Píše se rok 2023 a lidstvo znovu stojí na prahu technologické revoluce. Tentokrát s umělou inteligentní tváří. Zatímco nedávno AI bodovala na sociálních sítích, dnes dobývá průmysl i medicínu…

Žijeme v době, kdy jsme každý den zahlceni desítkami a stovkami nových dat. Není však v našich silách je všechna zpracovat. A v medicíně to platí dvojnásob.

Existuje už mnoho oblastí, ve kterých může umělá inteligence ukázat svůj potenciál. Jedná se především o diagnostiku a screening, personalizovanou medicínu či robotickou chirurgii. V neposlední řadě je nutné zmínit „post-covidový trend“ v podobě zdravotní péče na dálku.

Pomáhá u rentgenů i v sonografii

Umělá inteligence se zatím uplatňuje nejvíce v medicíně v analýze obrazu, například v radiologii a sonografii. Algoritmy strojového učení zde hrají dvojí roli. Zaprvé pomáhají při hodnocení obrazů, kdy dokážou identifikovat jemné odchylky, které mohou lidskému oku uniknout.

Nabízejí tak lékařům doporučení, na jaké části snímku se mají více soustředit. „Dalším praktickým využitím je pomoc při samotném pořizování obrazové dokumentace. I méně zkušený lékař dokáže s pomocí AI rychleji a snadněji pořídit kvalitní snímky,“ míní Oldřich Šubrt, ředitel pražské kliniky Health Plus.

V této skupině poliklinik testují nová řešení pro analýzu dat či telemetrii. Jedním z nich je nový systém Aireen, který umí automaticky rozpoznat poškození krevních cév vyživujících oční sítnici. „Díky snímku pacientova oka tak Aireen dokáže rychle bez rozkopání očí rozpoznat závažnost oční choroby, vše trvá maximálně pět minut a testy může provádět nejen oční lékař, ale i například přímo diabetolog či jejich sestry“ zdůrazňuje Šubrt.

Technologické novinky hrají rostoucí roli při monitorování zdravotních stavů pacientů a posilují tak preventivní funkci zdravotnictví. Lékaři umí kontinuálně měřit hladinu glukózy nejen v krvi, ale i v mezibuněčném prostoru, neinvazivně, pomocí speciálních čipů, které se připevňují formou odolné náplasti.

Výsledky zaznamenané tímto čipem si mohou lidé kontrolovat přes telefony, chytré hodinky či speciální přijímač s dotykovou obrazovkou. „Technologie pomáhá s prevencí rozvoje cukrovky nebo u dalších civilizačních chorob a ve sportovně orientované medicíně,“ říká Šubrt z Health Plus.

Digitální sestřička

Další perspektivní oblastí je zpracování hlasu. Existují mnohá komerční i nekomerční řešení, která přepisují hovor do textové podoby a jako digitální sekretářka se již v některých oblastech zdravotnictví využívají.

Jejich použití ale bylo omezené, protože způsob diktátu se dost liší od běžné konverzace. S nástupem nových modelů AI lze z rozhovorů vytvářet strukturované záznamy a odstranit případné jazykové bariéry.

Lze dokonce rozpoznat a vyhodnotit emoce hovořících, a tím sledovat například spokojenost klientů s vyřízením jejich požadavků. Tyto technologie se nejprve prosazovaly například v různých call centrech a zákaznických linkách a postupně si nachází cestu i do zdravotnictví.

Příklad: V jihlavské nemocnici se rozbíhá projekt, který je součástí nástrojů tzv. digitální nemocnice. „Zjednodušeně můžeme říct, že AI naslouchá běžnému hovoru pacienta a lékaře a pořídí z něj strukturovaný lékařský zápis.

Taková inovace nabízí hned několik benefitů. Usnadňuje administrativní zátěž lékařů, zvyšuje efektivitu jejich práce, napomáhá standardizaci formy a obsahu lékařských záznamů,“ popisuje Jan Mikeš, manažer IT v Health Plus.

