Sztuczna inteligencja coraz częściej towarzyszy nam w sprawach zdrowotnych. Możemy zapytać chatbot o znaczenie wyniku badania, poprosić o wyjaśnienie diagnozy albo przygotować listę pytań do lekarza. W badaniu z Stada Poland 26 proc. Polaków deklaruje, że używa AI, by lepiej zrozumieć otrzymaną diagnozę, a 19 proc. – by przygotować się do wizyty.
Łatwo jednak wrzucić pod hasło „AI w medycynie” bardzo różne narzędzia. Tymczasem generatywna AI, z którą pacjent rozmawia, i systemy analizujące dane medyczne w celu wspierania rozpoznania pełnią odmienne funkcje. To rozróżnienie jest ważne, bo płynna, przekonująca odpowiedź chatbota nie oznacza, że system przeprowadził wiarygodną diagnostykę.
Generatywna AI: interfejs do informacji
Generatywna AI tworzy odpowiedzi na podstawie polecenia i informacji, które otrzymała. Może pomóc pacjentowi uporządkować objawy, wyjaśnić medyczne sformułowanie prostszym językiem albo przygotować się do rozmowy ze specjalistą. W tym sensie może działać jako interfejs kontaktu z informacją, ułatwia zadawanie pytań i rozmowę o zdrowiu.
Nie jest to jednak równoznaczne z oceną stanu zdrowia. Chatbot może nie znać pełnej historii choroby, nie uwzględnić ważnych szczegółów albo wygenerować odpowiedź brzmiącą wiarygodnie, lecz błędną. Rozmowa z modelem językowym nie zastępuje badania, analizy dokumentacji ani konsultacji medycznej. Szczególnie ryzykowne jest samodzielne zmienianie dawkowania lub sposobu przyjmowania leków na podstawie odpowiedzi AI, w przytoczonym materiale 8 proc. pacjentów przyznało, że tak zrobiło.
AI predykcyjna: analiza danych wspierająca rozpoznanie
Inne zadanie mają algorytmy tworzone do analizy konkretnych danych medycznych. Mogą przetwarzać na przykład obrazy diagnostyczne, wyniki badań lub inne informacje kliniczne, a następnie wskazywać wzorce, które mogą wymagać uwagi. Takie narzędzie może pomóc lekarzowi szybciej zauważyć potencjalną nieprawidłowość albo oszacować ryzyko określonego zdarzenia.
Warto doprecyzować, że w praktyce określenie „AI predykcyjna” bywa używane szeroko. Nie każdy system wspierający diagnozę przewiduje przyszły stan pacjenta: niektóre przede wszystkim klasyfikują dane lub wykrywają wzorce, na przykład na obrazie. Wspólną cechą takich rozwiązań jest to, że analizują określone dane według zaprojektowanego zadania, a ich wynik może wspierać, lecz nie powinien automatycznie zastępować oceny specjalisty.
Algorytm analizujący obraz radiologiczny może podpowiedzieć lekarzowi, na co zwrócić uwagę, a narzędzie oceniające zmiany skórne może wspomagać decyzję o dalszym postępowaniu. Kluczowe pozostaje jednak to, że wynik interpretuje osoba z przygotowaniem medycznym, która zna kontekst pacjenta i może zdecydować, co zrobić dalej.
Czy pacjenci rozumieją różnicę?
Chatbot może napisać: „na podstawie opisu objawów możliwe są różne przyczyny”. System diagnostyczny może natomiast przeanalizować konkretny obraz lub zestaw wyników i wskazać obszar wymagający weryfikacji. To dwa różne rodzaje działania, nawet jeśli oba opierają się na sztucznej inteligencji i nazywają się sztuczna inteligencja.
Pacjent, który nie odróżnia tych narzędzi, może uznać odpowiedź generatywnego modelu za diagnozę albo potraktować wynik algorytmu jako pewnik. Tymczasem oba rozwiązania mają ograniczenia.
W przypadku modeli językowych problemem będzie wygenerowanie nieprawdziwej informacji nie na danych, lecz na podstawie zgeneralizowanych, powszechnie dostępnych informacji. W systemach analizujących dane medyczne trzeba brać pod uwagę m.in. jakość danych, zakres zastosowania narzędzia i możliwość błędnej oceny. Dlatego wynik AI powinien być osadzony w procesie opieki, a nie funkcjonować jako samodzielne rozstrzygnięcie.
Technologia ma wspierać opiekę, nie udawać lekarza
Z przytoczonego raportu wynika, że pacjenci oczekują przede wszystkim współpracy AI z lekarzami i farmaceutami, a nie zastąpienia specjalistów. To rozsądny kierunek. Generatywna AI może ułatwiać kontakt z informacją i pomagać pacjentowi przygotować się do konsultacji. Narzędzia analityczne mogą wspierać personel w interpretowaniu danych i wskazywać miejsca wymagające dokładniejszej oceny.
Żeby takie zastosowania rzeczywiście pomagały, pacjenci powinni wiedzieć, z jakim narzędziem mają do czynienia i czego mogą od niego oczekiwać. Chatbot nie staje się lekarzem tylko dlatego, że odpowiada naturalnym językiem. Z kolei algorytm wspierający analizę obrazu nie podejmuje samodzielnie całej decyzji klinicznej. Bezpieczna opieka wymaga jasnego podziału ról: AI może dostarczać informacji i wskazówek, a decyzje dotyczące rozpoznania i leczenia powinny pozostawać częścią pracy wykwalifikowanego personelu medycznego.