O wpływie technologii AI na rozwój medycyny, jakie niesie za sobą wyzwania czy zagrożenia, dyskutowali eksperci w czasie Forum Ochrony Zdrowia w Karpaczu. Przeważała opinia, iż algorytmy sztucznej inteligencji nie są w stanie zastępować lekarzy, ale też wydajnie wspomagają ich pracę i mogą znakomicie usprawniać pozakliniczne obszary w systemie ochronie zdrowia, jak pracę z danymi, monitorowanie stanu zdrowia czy wyręczanie personelu medycznego w procesach biurokratycznych. Stosowane algorytmy muszą być jednak wpisywane w odpowiednie miejsce ścieżek pacjentów. W zależności od obszaru, mogą przysparzać korzyści różnego rodzaju i różnego stopnia.
Moderatorem dyskusji był były poseł dr Tomasz Latos, radiolog, który na początku dyskusji zwrócił uwagę na powszechne już stosowanie algorytmów AI w diagnostyce obrazowej. Wspierają one lekarzy, zabezpieczają przed pomyłkami i podnoszą efektywność ich pracy. Jak stwierdził, algorytmy sztucznej inteligencji dają również nadzieję na korzyści innego rodzaju – a mianowicie ograniczenia ilości zlecanych badań. Z roku na rok bardzo gwałtownie rośnie liczba wykonywanych badań, w wielu przypadkach są dublowane lub wręcz zlecane niepotrzebnie. Dlatego AI może odegrać dużą rolę przy optymalizowaniu decyzji o zlecanie badań diagnostycznych, a nie tylko przy opisywaniu ich wyników.
Iga Lipska (Instytut Polityki Zdrowotnej) wskazała, iż ramy legislacyjne nie nadążają za rozwojem technologii. Tym niemniej coraz więcej unijnych przepisów dotyczy właśnie sztucznej inteligencji. Wdrażane od stycznia 2025 rozporządzenie o wspólnej ocenie HTA również odnosi się do AI – pojawiły się w nim zapisy, na podstawie których takiej ocenie mogą podlegać również algorytmy AI, o ile ich dostawcy w odpowiedni sposób zaklasyfikują swoje rozwiązania. W instytucjach unijnych toczy się dyskusja na ten temat. Jest możliwe, iż już niedługo pierwsze kraje zaczną z nich korzystać.
Dyrektor Mirosław Pawełko (IQVIA) przywołał doświadczenia z Wielkiej Brytanii, gdzie produkty AI zostały wprowadzone do POZ. Angielscy lekarze rodzinni otrzymują bonus za wczesne wykrywanie wybranych chorób, dlatego rozwijają się algorytmy, które mogą im w tym pomóc. Widać już efekty ich stosowania a NHS stymuluje ich rozwój, dostrzegając korzyści finansowe wynikające z wcześniejszego diagnozowania pacjentów. Wyzwanie, które w tym procesie zdefiniowano, dotyczy jakości i kompletności wprowadzanych danych, na bazie których Ai dokonuje obliczeń i formułuje rekomendacje. Drugim problemem jest odpowiednie włączenie i dopasowanie zastosowań AI do procesu klinicznego i ścieżki pacjenta.
Michał Mikołajczak z firmy datarabbit.ai, która od kilku lat wdraża Ai w medycynie, zwrócił uwagę iż coraz szybciej rozwijają się algorytmy sztucznej inteligencji, które nie dotyczą diagnostyki, ale także usprawniania procesów, organizacji pracy, wprowadzania danych, uzupełniania formularzy i raportów. Takie zastosowanie potrafi np. kilkakrotnie skrócić czas potrzebny na wprowadzenie danych dotyczących leczenia onkologicznego – z 2,5 godziny do pół godziny. “Dostrzegamy ogromny potencjał w wykorzystywaniu AI do automatyzacji codziennych procesów, związanych z wprowadzaniem danych” – podkreślił Michał Mikołajczyk.
Poseł Romica-Andrei Basiu, członek Izby Deputowanych w Rumunii, powiedział iż rozwój AI wymaga uporządkowania i dopasowania do specyfiki poszczególnych obszarów zastosowań. Jego zdaniem w procesach administracyjnych i biurokratycznych stosowanie AI powinno być obowiązkowe dla placówek medycznych. Również w obszarze zarządzania finansami, budżetowania, controllingu analiz efektywności, AI musi znaleźć bardzo szerokie zastosowanie w branży medycznej. Jak dodał, to właśnie ochrona zdrowia jest powszechnie wskazywana jako obszar mający największy potencjał do stosowania AI.
Natalia Sikora z Future Leaders Forum zwróciła uwagę, iż w dyskusji o rozwoju AI w ochronie zdrowia nie warto koncentrować się na kwestii, czy algorytmy mogą zastępować pracę lekarzy. Jej zdaniem sama interakcja lekarza z pacjentem jest ważna dla trafności diagnozy i AI nie jest w stanie jej zastąpić. Jak przypomniała, modele AI są bardzo blisko związane ze specyfiką rozwoju sieci neuronowych i koncentrują się na konkretnym zakresie i rodzaju danych, ich specyfice związanej z konkretnym szpitalem, urządzeniem czy obszarem terapeutycznym. Przytoczyła przykłady nieudanych prób przenoszenia algorytmu, który dobrze funkcjonował i przynosił korzyści w jednej placówce, natomiast nie sprawdził się po wprowadzeniu do innej. Istotną rolę odgrywają wówczas kwestie techniczne, szczegóły dotyczące np. jakości i formatu obrazów pozyskiwanych z aparatury diagnostycznej. Zgodził się z tym dr Latos, przypominając iż Ai może wspierać lekarzy, ale zwłaszcza w specyficznych, nietypowych przypadkach nie prześcignie umiejętności ludzkich, z tej przyczyny iż nie mamy sposobu na przygotowanie i nauczenie algorytmu adekwatnej odpowiedzi na wyjątkowe sytuacje.
Łukasz Sosnowski, reprezentujący Naczelną Izbę Lekarską, powiedział iż polski samorząd lekarski jako pierwszy w Europie umieścił kwestie AI w Kodeksie Etyki Lekarskiej, przy okazji jego aktualizacji w styczniu 2025 roku. “AI to stetoskop dzisiejszych czasów, narzędzie w rękach lekarza. Co do zasady nie zastąpi człowieka” – podkreślił przedstawiciel NIL. i dodał, iż sztuczna inteligencja dotyczy już wielu obszarów klinicznych i pozaklinicznych, jak na przykład organizacji opieki, monitorowania stanu zdrowia, obróbki danych. Przyspiesza procesy analityczne, ale również pozwala formułować nowe hipotezy, odmienne od tych przedstawianych przez badaczy. Centralny Ośrodek Badań i Kształcenia w NIL edukuje lekarzy z zagadnień AI. Już kilka tysięcy osób wzięło udział w szkoleniach na temat sztucznej inteligencji w medycynie.
Jak mówił dyr. Pawełko, system ochrony zdrowia jest bardzo złożony, dlatego nie można generalizować przy ocenie potencjalnych korzyści czy zagrożeń, związanych z wykorzystywaniem sztucznej inteligencji. W poszczególnych obszarach może być pomocna w różnym stopniu, wspierając lub zastępując pracę specjalistów. Do najbardziej obiecujących zakresów stosowania Ai należą choroby rzadkie, gdzie drogą do sukcesu jest zbieranie i analizowanie rozproszonych danych a lekarzom brakuje doświadczenia, gdyż z konkretnym schorzeniem mogą się spotkać na przykład tylko raz w trakcie całej swojej pracy zawodowej.
