26 czerwca 2023

AI, VR i cyfryzacja wprowadzają model edukacji w czasie rzeczywistym

Rozwój wirtualnej i rozszerzonej rzeczywistości oraz sztucznej inteligencji wpływa na sposób zdobywania wiedzy przez lekarzy. Doskonalenie zawodowe realizowane będzie coraz częściej w miejscu opieki nad pacjentem, a coraz rzadziej podczas konferencji i szkoleń.

tekst Artur Olesch

Jednym z wyzwań systemów ochrony zdrowia jest likwidacja przepaści między tempem rozwoju wiedzy medycznej a prędkością wprowadzania nowości do codziennej praktyki lekarskiej.

Co roku wydaje się tysiące publikacji (według biblioteki PubMed w 2022 r. – ponad 131 tys.) w 379 czasopismach naukowych z dziedziny medycyny. Część jest uwzględniana w kształceniu w postaci wytycznych towarzystw naukowych, o których lekarze dowiadują się z literatury fachowej oraz podczas szkoleń.

Taki transfer wiedzy od źródła (czyli badań naukowych) do adresata (lekarza) trwa czasami miesiącami. Poza tym lekarz nie ma czasu na śledzenie wszystkich opracowań naukowych i informacji, które mogłyby pomóc w diagnozie lub leczeniu bardziej skomplikowanych przypadków. Żaden człowiek nie posiada też takich zdolności kognitywnych, aby nową wiedzę zapamiętać i stosować podczas intensywnego dnia pracy, kiedy decyzje trzeba podejmować szybko i w stresie.

W efekcie medycyna opiera się dziś często na nieaktualnych i niepełnych faktach, a korzystanie z wiedzy o postępach w tej dziedzinie nie jest możliwe w takim samym stopniu dla wszystkich (ośrodki akademickie są w innej sytuacji niż np.  małe praktyki lekarskie na terenach wiejskich). Tę niedoskonałość systemu wyeliminuje cyfryzacja i nowe technologie, które już dzisiaj pokazują, w jakim kierunku zmierza edukacja medyczna.

System wspomagania decyzji klinicznych

Clinical Decision Support System (system wspomagania decyzji klinicznych), stosowany na razie w dużych ośrodkach medycznych, głównie ze względu na cenę, pozwala na wyszukiwanie nowych wytycznych naukowych dla określonych jednostek chorobowych. Przykładowo: roczna licencja CDSS UpToDate dla indywidualnej praktyki lekarskiej kosztuje w Polsce 449 dol.

Informacje trafiające do lekarzy dzięki systemowi są opracowywane przez redaktorów naukowych, którzy wybierają najistotniejsze doniesienia i streszczają je w łatwy do przyswojenia sposób. Zaletą CDSS jest oferowanie aktualnej bazy wiedzy z przejrzystymi streszczeniami, wadą – czas potrzebny na wyszukiwanie danych oraz duże koszty (firmy, które opracowują owe dane, zatrudniają liczne zespoły redaktorów i specjalistów w wybranych dziedzinach). W skrócie – to „tłumacz” informacji i długich prac naukowych na łatwą do przyswojenia wiedzę.

Dzięki niemu lekarz po wpisaniu kodu jednostki chorobowej otrzymuje przegląd przejrzyście podanych nowych informacji.

Sztuczna inteligencja i duże modele językowe

ChatGPT na pewno wpłynie na sposób pracy w wielu branżach, także w ochronie zdrowia. Generatywna AI, czyli rodzaj sztucznej inteligencji, na której oparty jest ChatGPT i inne podobne systemy, łatwo komunikuje się z człowiekiem. Teoretycznie już dziś można zapytać system o objawy chorób albo wytyczne naukowe. Jednak odpowiedzi mogą być błędne (w wyniku tzw. efektu halucynacji AI) lub niepełne, bo ChatGPT korzysta z danych dostępnych do września 2021 r. Dlatego jego zastosowanie w medycynie jest zbyt ryzykowne.

Mogą to zmienić medyczne modele językowe, takie jak Med-PaLM 2 stworzony przez Google. Opiera się on na danych medycznych i dlatego może pomóc w zdobywaniu nowej wiedzy na zasadzie czatu z AI. To jednak dopiero przyszłość, bo na razie Google udostępnił system do testów ograniczonej liczbie placówek z USA korzystających z chmury danych. Ale ze względu na szybkość rozwoju sztucznej inteligencji można przypuszczać, że w niedalekiej przyszłości lekarz będzie mógł pytać AI o najnowsze wytyczne, z uwzględnieniem danych zgromadzonych w EDM. Warto wspomnieć, że Med-PaLM 2 to ten system, który zdał w USA egzamin lekarski, odpowiadając poprawnie na 85 proc. pytań.