S pomocí AI a nástrojů strojového učení lze i lépe analyzovat provozní a medicínská data, sledovat trendy a vyhodnocovat výsledky podle stanovených ukazatelů. „Na základě předem daných medicínských kritérií můžeme jednoduše dynamicky vytvářet různé skupiny klientů, se kterými budeme dále pracovat a následně vyhodnocovat jejich vývoj, úspěšnost práce nebo efektivitu léčby,“ dodává Jan Mikeš.

Administrativa ve službách strojového učení

Sledování dat pomůže i lépe pracovat s časem, plnit neobsazený kalendář nebo monitorovat průměrné čekací doby v ordinacích. Na základě těchto dat pak lze plánovat rozvoj kapacit, nebo optimalizovat rozvržení pracovní doby z hlediska poměru mezi prací s pacientem a nutnou administrativou.

V Health Plus tím sledují stresovou zátěž a výkon ordinací v reálném čase a při využití modelů predikce chování klientů můžou odhadovat i vývoj budoucí. Díky tomu pak lze předcházet přetěžování lékařů a sester, lépe plánovat zdroje, zlepšit služby klientům a jejich pacientský zážitek.

„Stříška“ pod dohledem

Své místo si AI získává i při diagnostice rakoviny plic, alespoň dle vyjádření odborníků ze Soulské státní univerzity. S pomocí umělé inteligence totiž došlo ke značnému zlepšení diagnostické přesnosti při zjišťování tohoto druhu onemocnění.

V první fázi výzkumu byl využit lidský faktor, teprve poté byla na pomoc přivolána také AI.

Podmínky přitom byly následující: Z celkem 120 snímků zachycovalo pozitivní nález pouze 60, zbylou polovinu tvořil kontrolní vzorek. Lékařská skupina přitom sestávala z 30 odborníků, z toho 20 hrudních radiologů s 5–18letými zkušenostmi, a dále 10 radiologických rezidentů s 2–3letou praxí.

Čím vyšší, tím lepší

V okamžiku, kdy měl lidský faktor splněno a diagnostikováno, došlo na „druhé kolo“ ve kterém měla každá skupina za úkol reinterpretovat rentgenové snímky za pomoci AI s vysokou nebo nízkou přesností. O tom, že byly využity dvě různé verze „chytrého pomocníka“ však neměli experti ani ponětí.

Nakonec se ukázalo, že použití vysoce přesné metody napomohlo k lepšímu přečtení snímku, než tomu bylo u druhé varianty. Zároveň došlo ke zvýšení lidské akceptace AI.

Spolehlivý navigátor

Podobný výzkum uskutečnili také vědci v šumperské nemocnici. „Toto je ukázka menšího nálezu. Systém označil v plíci takový malý proužek a tady ještě drobné adheze na bránici,“ popsal rentgenový snímek plic primář radiodiagnostického oddělení Jiří Gerold.

Umělá inteligence na něm navíc s pomocí obdélníků vyznačila místa, která vyhodnotila jako nálezy. A zatímco nezkušené oko na snímku nemá šanci nic moc spatřit, systém ložiska označil správně. „Software může mladým radiologům pomoct v tom, že je navede.

Při kontrole, kterou následně provádí starší radiolog, se pak hodnotí, zda je to správně, nebo není. Mladý radiolog tak postupně získá zkušenosti,“ dodal.

Efektivní dělba práce?

Práci pneumologů ale podle Gerolda AI nenahradí. Může ji však podstatně zefektivnit, a to například tím, že se po prvotním zhodnocení softwarem mohou lékaři začít primárně věnovat snímkům s nálezy. „Když už si budeme jisti, že systém s velkou pravděpodobností vyhodnocuje negativní snímky dobře, budeme moct popisovat i snímky patologické,“ nastínil Gerold plány do budoucna.

K primárnímu popisování snímků však podle něj MUDr. AI sloužit nebude. Aby totiž byla umělá inteligence vůbec schopna jednotlivé nálezy rozpoznat, musela projít důkladným „školením“, spočívajícím v analýze stovek tisíc rentgenových snímků plic.

Carebot z Havířova

Řešení pro Nemocnici Šumperk dodává česká společnost Carebot, nicméně první nemocnicí v ČR, kde systém diagnostiky pomocí umělé inteligence testovali, byla 150 kilometrů dál. V Havířově.

