Technologia

Od teraz AI, robotyzacja oraz big data = służba zdrowia

1 302

Sztuczna inteligencja, robotyzacja czy big data to hasła, które nie pasują nam do polskiej służby zdrowia, a raczej do przeszklonych biur startupów na warszawskim Mordorze. To błąd, bo rozwiązania te mogą niskim kosztem pomóc rozwiązać takie problemy jak kolejki, braki kadrowe czy niedobór pieniędzy. Nowoczesne technologie oparte na przetwarzaniu danych w chmurze pozwolą na znaczne usprawnienia w obszarze opieki zdrowotnej.

Technologie przynoszą oszczędności

Jednym z rozwiązań jakie pozwala wdrożyć chmura obliczeniowa są systemy oparte na sztucznej inteligencji. Jak wynika z raportu firmy Accenture inwestycje w sztuczną inteligencję w sektorze służby zdrowia przekroczą 6,6 miliarda dolarów do 2021 roku[1]. To jednak grosze w porównaniu do oszczędności, jakie mają przynieść. Ten sam raport podaje, że stosowanie sztuczniej inteligencji pomoże pozostawić 150 miliardów dolarów w systemie opieki zdrowotnej do 2026 r. Sposobów, w jaki SI może wesprzeć NFZ jest całe mnóstwo. Począwszy od inteligentnych systemów rezerwacji wizyt lekarskich, które nie tylko zoptymalizują czas pracy lekarza, ale same przewidzą, czy pacjent stawi się w przychodni, na systemach diagnozujących choroby kończąc. Dobrym przykładem zastosowania takiego rozwiązania jest chińska aplikacja telemedyczna Good Doctor[2]. Publiczna służba zdrowia w Kraju Środka często nie jest w stanie dotrzeć do mniej zurbanizowanych regionów. Aplikacja, której abonament wykupiło już ponad 100 mln Chińczyków pozwala bezobsługowo zdiagnozować pacjenta na podstawie deklarowanych objawów, porównując je z bazą 300 mln danych o symptomach chorób. Sztuczna inteligencja przetwarza dzięki chmurze obliczeniowej te dane i decyduje, czy istnieje konieczność konsultacji z lekarzem za pomocą telekonferencji. Aplikacja od niedawna jest dostępna także w formie kiosków znajdujących się w galeriach, na dworcach czy w innych publicznie dostępnych miejscach. Analogiczne rozwiązanie w Polsce mogłoby znacząco skrócić kolejki do lekarza pierwszego kontaktu, który zamiast tracić czas na przepisanie kolejnego leku na katar mógłby skupić się na poważniejszych przypadkach. Accenture szacuje, że sztuczna inteligencja pozwoli zaspokoić w 20% braki w dostępie do służby do zdrowia[3]. To o 20% krótsze kolejki, które dla wielu pacjentów mogą być kwestią życia.

Lepsza diagnostyka

Oszczędności to nie wszystko. Jak wykazały badania sztuczna inteligencja może być także skuteczniejsza od lekarzy w ocenie stanu zdrowia pacjenta. Zespół holenderskich lekarzy opracował algorytm, który analizował materiał z mammografii pacjentek pod kątem zmian mogących być objawem rozwijania się choroby nowotworowej[4]. Metoda opierająca się na mechanizmie deep learning okazała się skuteczniejsza w diagnozowaniu niż panel składający się z 11 doświadczonych lekarzy. Zastosowanie takiej technologii mogłoby oznaczać, że kobiety byłyby diagnozowane szybciej, taniej i skuteczniej, a w efekcie unikałyby długotrwałego i kosztownego leczenia. Tego typu rozwiązanie to także odpowiedź na niewystarczającą liczbę radiologów, których ocena wyników badania jest podstawą do wdrożenia leczenia.

Efektywne wykorzystanie danych

Szpitale to miejsca, które są pełne danych. Im ich więcej tym silniejszy potencjał SI na nich opartej. Gromadzone latami historie choroby pacjentów to niesamowity zasób dla sztucznej inteligencji, który mógłby znacząco odciążyć placówki służby zdrowia przy wydawaniu diagnoz. Dane o odwiedzinach pacjentów mogą odciążyć personel administracyjny. Informacje o potrzebach i preferencjach pacjentów pozwalają optymalizować jadłospis. By jednak wykorzystać to potrzebna jest skoordynowana cyfryzacja. Trudno wymagać jednak od szpitala by inwestował w kosztowną infrastrukturę, w sytuacji gdy brakuje środków na podstawowe procedury medyczne. Optymalnym rozwiązaniem dla systemu ochrony zdrowia jest migracja danych do chmury obliczeniowej. Pozwoli to Dzięki systemowemu rozwiązaniu zbierania, przechowywania i przetwarzania danych służba zdrowia zyskuje możliwość wykorzystania narzędzi sztucznej inteligencji do optymalizacji procesów. W efekcie może przełożyć się to na redukcję kosztów i czasu pracowników. Przykładem korzyści z takiego rozwiązania jest włoski region Lombardia, który postanowił oprzeć swoją infrastrukturę opieki zdrowotnej na rozwiązaniach chmurowych Aruba Cloud. Dzięki temu 49 szpitali i placówek leczniczych zintegrowało swoje zasoby informatyczne, co z kolei pozwoliło zewnętrznym dostawcom oprogramowania na łatwiejsze i tańsze projektowanie rozwiązań, które wszystkie jednostki mogą wdrożyć u siebie. W efekcie przykładowo lekarze mogą mieć natychmiastowy dostęp wszystkich danych pacjenta. Przechowywanie danych w chmurze to także gwarancja bezpieczeństwa, co jest szczególnie ważne w przypadku danych medycznych. Zabezpieczenia centrum danych gwarantują, że nie dostaną się one w niepowołane ręce. Dodatkowo placówki medyczne gwarantują w ten sposób zgodność ich przechowywania z obowiązującym prawem, w tym RODO.

Zdaniem firmy analitycznej Gartner w samych tylko USA dzięki SI i digitalizacji służby zdrowia uda się zmniejszyć liczbę przyjęć do szpitali o 20 milionów. W Polsce, której służba zdrowia dramatycznie potrzebuje systemowej zmiany radykalna digitalizacja może oznaczać ratunek dla tysięcy pacjentów.



Wypowiedzi udziela: Marcin Zmaczyński, Head of Marketing CEE w Aruba Cloud



  • [1] https://www.accenture.com/us-en/insight-artificial-intelligence-healthcare
  • [2] https://www.polska2041.pl/spoleczenstwo/news-cyfryzacja-moze-rozwiazac-bolaczki-sluzby-zdrowia,nId,3016384
  • [3] https://www.accenture.com/t20171215t032059z__w__/us-en/_acnmedia/pdf-49/accenture-health-artificial-intelligence.pdf
  • [4] https://jamanetwork.com/journals/jama/fullarticle/2665774

itbc