medCLOUD › Aktualności

Wyzwania związane z wdrażaniem sztucznej inteligencji w opiece zdrowotnej

Sztuczna inteligencja ma potencjał wspierania pracowników służby zdrowia, ale jej wdrożenie w szpitalach napotyka liczne trudności.

Sztuczna inteligencja oferuje coraz szersze możliwości wsparcia pracowników służby zdrowia w diagnostyce, leczeniu i procesach administracyjnych. Jednak przejście od obiecujących aplikacji AI do ich rutynowego stosowania w szpitalach pozostaje skomplikowane. Kluczowe są nie tylko technologie, ale także dostępność wiarygodnych danych, projektowanie procesów, regulacje oraz umiejętności cyfrowe, które decydują o wartości dodanej AI. To stało się jasne podczas spotkania zorganizowanego przez firmę AI Kaiko, w którym uczestniczyli administratorzy służby zdrowia, lekarze, deweloperzy i eksperci prawni, wymieniając się doświadczeniami na temat wdrażania AI w klinikach.

Spotkanie było częścią Zurich AI Festival. Główne pytanie dotyczyło tego, jak szpitale mogą zintegrować AI w codziennej opiece nad pacjentami, unikając fragmentacji systemów, danych i odpowiedzialności. Doświadczenia organizacji takich jak Swiss Insel Gruppe i holenderski Antoni van Leeuwenhoek Hospital pokazują, że skuteczne wdrożenie wymaga połączenia infrastruktury technologicznej, zaangażowania klinicznego i jasnego podejmowania decyzji.

Cyfrowa infrastruktura jako priorytet

Michael Stickel, Chief Medical Information Officer (CMIO) Insel Gruppe w Bernie, podkreśla, że szpitale muszą zacząć od spójnej infrastruktury cyfrowej. Opowiada się za jak największą integracją AI z elektroniczną dokumentacją medyczną (EHR), zamiast wprowadzania oddzielnych systemów dla każdej aplikacji. Zintegrowane podejście może uprościć zarządzanie danymi, prawami dostępu, nadzorem i umowami. Stickel zauważył, że zatwierdzenie jednej platformy AI przez kantonalny organ ochrony prywatności może zająć ponad dwa lata. W przypadku oddzielnych aplikacji podobne procedury mogą być wymagane ponownie.

Jednocześnie przyznaje, że integracja z EPD nie jest możliwa dla każdej aplikacji. Szpitale muszą zatem zrównoważyć potrzebę centralnej infrastruktury z elastycznością w korzystaniu z wyspecjalizowanych rozwiązań.

Kolejnym wyzwaniem jest wybór odpowiednich aplikacji. Stickel wskazuje, że szpitale mogą wybierać spośród setek potencjalnych aplikacji AI, ale często brakuje im jasnej metody ustalania priorytetów. W Insel Gruppe propozycje są oceniane na podstawie sześciu kryteriów: klinicznej wartości dodanej, poprawy procesów pracy, bezpieczeństwa pacjentów, bezpośredniego wykorzystania przez pacjentów, ryzyk prawnych oraz implikacji finansowych. Przed szerszym wdrożeniem aplikacja przechodzi ocenę ochrony danych i ryzyka. Następnie kilku przeszkolonych pracowników służby zdrowia testuje technologię w praktyce.

AI zwiększa dokładność oceny nowotworów

Kevin Groot Lipman, lider wdrożenia AI w Antoni van Leeuwenhoek Hospital i Kaiko, przedstawił konkretny przykład klinicznej AI. Omówił ocenę wyników leczenia pacjentów z mezoteliomem opłucnowym, formą raka, w której guzy rozwijają się wokół płuc. Ze względu na nieregularny kształt tych guzów, trudno jest określić, czy leczenie jest wystarczająco skuteczne przy użyciu tradycyjnych pomiarów. Standardowa ocena obejmuje badanie zmian w średnicy guza. Wzrost o 20 procent może być istotnym progiem w ocenie postępu choroby.

