tmavší barvou pleti při diagnostice rakoviny kůže jsou nedostatečně reprezentováni v datasetech, což vede k nespolehlivosti a nepřesnosti v jejich diagnostice.

Článek byl publikován ve speciální příloze HN Moderní medicína.