Jednak już dziś można korzystać z systemów AI, które streszczają opracowania naukowe albo syntetyzują wnioski z nich. Jest ich coraz więcej, niektóre – np. AskPaper.Ai – dostępne są za darmo w modelu open source.

Wirtualna (VR)/rozszerzona (AR) rzeczywistość

VR i AR to technologie, które oferują zupełnie nowe metody edukacji medycznej. Za ich pomocą można nowocześnie uczyć studentów medycyny i szkolić lekarzy. Cyfrowe awatary coraz częściej są stosowane zamiast manekinów, a zasady opieki nad pacjentem studenci poznają podczas ćwiczeń z modelami 3D.

Istnieją systemy symulujące pracę z trudnymi pacjentami albo przeprowadzanie wysoce skomplikowanych zabiegów. VR z coraz większą precyzją odwzorowuje realne warunki na sali operacyjnej albo w gabinecie lekarskim. Po założeniu gogli 3D lekarz widzi pacjenta oczami awatara, a każda czynność powoduje reakcję, np. w postaci zmieniających się parametrów funkcjonowania organizmu chorego. Osoba szkoląca się musi odpowiednio reagować, gdy np. podczas operacji następuje krwotok albo inna komplikacja. Systemy VR są responsywne, a to oznacza, że każda czynność prowadzi do konsekwencji, jakie wystąpiłyby w warunkach rzeczywistych. Na szczęście to tylko program – szkolenie prowadzone jest w środowisku, w którym można bez stresu popełniać błędy.

 

Systemy VR sprawdzają się też w edukacji studentów. Lekarz dyżurny zakłada okulary wyposażone w kamerę, a studenci widzą pacjenta, słyszą lekarza, a nawet mogą wchodzić z nim w interakcje. W dodatku pozostają na uczelni, nie tłoczą się przy łóżku chorego, co jest niekomfortowe dla obydwu stron. Tego typu systemy sprawdziły się podczas pandemii koronawirusa i mają duży potencjał w edukacji.

Jeszcze innym ich zastosowaniem są operacje, podczas których lekarze mogą otrzymywać wskazówki od specjalistów, przebywających w miejscach oddalonych o tysiące kilometrów, i w ten sposób uczą się realizacji nowych procedur.

VR weszła do edukacji medycznej wraz z rozwojem takich technologii jak okulary HoloLens (Microsoft) i może jeszcze bardziej się przydać, gdy pod koniec tego roku na rynek wejdą okulary VR firmy Apple, czyli Vision Pro. Producent zapowiada, że zapewnią nową jakość pracy w wirtualnym świecie.

Cyfryzacja, konsylia, sieci referencyjne

Doskonalenie zawodowe zmienia się wraz z cyfryzacją. Wiedza, do tej pory aktualizowana od czasu do czasu na kongresach lub w wyniku publikacji nowych wytycznych towarzystw naukowych, jest teraz zdobywana podczas pracy z pacjentem, często bezpośrednio od kolegów pracujących w ośrodkach referencyjnych i mających ogromne doświadczenie.

Przykładem tego trendu są e-konsylia, niedawno uruchomiony przez Ministerstwo Zdrowia pilotaż elektronicznej platformy umożliwiającej lekarzom prowadzenie zdalnych konsultacji dotyczących leczenia pacjentów z chorobami kardiologicznymi i onkologicznymi. Nie byłoby to możliwe bez digitalizacji dokumentacji medycznej.

Z kolei projekt Europejskich Sieci Referencyjnych (European Reference Networks) pozwala centrom medycznym konsultować ze sobą skomplikowane przypadki chorób rzadkich. Obecnie ERN to sieć 64 podmiotów z 24 krajów Unii Europejskiej. Krytycy rozwiązania zwracają jednak uwagę, że to jedynie częściowa demokratyzacja dostępu do wiedzy dla lekarzy, bo w skład sieci wchodzą tylko ośrodki akademickie.

Symulacje na cyfrowych bliźniakach

Jedną z metod zdobywania doświadczenia i poszerzenia horyzontów zawodowych jest eksperymentowanie. W medycynie nie do zastosowania, bo lekarz nie może sobie pozwolić na testowanie różnych hipotez czy sposobów leczenia na pacjencie.

