AI – najważniejszy pomocnik medycyny

CCTV + AI = walka z pandemią

AI świetnie sprawdza się jako komponent, który – jeżeli dodamy go do istniejących już rozwiązań technologicznych – otwiera przed służbą zdrowia zupełnie nowe możliwości. Przykładem może być CCTV (kamery telewizji przemysłowej), który kojarzymy zwykle z ochroną pasywną. Dzięki temu systemowi przeszkolony personel może zauważyć intruza, niebezpieczną sytuację czy zagrożenie pożarowe.

Z kolei automatyczna analiza wideo, jeżeli jest wspierana przez AI i nastawiona na rozpoznawanie ruchu, może wykryć groźny upadek lub nagłe problemy z poruszaniem się chorej osoby czy opiekującego się chorymi personelu medycznego. System oparty o algorytmy rozpoznawania postaci może wyłapywać w strefach wyższego ryzyka osoby, które przebywają w nich bez odpowiednich środków ochronnych czy autoryzacji. „Podrasowane” CCTV może także automatycznie zliczać osoby przebywające w konkretnym pomieszczeniu (w oparciu o normy social distancing) lub wskazywać te, które nie zachowują odpowiedniego dystansu. Takie wykorzystanie technologii znacząco wspiera działania mające na celu walkę z pandemią i minimalizowanie ryzyka zachorowań kolejnych osób.

Wsparcie dla ratownictwa medycznego

Sztuczna inteligencja może być wspierana również w terenie, z dala od pewnego zasilania i stabilnego chłodzenia, które oferują serwerownie – to wszystko dzięki technologii EDGE. Dzięki takim rozwiązaniom, AI wychodzi ze sterylnego otoczenia centrów przetwarzania danych i może działać tam, gdzie szybkość przetwarzania danych jest najbardziej potrzebna do ratowania zdrowia i życia – na przykład w ambulansie. Przykładem wykorzystania AI w medycynie jest testowy system wsparcia ratowników medycznych, które irlandzka służba zdrowia opracowała we współpracy z Dell Technologies.

Jak wyglądał proces wdrożenia? Karetka została najpierw wyposażona w system EDGE, a następnie połączona zdalnie ze szpitalem i oddziałem ratunkowym. Dzięki temu podstawowe badanie, jakim jest na przykład elektrokardiografia, może zostać poddane analizie już w karetce, a system automatycznie wychwytuje ewentualne nieprawidłowości w rytmie serca pacjenta z problemami krążeniowymi. W przypadku wykrycia niebezpiecznego trendu, system powiadamia ratowników o zagrożeniu i jednocześnie przesyła analizę do centrali, dając szpitalowi dodatkowy czas na odpowiednie przygotowanie się na przyjęcie pacjenta. Dodatkowo w karetce znajduje się kamera, której obiektyw skierowany jest na twarz chorego. Program wykorzystujący technologię uczenia maszynowego oraz algorytmy rozpoznawania wyrazu twarzy, jest w stanie już w takim momencie wychwycić pierwsze zmiany mogące świadczyć o wylewie lub innych niebezpiecznych sytuacjach. Szybka informacja o możliwym zagrożeniu wspiera pracę ratowników medycznych i ułatwia niesienie pomocy pacjentowi.

Ten projekt pokazuje siłę i zakres działania rozwiązań typu EDGE, które umożliwiają przetwarzanie informacji już w miejscu ich powstawania i uniezależniają ratowników od transmisji danych do ośrodka przetwarzania. Analiza danych “na miejscu” ma zasadnicze znaczenie dla szybkości udzielenia odpowiedniej pomocy pacjentowi i jest charakterystyczna dla wszystkich rozwiązań EDGE. Ratownicy są wspierani niezależnie od tego, czy znajdują się w zasięgu sieci komórkowej i czy są w stanie przesłać sygnał alarmowy do szpitala.

AI-doktor? Raczej doktor + AI-asystent

Systemy wykorzystujące uczenie maszynowe są doskonałe w rozpoznawaniu obrazu i wychwytywaniu nawet subtelnych różnic. Ta cecha wykorzystywana jest między innymi w systemach diagnostycznych, które analizują zdjęcia rentgenowskie. Odpowiednio „wytrenowana”AI potrafi rozpoznać najpowszechniejsze zmiany chorobowe widoczne na zdjęciu RTG, a jej skuteczność rozpoznania utrzymuje się na podobnym poziomie co lekarza – człowieka.

Czy w takim razie AI może zastąpić nam doktora? Nie do końca. Gdybyśmy chcieli wyprowadzić to rozwiązanie z laboratorium i wprowadzić do powszechnego użycia, to napotkamy na kilka problemów. Po pierwsze, system nie może samodzielnie dokonać diagnozy. Może jedynie dać wskazówkę i wstępnie opisać zdjęcie, natomiast ostateczna decyzja i tak musi oraz powinna być podjęta przez człowieka. Po drugie: odpowiedni stopień wytrenowania AI wymaga olbrzymiej mocy obliczeniowej i analizy dziesiątek tysięcy dobrze zdiagnozowanych przypadków, a to pociąga za sobą konieczność użycia specjalistycznych klastrów obliczeniowych, niedostępnych dla większości ośrodków medycznych.

