Jakub Jałowiczor: Przeciętnemu człowiekowi hasło „sztuczna inteligencja w medycynie” skojarzyłoby się z takim obrazkiem: chory siada w maszynie, która w sekundę go diagnozuje i od razu ze wszystkiego leczy. Jak to się ma do rzeczywistości?

Barbara Klaudel: W rzeczywistości wygląda to bardziej przyziemnie. Sztuczna inteligencja oznacza po prostu automatyczną formę podejmowania decyzji. W tej chwili narzędzia wykonują konkretną czynność, np. analizują testy diagnostyczne. Algorytmy mają dość wąskie zastosowanie i z tym radzą sobie bardzo dobrze. Jest np. algorytm, który rozpoznaje wyłącznie złośliwość guza nerki na podstawie obrazu tomografii komputerowej.

Nie ma urządzeń, które by szerzej analizowały stan zdrowia człowieka?

Algorytm ma jedno konkretne zadanie, którego uczono go na podstawie wielu przykładów. Nie ma takiej uniwersalności jak lekarz. Zadaniem algorytmu może być wykrywanie kilku różnych jednostek chorobowych, ale to wciąż ściśle określone zadanie. Algorytm powinien też mieć przebadany zakres zastosowania – chodzi o przypadki, z którymi radzi sobie świetnie, i takie, w których należy powtórzyć badanie albo nie poddawać ich decyzjom algorytmów.

Czyli na podstawie pracy sztucznej inteligencji decyzję ciągle podejmuje człowiek?

W zeszłym roku dopuszczono w Unii Europejskiej do użytku model, który dostaje zdjęcie rentgenowskie klatki piersiowej i ma tylko określić, czy pacjent jest zdrowy czy chory. Jeśli mówi, że jest zdrowy, to zdjęcie nie jest przekazywane dalej. Jeśli uzna, że jest chory, to zdjęcie trafia do dalszej diagnozy. W ten sposób chcielibyśmy wyeliminować oczywiste przypadki, żeby specjalista mógł się pochylić tylko nad tymi, które faktycznie wymagają jego uwagi.

Mówimy o urządzeniach analizujących zdjęcia i porównujących je ze stanem właściwym, którego wcześniej się nauczyły.To coś podobnego do wyszukiwania obrazem?

Algorytmy są bardzo różne. Mogą bazować na obrazie, mogą na dźwięku czy na parametrach, na przykład z badania krwi. Na podstawie tych danych możemy stawiać diagnozę, ale są też modele, które prognozują na przyszłość. Na podstawie pojedynczego zapisu EKG potrafią z dużym prawdopodobieństwem przewidzieć, u kogo w ciągu miesiąca wystąpi napad arytmii – migotania przedsionków.

To już więcej niż tylko analiza zdjęcia.

Tutaj mamy element decyzji, ale to nie jest tak głęboka analiza jak ta, którą przeprowadza człowiek.

Zatem perspektywa, w której lekarz czy technik medyczny nie jest potrzebny, to daleka przyszłość?

Daleka, choć niektórzy mówią, że lekarze korzystający z AI zastąpią tych, którzy z niej nie korzystają.

Czy medycyna to dziedzina, w której AI ma szczególny potencjał?

Rozwój AI w medycynie ma szanse zminimalizować obecne problemy z brakiem specjalistów, bo może pomóc odciążyć lekarza w niektórych czynnościach. Na przykład może wykonać niektóre analizy, a wtedy lekarz będzie miał więcej czasu dla pacjenta.

Jak często można w Polsce zetknąć się z algorytmami w szpitalach?

Nie jest to zbyt częste, ale co roku liczba miejsc, gdzie są wykorzystywane, w zasadzie się podwaja. Na rynku europejskim mamy 500 aplikacji, które wykorzystują AI w medycynie.

Gdzie wśród twórców AI znajduje się Polska? Nasze firmy mogą się ścigać z gigantami z USA?

Mamy około setki polskich start-upów, które wykorzystują AI w medycynie. Przodującymi firmami są giganci, jak Open AI i Google, którzy mają zasoby, jakich my nie mamy. Sądzę jednak, że mamy dużo do zaoferowania i spotykamy się raczej z dużą otwartością lekarzy.

Czyli środowisko medyczne nie obawia się utraty pracy przez to, że ludzie zamiast do lekarza, będą chodzili do chatbota?

(śmiech) Takiego ryzyka nie ma.

Jak to się stało, że zainteresowała się Pani tą dziedziną?