Jednak według Groot Lipmana wybór miejsca pomiaru może prowadzić do różnych wyników. W przytoczonym porównaniu dwóch ekspertów medycznych osiągnęło tę samą ocenę tylko w 53 procentach przypadków. Jego zespół badawczy opracował metodę AI, która nie tylko mierzy poszczególne średnice, ale także określa całkowitą objętość guza. Model analizuje obrazy CT i oznacza piksele, które należą do guza. Według Groot Lipmana AI może wykonać tę segmentację w ciągu minuty, po czym pomiar objętości jest dostępny dla klinicysty w około piętnaście minut.

Aplikacja ilustruje, jak AI może uzupełniać istniejące metody diagnostyczne o bardziej szczegółowe informacje. Czy to podejście prowadzi do lepszych decyzji terapeutycznych i wyników dla pacjentów, musi być ustalone osobno.

Zaangażowanie pracowników służby zdrowia jest kluczowe

Spotkanie poruszyło również organizację AI w szpitalach. Kluczowym punktem jest to, kto decyduje o wdrożeniu aplikacji i kto ponosi odpowiedzialność za ich wykorzystanie. Uczestniczący eksperci podkreślili, że pracownicy służby zdrowia muszą odgrywać centralną rolę w tych decyzjach. Obejmuje to nie tylko lekarzy, ale także pielęgniarki, kodujących medycznych i innych pracowników, którzy pracują z tymi samymi danymi pacjentów.

Wspólna ocena może zapobiec niezależnemu zakupowi aplikacji przez różne działy, które nie są wystarczająco kompatybilne ze sobą. Ponadto kluczowe jest szkolenie. Stickel uważa, że niewystarczające umiejętności AI są jednym z największych wąskich gardeł w wdrożeniu. W jego organizacji pracownicy uzyskują dostęp do aplikacji AI dopiero po ukończeniu odpowiedniego szkolenia. To podejście podkreśla, że cyfrowa transformacja wymaga nie tylko inwestycji w oprogramowanie, ale także rozwijania wiedzy i umiejętności w organizacjach zdrowotnych.

Regulacje i odpowiedzialność

Aspekty prawne klinicznej AI stanowią dodatkowe wyzwanie. Podczas panelu dyskusyjnego podkreślono, że lekarze pozostają odpowiedzialni za swoje decyzje medyczne, nawet przy użyciu AI. Ekspert prawny Thomas Kuster zauważył, że standardy zawodowe mogą się zmieniać, gdy nowa technologia wykazuje lepsze wyniki dla pacjentów. W miarę jak AI staje się częścią powszechnie akceptowanej praktyki medycznej, uważa, że odpowiedzialność dostawców usług zdrowotnych może również się zmieniać. To nie oznacza, że każda nowa aplikacja AI musi być automatycznie stosowana. Wartość kliniczna i bezpieczeństwo muszą być najpierw wystarczająco udowodnione.

Omówiono również relację między ochroną danych a bezpieczeństwem informacji. Według Kustera, surowe wymagania dotyczące prywatności mogą czasami utrudniać wdrażanie technicznie bezpiecznych rozwiązań. Wezwał zatem do szerszej dyskusji na temat równoważenia tych dwóch interesów. Kolejnym punktem zmartwienia jest zależność od dostawców. AI, która jest bezpośrednio zintegrowana z EHR, może być stosunkowo łatwo skalowana, ale jednocześnie może zwiększać zależność szpitali od jednego dostawcy technologii.

Różne doświadczenia z rzeczywistego świata pokazują, że wdrożenie klinicznej AI nie może być ograniczone do samego zakupu nowego oprogramowania. Szpitale muszą podejmować decyzje dotyczące infrastruktury danych, współpracy, szkolenia i odpowiedzialności. W tym kontekście nie liczba wdrożonych aplikacji AI jest decydująca, ale to, czy rzeczywiście przyczyniają się one do lepszej, bezpieczniejszej i skuteczniejszej opieki nad pacjentami.

Źródło: https://www.icthealth.org/news/the-challenges-of-scaling-up-clinical-ai

Źródło: www.icthealth.org

Cyberbezpieczeństwo w medycynie – monitoring SOC · Pakiety ochrony od 990 zł · Bezpłatna konsultacja