Niewykluczone, że to się zmieni, gdyż naukowcy podjęli próby wykorzystywania awatarów pacjentów do testowania np. skuteczności leków, planowania operacji i różnych terapii. Cyfrowy bliźniak to komputerowy model pacjenta stworzony na podstawie jego danych m.in. z elektronicznej dokumentacji medycznej. Na takim zbiorze danych można bezpiecznie prowadzić symulacje terapii. Dopiero lek lub procedura medyczna o największej skuteczności sprawdzonej na modelu, po weryfikacji przez lekarza, jest stosowana u pacjenta. Przy takim podejściu każdy lekarz i pielęgniarka stają się naukowcami testującymi różne rozwiązania. Jeśli wyniki byłyby udostępniane w ramach bezpiecznej infrastruktury danych, można byłoby mówić o doskonaleniu praktyk klinicznych w modelu danych rzeczywistych, a nie tylko badań klinicznych.

Kongresy w metaverse

Systemy sztucznej inteligencji pozwalają zdobywać wiedzę „na żądanie”, aby decyzje były podejmowane zawsze na podstawie najbardziej aktualnych informacji, skrupulatnie wyselekcjonowanych i skonfrontowanych z danymi pacjenta.

Jednak w edukacji medycznej – tak samo jak w każdej innej sferze – równie ważne jak zdobywanie nowych informacji jest dzielenie się doświadczeniem. A to chętnie robimy w bezpośredniej interakcji z innymi specjalistami podczas konferencji.

W okresie pandemii COVID-19 wiele takich spotkań realizowano wirtualnie, zapewniając szeroką dostępność wiedzy i eliminując konieczność podróżowania. Obecnie standardem jest formuła hybrydowa, łącząca spotkania osobiste z transmisją online. Duże firmy technologiczne, takie jak Meta (dawny Facebook), obiecują, że wkrótce będziemy korzystać z metaverse. W trójwymiarowym świecie będziemy spotykać kolegów z pracy – a właściwie ich awatary – i rozmawiać z nimi. Na razie to tylko obietnica, bo to, co oferuje metaverse, jest dalekie od spotkań na żywo. Pierwszy krok w kierunku konferencji wirtualnych został już jednak wykonany – od czasu pandemii zastępowanie osobistych spotkań ich wirtualnymi formami jest normą.

Kliniczne systemy feedbacku w czasie rzeczywistym

Sztuczna inteligencja pomaga radiologom analizować zdjęcia medyczne, ostrzega lekarzy o pogorszenia się stanu pacjenta (alerty), prognozuje jego zmiany i np. ryzyko wystąpienia sepsy, koryguje ruchy chirurga podczas operacji z wykorzystaniem robotów. Służy jako dodatkowa para oczu, pomaga szukać korelacji w dużych zbiorach danych. Informuje lekarza w pętli zwrotnej o efektach jego decyzji lub je weryfikuje,  pełni rolę edukacyjną. Lekarz i technologie już dzisiaj uczą się od siebie, doskonalą wzajemnie swoje umiejętności. Współpraca człowieka z AI daje największe szanse na to, aby leczenie każdego pacjenta było celowane i zgodne z najbardziej aktualną wiedzą medyczną.

Wraz z indywidualizacją leczenia zmienia się też sposób zdobywania przez lekarzy nowych informacji. Muszą być one dostosowane do każdego przypadku klinicznego, porównane z najnowszymi publikacjami naukowymi i z dokumentacją medyczną pacjenta. Wiedza ogólna będzie drogowskazem pozwalającym biegle posługiwać się narzędziami AI – nadal niezbędna, bo za celność diagnozy i skuteczność terapii odpowiedzialny jest lekarz.

Dzięki nowym technologiom w edukacji studenci medycyny odbędą swój pierwszy dyżur bez stresu, bo w wirtualnym szpitalu, lekarze będą na bieżąco z postępami nauki, a nawet z odkryciami, które zostały ogłoszone przed kilkoma sekundami, a chirurdzy uczący się nowych technik zabiegowych skonsultują swoje decyzje ze specjalistami z ośrodków referencyjnych nawet podczas operacji. Edukacja w takim systemie ochrony zdrowia będzie płynnie wkomponowana w nowy ekosystem pracy i podejmowania decyzji.

Forum dyskusyjne - napisz komentarz

Musisz się zalogować, aby móc dodać komentarz.

Archiwum

Okręgowa Izba Lekarska w Warszawie im. prof. Jana Nielubowicza