Guru okulistycznej sztucznej inteligencji – Prof. Andrzej Grzybowski, Prof. Linda Zangwill, Prof. Michael F. Chiang, Prof. Damien Gatinel, Dr. Paisan Ruamviboonsuk i Prof. Michael D. Abràmoff – zastanawiają się, gdzie i jak technologia może pomóc w zapewnieniu najwyższej jakości diagnostyki chorób oczu.
Zagrożenia i potencjalne problemy urządzeń medycznych AI
Andrzej Grzybowski, profesor okulistyki i kierownik Katedry Okulistyki Uniwersytetu Warmińsko-Mazurskiego w Olsztynie oraz kierownik Instytutu Badań Okulistycznych Fundacji Wspierania Rozwoju Okulistyki w Poznaniu
Ostatnio zaobserwowaliśmy znaczny rozwój wielu technologii i aplikacji związanych ze sztuczną inteligencją (AI, artificial intelligence), a obietnice sztucznej inteligencji w opiece zdrowotnej są bardzo entuzjastyczne. Obejmują one m.in. poprawę wyników leczenia pacjentów, ułatwienie pracy zespołów medycznych, a także obniżenie kosztów dzięki unikaniu błędów i niepotrzebnych procedur. Wkroczyliśmy w czwartą fazę rewolucji przemysłowej, a sztuczna inteligencja jest jej najważniejszym elementem. Ambitne oczekiwania wobec sztucznej inteligencji w opiece zdrowotnej obejmują osiąganie lepszych wyników wśród lekarzy, pomoc w diagnozowaniu tego, czego obecnie nie da się zdiagnozować, pomoc w leczeniu tego, co obecnie nieuleczalne, przewidywanie nieprzewidywalnego i klasyfikowanie tego, co niesklasyfikowane. Sztuczna inteligencja może pomóc zachować relację lekarz-pacjent i przenieść ją z obecnej „płytkiej medycyny” w „głęboką medycynę” opartą na głębokiej empatii i relacji lekarz-pacjent. Obecnie średni czas wizyty w przychodni w USA dla ustalonego pacjenta wynosi 7 minut, a dla nowego pacjenta – 12 minut, a w wielu krajach azjatyckich wynosi on do 2 minut na pacjenta. Co gorsza, część tego czasu trzeba poświęcić na wypełnienie elektronicznej dokumentacji medycznej.
„Medycyna głęboka” (chodzi tu o nawiązanie do tzw. głębokich sieci neuronalnych oraz głębokiego uczenia) oparta na sztucznej inteligencji może dać nam więcej czasu na kluczowe relacje z naszymi pacjentami – a tych nie da się zastąpić technologią. Wykazano, że technologie oparte na sztucznej inteligencji wykorzystujące podejście głębokiego uczenia (DL) wspierają decyzje w wielu specjalnościach medycznych, w tym radiologii, kardiologii, onkologii, dermatologii i okulistyce. Wykazano, że modele AI/DL skracają czas oczekiwania na leczenie, poprawiają przestrzeganie przez pacjentów stosowanie leków, pomagały lepiej dostosowywać dawki insuliny i interpretować obrazy rezonansu magnetycznego. Wykazano, że algorytmy AI/DL wykrywają stany chorobowe na podstawie analizy obrazu, w tym choroby siatkówki na podstawie zdjęć dna oka i skanów OCT, choroby płuc na podstawie radiogramów klatki piersiowej oraz choroby skóry na podstawie zdjęć skóry. Dwa autonomiczne urządzenia medyczne oparte na sztucznej inteligencji do wykrywania retinopatii cukrzycowej zarejestrowane są w USA, a kilka innych jest dostępnych w Unii Europejskiej. Algorytmy sztucznej inteligencji są wykorzystywane do badań przesiewowych retinopatii cukrzycowej w wielu częściach świata.
W Polsce opracowałem i rozpocząłem projekt badań przesiewowych retinopatii cukrzycowej w oparciu o sztuczną inteligencję w 2017 roku, a od 2018 roku mój zespół prowadzi duży projekt, którego celem jest przebadanie ponad 40 000 pacjentów z cukrzycą w Wielkopolsce, finansowany przez UE. Nowym i bardzo obiecującym zastosowaniem jest wykorzystanie obrazów oka do identyfikacji ryzyka chorób sercowo-naczyniowych lub neurodegeneracyjnych.
Jednak mówiąc o rosnącym entuzjazmie i perspektywach związanych ze sztuczną inteligencją w okulistyce, musimy również wspomnieć o rosnących problemach, które należy rozwiązać, zanim urządzenia medyczne oparte na sztucznej inteligencji zostaną wprowadzone do praktyki klinicznej. Jednym z głównych problemów jest brak jasności, co stanowi dowód wpływu i możliwych do wykazania korzyści dla wielu wyrobów medycznych wykorzystujących sztuczną inteligencję oraz kto może ocenić dowody tych korzyści.
Przyszły rozwój dziedziny AI zależy od łatwiejszego – a najlepiej nieograniczonego – dostępu do danych medycznych przechowywanych w elektronicznej dokumentacji medycznej. Dostęp ten nie może jednak stanowić nadużycia prywatności tych bardzo wrażliwych danych. Według amerykańskiego Narodowego Instytutu Standardów i Technologii dane biometryczne, w tym obrazy siatkówki, są informacjami umożliwiającymi identyfikację osoby i powinny być chronione przed nieodpowiednim dostępem. Chociaż wykazano, że obecne modele sztucznej inteligencji diagnozują i oceniają niektóre choroby oczu na podstawie obrazów, w tym zdjęć dna oka, OCT i danych z pola widzenia, większość algorytmów sztucznej inteligencji została przetestowana na zbiorze danych, który nie odpowiada dobrze warunkom rzeczywistym. Populacje pacjentów były zazwyczaj jednorodne pod względem pochodzenia etnicznego, wieku, braku chorób współistniejących i niskiej jakości obrazów. Ponadto wykazano, że niektóre algorytmy błędnie przedstawiają i nasilają problemy zdrowotne w grupach mniejszościowych. Przyszłe zbiory danych powinny lepiej opisywać, kto jest reprezentowany i w jaki sposób, aby uniknąć błędów strukturalnych (patrz jedna z ostatnich inicjatyw na www.datadiversity.org).