Sytuacja może się zmienić wraz z rozwojem technologii EDGE i ewolucją algorytmów sztucznej inteligencji. W niedalekiej przyszłości w przychodniach i szpitalach zdjęcia rentgenowskie być może będzie opisywać AI. Podobnie jak w przypadku systemu wspierającego pracę ratowników w karetce, także to rozwiązanie byłoby możliwe dzięki przeniesieniu modelu przygotowanego centralnie (w wyspecjalizowanym ośrodku dysponującym odpowiednimi zasobami mocy obliczeniowej) na dużo mniejsze i prostsze rozwiązania przystosowane do pracy w jednostkach terenowych. W ten sposób w przyszłości AI-asystent będzie mógł być z łatwością wdrażany nawet w małych szpitalach, by wspierać pracę radiologów, aby mogli w tym czasie wykonywać inne obowiązki, np. analizę trudnych przypadków.

Czytanie z… mózgu – technologia z pogranicza fantastyki

Zastosowanie sztucznej inteligencji w medycynie nie kończy się jednak na wykrywaniu śladów udaru czy analizie zdjęć rentgenowskich. Warto przyjrzeć się ciekawemu projektowi poszerzającemu granice możliwości człowieka dzięki technologii, prowadzonemu przez Uniwersytet w Montrealu we współpracy z ośrodkiem badawczym Dell Technologies. Używając jednego z najpotężniejszych superkomputerów świata, naukowcy z obu instytucji starają się stworzyć AI, które potrafi rozpoznać czynność wykonywaną przez człowieka na podstawie… skanów jego mózgu. Ochotnicy biorący udział w eksperymencie wykonują konkretne czynności, a w tym czasie poddawani są skanowaniu MRI. Sztuczna inteligencja analizuje skany i na ich podstawie uczy się rozpoznawać, co robił człowiek. Nie jest to sztuka dla sztuki: AI, która potrafi poprawnie rozpoznać zapis MRI, będzie w stanie szybciej i dokładniej niż człowiek analizować dane medyczne o wysokim stopniu skomplikowania. Z drugiej strony, jeżeli poznamy lepiej mechanizmy działające w biologicznym mózgu, możemy projektować lepsze cyfrowe odpowiedniki. Kanadyjski projekt jest jeszcze na bardzo wczesnym etapie rozwoju, ale doskonale ilustruje to, jak najnowsza technologia może w niedalekiej przyszłości ułatwić pracę lekarzom i ratownikom oraz efektywnie pomagać pacjentom.

Przyszłość w organizacji? Operational AI

Wiemy, że technologia będzie wspierać nas w podejmowaniu nowych wyzwań pojawiających się przed medycyną i ochroną zdrowia. Wdrażanie nowych rozwiązań wiąże się jednak z koniecznością wprowadzania głębokich zmian zarówno w organizacji pracy, jak i w obowiązujących procedurach. Tego typu ewolucja nigdy nie jest prosta, ponieważ dotyka przyzwyczajeń i nawyków ludzkich, których zmiana często budzi niechęć i opór. Tutaj pomóc może konkretne technologiczne rozwiązanie – tzw. „praktyczna sztuczna inteligencja” (Operational AI). Jest to odmiana AI, której zadaniem jest wsparcie przy organizacji procesów biznesowych, np. pracy licznego zespołu specjalistów. Układanie grafiku dyżurów przy uwzględnieniu urlopów i dni wolnych od pracy, wybieranie terminów wizyt, ustawianie harmonogramów zabiegów i operacji czy analiza dostępnych pomieszczeń i innych zasobów – to idealne pole działania dla operational AI. Wydaje się, że takie planowanie nie jest problematyczne, przecież ludzie wykonywali je od zawsze. Po co więc wykorzystywać takie wyrafinowane rozwiązania technologiczne do tak rutynowych zadań? Ponieważ dziś służba zdrowia, począwszy od ośrodków zdrowia, przez szpitale, aż po jednostki badawcze, naprawdę tego potrzebuje. Pojawia się coraz więcej zmiennych, czynników zewnętrznych, rośnie liczba pacjentów i ułożenie tego w sprawną całość staje się coraz bardziej skomplikowane. Ze wsparciem technologii można robić to szybciej, lepiej i efektywniej.

Warto również dodać że AI, jako system zajmujący się organizacją procesów, potrafi trafniej pokierować pacjenta w dalszych krokach leczenia. Sztuczna inteligencja efektywniej i w pełniejszym zakresie wykorzystuje dane zebrane w czasie wstępnego rozpoznania. Na podstawie symptomów opisanych przez pacjenta, będzie w stanie uwzględnić więcej czynników, które mogą człowiekowi zwyczajnie umknąć, zwłaszcza gdy w pracuje w skupieniu przez długie godziny. W przyszłości technologiczne wsparcie procesów w zakładach opieki zdrowotnej przyniesie widoczną optymalizację organizacji pracy, a co za tym idzie, przyspieszy leczenie pacjentów i będzie prowadziło do obniżenia kosztów działania służby zdrowia. Zyskamy na tym wszyscy – zarówno służby medyczne, jak i pacjenci.

autor: Wojciech Janusz, Senior Systems Engineer, CTO Ambassador, Dell Technologies Polska

Zgłoś naruszenie/Błąd