Inteligencja otoczenia w gabinecie lekarskim – AI obserwuje, słucha i bada

Klikanie zamiast rozmowy

Choć elektroniczna dokumentacja medyczna jest niezbędna, aby uzyskać pełny obraz stanu zdrowia pacjenta, sposób jej tworzenia pozostawia dużo do życzenia. Według różnych badań czynności administracyjne, na które składa się przede wszystkim dokumentowanie przebiegu wizyty, pochłaniają od 30 do nawet 60 proc. czasu wizyty.

Najpierw lekarz przegląda historię choroby, wędrując po różnych zakładkach, potem rejestruje wywiad z pacjentem, następnie wprowadza informacje o rozpoznaniu i dane o zrealizowanej usłudze do rozliczeń z NFZ, wystawia receptę, skierowanie, zwolnienie lekarskie. Nawet dla osoby sprawnie posługującej się komputerem wszystkie te zadania sumują się w kilkadziesiąt kliknięć i kilka minut przed komputerem w ramach dziesięciominutowej wizyty.

Nikt nie ma wątpliwości, że komputer jest o wiele lepszą alternatywą papieru, bo raz zapisane dane można wykorzystać ponownie, a część dokumentów powstaje automatycznie. Lekarze są jednak przeciążeni czynnościami dokumentacyjnymi, a do tego przybywa im pracy. Z ostatniego badania Elsevier wynika, że od 2023 do 2024 r. statystyczna liczba przyjmowanych dziennie pacjentów zwiększyła się o dwie osoby. Trudno oczekiwać innego trendu w kolejnych latach. Biurokracja prowadzi do wypalenia zawodowego i nieefektywności w i tak już przeciążonym systemie ochrony zdrowia. Ma to zmienić kolejny etap cyfryzacji pracy lekarza, czyli inteligencja otoczenia i AI. Pierwsze pilotaże są obiecujące.

Wizyta pacjenta bez biurokracji

Kaiser Permanente – amerykańskie konsorcjum zintegrowanej opieki zdrowotnej – udostępnił lekarzom system do automatycznego generowania dokumentacji pacjenta oparty na generatywnej AI. Przez 10 tygodni, w ramach 303 266 wizyt pacjentów, testowało go 3442 lekarzy.

Jak działa ów system? Aplikacja na smartfona transkrybuje rozmowę lekarza z pacjentem, a następnie dane są przekazywane do usługi chmurowej. Tam, za pomocą technologii przetwarzania języka naturalnego, są przyporządkowywane do poszczególnych kategorii w EDM, np.: leki, rozpoznania, zalecenia dla pacjenta. Na końcu lekarz zatwierdza poprawność wpisów lub je koryguje i uzupełnia. Przed każdą wizytą, wspomaganą inteligencją otoczenia, pacjent musiał wyrazić zgodę na taki tryb postępowania.

Wyniki testów zebrano w pracy naukowej opublikowanej w marcu 2024 r. na łamach „Nejm Catalyst: Ambient Artificial Intelligence Scribes to Alleviate the Burden of Clinical Documentation”. Jakość notatek była na bardzo wysokim poziomie, często przewyższała dokładnością zapisy tworzone manualnie. Lekarze podkreślali, że podczas wizyty wspomaganej AI mogli poświęcić więcej czasu pacjentowi. 81 proc. pacjentów stwierdziło, że ich lekarz spędził mniej czasu przed komputerem niż podczas klasycznej wizyty. W konkluzjach z badania wskazano, że „notatki oparte na inteligencji otoczenia mogą zmniejszyć obciążenie lekarzy, a w programie pilotażowym odnotowano ograniczenie ilości czasu spędzanego na tworzeniu dokumentacji medycznej”.

Dlaczego nie w Polsce?

Rozwiązania oparte na idei ambient intelligence na razie wdrażane są przez duże ośrodki medyczne, zwłaszcza w USA. Przykładowo, jesienią 2023 r. Stanford Health Care uruchomił testowo podobny jak w Kaiser Permanente system AI, który w kilka sekund przetwarza rozmowy na notatki w EDM.

Pilotaż z udziałem 48 lekarzy zakończył się pozytywnymi wnioskami: 96 proc. lekarzy stwierdziło, że technologia jest łatwa w użyciu, a 78 proc. – że przyspieszyła proces sporządzania notatek klinicznych. Dwie trzecie lekarzy podkreśliło, że system pozwala zaoszczędzić czas. Stanford Health Care planuje udostępnić aplikację wszystkim pracownikom medycznym – lekarzom, pielęgniarkom, asystentom, lekarzom rezydentom i studentom medycyny.