Carebot tu testuje nejen funkčnost a přesnost řešení, ale na základě podnětů lékařů i uživatelskou přívětivost systému. „Při vývoji je nezbytné konzultovat systém s lékaři, kteří ho následně budou využívat v praxi.

Pak můžeme dosáhnout těch nejlepších výsledků. Poslední výsledky prokazují, že je tato technologie spolehlivá. Vývoj prvního řešení trvá přes rok a jsme v cílové rovince,“ řekl Daniel Kvak spoluzakladatel českého start-upu.

Po rentgenovém vyšetření se snímky pomocí technologie OR-CZ uloží do počítače, kde je umělá inteligence Carebot vyhodnotí. Následně upozorní lékaře na problematická místa. Zabrání tak chybovosti při stanovování diagnózy.

Lékaři radiologického oddělení Nemocnice Havířov pomáhali ukončit fázi vývoje tohoto systému před tím, než bude moci být nasazen v nemocnicích i ordinacích po celé Evropě. Systém nyní zároveň prochází certifikací zdravotního prostředku. Nyní by měl putovat i na Cambridge.

Nová etapa digitalizace českého zdravotnictví

V rámci své spolupráce s Nemocnicí Havířov firma oslovila pět radiologů s různými zkušenostmi a nechala je prohlédnout si a popsat stejné snímky. Tyto snímky z klinické praxe firma nechala vyhodnotit i umělou inteligenci.

Nikdo z lékařů nevěděl, kdo jsou pacienti, jejichž snímky si prohlíželi. Stejně tak AI žádné snímky ze zdejšího radiodiagnostického oddělení neviděla. Neměla ani informace o tom, jaká je prevalence onemocnění, průměrný věk pacientů ani jaký RTG přístroj používají.

Tři dny společně s primářem a pěti dalšími radiology sledovala pacienty a určovala, kteří z nich jsou zdraví, a kteří mohou trpět jedním ze 13 nejčastějších nálezů.

Výsledkem bylo, že s primářem došla umělá inteligence ke shodě u 92,5 procenta nemocných pacientů. Jde o výrazně vyšší číslo než v případě radiologů, kteří se výzkumu zúčastnili. Ti zachytili nemocnost pacienta v 66,1 procentech případů.

Pokud AI hodnotila pouze snímky, u kterých byl stanoven konsenzus tří lékařů, dosáhla senzitivity na úrovni 99,5 procenta.

Množství snímků roste, počet lékařů nikoli

Zatímco počet rentgenových snímků, které musí radiolog během roku vyhodnotit, roste, počet lékařů zůstává téměř stejný. Moderní zdravotnictví směřuje k prevenci, včasnému záchytu nemocí, je tedy zřejmé, že počet snímků bude v následujících letech nadále přibývat.

S jejich strmým počtem roste i počet případných nevyžádaných chyb a nepřesností. Systémy umělé inteligence tak mají podle zakladatelů Carebotu už brzy běžně pomáhat lékařům v každodenním vyhodnocování.

Zdraví pro náš druhý mozek

Umělá inteligence se samozřejmě nesoustředí jen na plíce. Japonští vědci věnovali svou pozornost také orgánu umístěnému trochu „níže“, tlustému střevu. Dle jejich výzkumu totiž AI dokáže pod bedlivým dozorem diagnostikovat rané stadium rakoviny s 86% úspěšností.

K průlomu došlo v roce 2017, kdy vědecký tým za účelem diagnostiky sestavil databázi čítající na 30 000 fotografií nejen zdravých buněk, ale také těch rakovinných. To vše proto, aby pomohl umělé inteligenci detekovat rozdíl.

Po aplikaci procedury strojového učení zapracovali do AI rovněž obrázek kolorektálního polypu. Pro účely speciální „výuky“ byl ale 500krát zvětšen, aby bylo možné diagnostikovat také jeho variace. Výsledkem bylo, že AI byla během necelé sekundy schopna určit, zda je konkrétní polyp karcinogenní či nikoli.

Dohromady měla přitom v reálném čase vyhodnotit 306 různých polypů, přičemž výsledky studie byly prezentovány ten samý rok na konferenci United European Gastroenterology v Barceloně.