W instytucjach unijnych trwają prace nad stworzeniem ram dla europejskiej przestrzeni danych zdrowotnych. Ma to być jednym z filarów budowania Europejskiej Unii Zdrowia. Wspólna przestrzeń informacyjna ma ułatwić leczenie osób przewlekle chorych, kiedy na przykład przeprowadzą się do innego kraju Wspólnoty. Dane miałyby też posłużyć jako narzędzie do nauki dla algorytmów, na których bazują inteligentne systemy diagnozowania. Już dziś takie aplikacje wspomagają pracę lekarzy i ograniczają konieczność stosowania inwazyjnych technik diagnostycznych.
– European Healthcare Data Space przede wszystkim pokazuje pewne myślenie o jednolitym rynku danych medycznych i możliwościach przesyłu tych danych pomiędzy krajami oraz wyposażenia pacjenta w narzędzia, które pomogą mu tę wystandaryzowaną dokumentację medyczną przemieszczać między jednym krajem a drugim – mówi agencji Newseria Innowacje Ligia Kornowska, dyrektor zarządzająca Polskiej Federacji Szpitali, liderka Koalicji AI w Zdrowiu.
Europejska przestrzeń danych dotyczących zdrowia (EHDS) została zainaugurowana przez Komisję Europejską w maju br. Ma to być podstawa budowania cyfrowej opieki zdrowotnej w UE. Główny cel tej inicjatywy to ułatwienie pacjentom dostępu do danych w formie elektronicznej – dzięki temu będą mogli je udostępniać w razie potrzeby pracownikom służby zdrowia w innych państwach członkowskich. Ma to tego służyć rozwijana infrastruktura cyfrowa MyHealth@EU.
Dane medyczne mogłyby jednak być wykorzystywane wtórnie dla celów badawczo-rozwojowych – badań naukowych, prac nad innowacjami, kształtowania polityk zdrowia publicznego. Zgodę na taki dostęp będzie wyrażać organ nadzorujący, który zostanie utworzony w każdym z państw członkowskich. Dane medyczne mogłyby służyć również jako baza do uczenia maszynowego. Dzięki temu aplikacje wykorzystujące sztuczną inteligencję w diagnozowaniu mogłyby działać jeszcze sprawniej.
– Bez danych medycznych nie ma nowoczesnej medycyny. Sztuczna inteligencja w medycynie to w zasadzie algorytm matematyczny, który potrzebuje danych medycznych, na których się uczy. Za pomocą danych medycznych jest nam w stanie pokazać pewne odpowiedzi czy sugerować diagnozę. To jest absolutnie kluczowe, żeby zapewnić ten dostęp dla rozwoju projektów badawczo-rozwojowych – wskazuje Ligia Kornowska.
Według Verified Market Research światowy rynek sztucznej inteligencji w procesie diagnozowania medycznego był w 2021 roku wyceniany na ponad 708 mln dol. Do 2030 roku przychody tego rynku zbliżą się do 10 mld dol. Średnioroczne tempo wzrostu utrzyma się na poziomie niemal 34 proc. Zdaniem autorów raportu w najbliższych latach wzrośnie skuteczność algorytmów w identyfikacji chorób. Czynnikiem napędzającym wzrost będzie popularyzacja diagnostyki opartej na sztucznej inteligencji w krajach rozwiniętych.
– Już teraz jeden algorytm potrafi zmniejszyć liczbę fałszywie ujemnych wyników w mammografii piersi o 9 proc. To potencjalnie oznacza kilkaset tysięcy uratowanych żyć czy żyć w zdrowiu. Mówimy tu tylko o jednym algorytmie, a tych w 2020 roku było ponad 450. Może być też tak, że algorytmy będą diagnozować w sposób, który jest obecnie nieosiągalny dla człowieka. Na przykład na podstawie badań nieinwazyjnych, jak np. badanie EKG, będą nam w stanie powiedzieć, czy pacjent ma niedokrwistość, co dotychczas nie było możliwe bez badania krwi – dodaje liderka Koalicji AI w Zdrowiu. – Oczywiście to wymaga kolejnych badań nad tą technologią, natomiast pokazuje również, jak bardzo rewolucyjne może być wykorzystanie sztucznej inteligencji w medycynie.
Naukowcy z Okayama University opracowali system sztucznej inteligencji pomagający lekarzom lepiej identyfikować potencjalnie nowotworowe zmiany w jelicie grubym u pacjentów z nieswoistymi zapaleniami jelit (IBD). Osoby z IBD mają zwiększone ryzyko rozwoju nowotworów, jednak przewlekle toczący się w jelicie stan zapalny uniemożliwia obserwację potencjalnych zmian rakowych podczas badania endoskopowego. Dotychczas jedynym rozwiązaniem była inwazyjna i ryzykowna biopsja. Zespół z Okayama University przeszkolił system sztucznej inteligencji przy użyciu 862 obrazów endoskopowych 99 zmian nowotworowych u osób z IBD. Po porównaniu diagnostyki AI i ekspertów okazało się, że system miał zdolność diagnostyczną na poziomie 74 proc.
System BrainScan.ai, stworzony przez jedną ze spółek należących do Koalicji AI w zdrowiu, wykorzystuje sztuczną inteligencję do automatycznego wykrywania 14 klas patologii w tomografii komputerowej mózgu. Z kolei stworzone przez Nivalit systemy Hybrid Intelligence wspierają predykcję zaostrzeń chorób obturacyjnych takich jak astma czy POChP. System Vivelio, oparty na tej samej technologii Graph AI, służy do oceny ryzyka samobójstwa.
Raport Polskiej Federacji Szpitali i Młodych Menedżerów Medycyny „2021 Top Disruptors in Healthcare. Przegląd innowacyjnych startupów medycznych w Polsce” wskazuje, że 45 proc. badanych start-upów (52 firmy) wskazuje AI/machine learning jako swój obszar działania. Rok wcześniej było ich znacznie mniej – 22. Jest to również dominujący obszar działalności start-upów, które wskazały, że znajdują się na etapie komercjalizacji, choć znikoma ich liczba skaluje już gotowe rozwiązanie (zaledwie dwa). Dane te świadczą o dynamicznym wzroście zainteresowania sztuczną inteligencją w zdrowiu.
Wykorzystanie danych i AI w medycynie było tematem debat w ramach Thursday Gathering, cyklicznych spotkań społeczności innowatorów. Odbywają się one w każdy czwartek od 17 w warszawskim Varso przy ulicy Chmielnej. Organizatorem eventów jest Fundacja Venture Café Warsaw.