Zanim z tego typu rozwiązań będą mogli korzystać lekarze w Polsce, trzeba pokonać kilka przeszkód. Pierwszą z nich są ograniczenia modeli generatywnej AI, które dużo lepiej radzą sobie z językiem angielskim niż z polskim. Wynika to z wolumenu danych użytych do wytrenowania genAI (generative AI), czyli systemów takich jak ChatGPT (OpenAI), Gemini (Google) albo Llam (Meta). Pokonanie tej przeszkody jest jednak tylko kwestią czasu. Równolegle trwają prace nad specjalistycznymi modelami przeznaczonymi dla ochrony zdrowia, takimi jak Med-PaLM (Google).

Drugą barierą jest konieczność korzystania z rozwiązań chmurowych, gdzie algorytmy AI przetwarzają dane (wyjątkiem są proste systemy transkrypcji działające na lokalnych serwerach). Według badania stopnia informatyzacji podmiotów wykonujących działalność leczniczą, przeprowadzonego w 2023 r. przez Centrum e-Zdrowia, tylko około 15 proc. placówek ochrony zdrowia w Polsce korzysta z usług chmurowych. I ostatnia sprawa – wątpliwości co do zgodności z regulacjami dotyczącymi przetwarzania danych, w tym RODO. Choć teoretycznie nie ma przeszkód w analizie danych w bezpiecznej chmurze zlokalizowanej w Europie, nikt na razie nie chce wychodzić przed szereg. Nie oznacza to jednak, że systemy IT dla ochrony zdrowia krajowych dostawców w ogóle nie korzystają z AI. Istnieją już przecież pierwsze rozwiązania AI podsumowujące obszerne informacje z ulotek o lekach.

Inteligencja otoczenia może znacznie więcej

Tworzenie dokumentacji medycznej na podstawie rozmowy to zaledwie ułamek tego, co zapewnia ta technologia. Sama nazwa wskazuje, że chodzi o inteligentne zbieranie danych ze środowiska, w którym przebywa pacjent. W przypadku systemów do automatycznego tworzenia e-dokumentacji medycznej analizowany jest tylko jeden parametr: głos. Ale istnieje wiele innych biomarkerów, które można wychwycić, stosując czujniki, kamery i urządzenia do noszenia.

Przykładowo: wyobraźmy sobie gabinet lekarski naszpikowany sensorami. Kamery analizują ruchy i mimikę twarzy, mikrofony wyłapują niesłyszalne elementy głosu, inteligentne krzesło wykonuje pomiary m.in. ciśnienia krwi, tętna, temperatury ciała. Przeanalizowane przez AI dane umożliwiają lekarzowi lepszy wgląd w stan zdrowia fizycznego i psychicznego pacjenta jeszcze przed wykonaniem szczegółowych badań laboratoryjnych albo obrazowych. Dane z otoczenia mogą być zbierane jeszcze wcześniej, w domu pacjenta albo w poczekalni placówki medycznej.

W szpitalach systemy ambient intelligence mogą analizować ruchy pacjentów, ostrzegając o potencjalnych upadkach, albo pracę zespołu chirurgów na sali operacyjnej, kontrolując przestrzeganie procedur przedoperacyjnych oraz tworząc raporty pooperacyjne do oceny zabiegu. Istnieją już algorytmy AI, które prognozują ryzyko wystąpienia sepsy u pacjenta przebywającego na OIOM. Z kolei najlepszym przykładem wykorzystania inteligencji otoczenia w domu są algorytmy w smartwatchach, które automatycznie wzywają pomoc w chwili upadku pacjenta albo wykrywają pierwsze sygnały mogące świadczyć o arytmii.

Takich rozwiązań systematycznie przybywa, bo naukowcy odkrywają coraz więcej nieznanych dotąd biomarkerów. Niektóre badania naukowe sugerują, że zmiany głosu mogą świadczyć o rozwoju chorób psychicznych, a fluktuacje faz snu – o chorobach przewlekłych lub zakaźnych. Naukowcy dowiedli, że głos może być stosowany w badaniach przesiewowych chorób neurodegeneracyjnych albo nawet cukrzycy i to z całkiem dużą dokładnością.

Na pełny rozwój inteligencji otoczenia wspierającej zdrowie trzeba będzie poczekać do momentu, gdy ochrona zdrowia osiągnie wysoki poziom cyfryzacji, czyli dane w ekosystemie zdrowia będą przepływały swobodnie między różnymi systemami i urządzeniami, także stosowanymi przez pacjentów.

Technika ma też swoje ciemne strony: im więcej czujników w otoczeniu, tym większe prawdopodobieństwo naruszenia prywatności pacjenta i konieczność instalowania silnych systemów zabezpieczeń. Zastosowanie tego typu rozwiązań w placówkach ochrony zdrowia musi odbywać się zawsze za zgodą pacjenta. Nie mogą też być wykorzystywane do np. profilowania, co na szczęście reguluje niedawno uchwalony europejski Akt w sprawie AI.

Eksperci są zgodni, że w następnych 5–15 latach systemy inteligencji otoczenia czeka szybki rozwój.