Moi rodzice są lekarzami, więc zawsze byłam blisko medycyny i wyniosłam z domu przekonanie, że przez pracę trzeba komuś pomagać, a nie tylko podnosić akcje firmy. Miałam jednak predyspozycje techniczne, więc poszłam na politechnikę. Sztuczną inteligencją zainteresowałam się w liceum. Zaciekawiła mnie, bo inspiracją jest człowiek i jego proces myślenia – choć dziś widać, że AI działa inaczej niż człowiek podejmujący decyzje. Programowanie wydało mi się ciekawe dlatego, że można się go nauczyć samemu w domu. Nie potrzeba na przykład drogich odczynników chemicznych, a w internecie jest dużo materiałów i dostępne za darmo narzędzia, za których pomocą można wytrenować samemu model AI.

No ale mówimy o czymś, do czego potrzeba dwóch wąskich specjalizacji jednocześnie – programowania i medycyny.

W tworzeniu algorytmów bardzo ważna jest ścisła współpraca między sztabami technicznym i medycznym. Mówi się, że w przyszłości będzie potrzebny zawód tłumacza ze świata techniki na świat medyczny i odwrotnie. Lekarz jest potrzebny na każdym kroku procesu: kiedy ustalamy, jaki problem rozwiązujemy, i kiedy oceniamy algorytm. Lekarz może rozumieć, dlaczego model podjął taką, a nie inną decyzję.

Jak to wygląda w praktyce? Kilku programistów pracuje z lekarzem, który ma 5 tys. zdjęć rentgenowskich? Takie dane są w ogóle dostępne?

Nie od ręki. Jestem współzałożycielką grupy badawczej TheLion.AI, która działa na Politechnice Gdańskiej, i w jej ramach współpracujemy z różnymi szpitalami. Pozyskanie danych ze szpitala regulują konkretne umowy. Jako Politechnika Gdańska mamy też umowy z uczelniami medycznymi. Poza tym szpitale czasem same poszukują programistów do rozwiązania konkretnych problemów.

Istnieje jakaś światowa baza danych?

Mamy coraz więcej baz danych udostępnianych za darmo na potrzeby uczenia maszynowego. Olbrzymia baza Cancer Imaging Archive zawiera zdjęcia medyczne sparowane z diagnozami dla różnych nowotworów. Powstaje też baza obrazów medycznych z kilku części ciała w ramach grantu, w którym bierze udział Gdański Uniwersytet Medyczny. Dane dla AI muszą być odpowiednio opracowane – połączone z właściwą diagnozą, określony obszar musi być zaznaczony. Potrzeba doświadczenia lekarza, żeby to ocenić.

W takim razie zanim dane trafią do bazy, ktoś musi każde zdjęcie obejrzeć i stwierdzić, czy na pewno nerka jest zaznaczona tam, gdzie trzeba?

Tak, w momencie przygotowania zbioru ktoś to musi ręcznie zrobić.

Czyli do opracowania urządzenia automatyzującego pracę potrzeba mnóstwo benedyktyńskiej ręcznej roboty.

To zależy od problemu. Czasem da się dane sparować automatycznie, ale proces przygotowania danych niekiedy zajmuje więcej czasu niż nauczenie modelu.

Analiza danych graficznych jest najłatwiejsza?

To zależy od problemu. Mówię o obrazach, bo sama często na nich pracuję. A wykorzystać można dowolny typ danych, w tym film, notatkę, dźwięk, kilka rzeczy naraz.

Wywiad medyczny też? Ludzie różnie opisują swoje objawy.

Mamy w miarę podobny rodzaj informacji zapisanych w różny sposób. W grupie badawczej pracowaliśmy nad narzędziem, które z opisu radiologicznego wyciąga najważniejsze informacje, żeby były przejrzyste dla pacjenta. Informacje tekstowe nie są tak proste jak tabelka z hasłami „jest” i „nie ma”. AI jednak, analizując wiele opisów, jest w stanie wyciągnąć kluczowe informacje.

Kto odpowiada za decyzje podjęte przez AI? Lekarz może powiedzieć, że algorytm go zmylił.

Lekarz podejmuje decyzję. Gdyby algorytm zadziałał źle, a lekarz nie był tego świadomy, to sądzę, że byłby w stanie się wybronić. Jesteśmy w momencie, kiedy podejmowana jest dyskusja o odpowiedzialności. W tej chwili odpowiada lekarz, ale może to być bardziej dopasowane do rzeczywistości.

Kiedy możemy się spodziewać, że AI będzie tak popularna jak dziś np. ultrasonograf? To lata, dziesięciolecia?

Optymistycznie myślę, że raczej lata, ale bardzo trudno to przewidzieć. •

Barbara Klaudel

programistka, współtwórczyni algorytmów stosowanych w polskich szpitalach. W 2022 r. razem z Aleksandrem Obuchowskim znalazła się w finale konkursu „25 under 25” organizowanego przez magazyn „Forbes” i firmę McKinsey.