SGcHat AI_2.5 #AI Lab: Modele AI w ochronie zdrowia: sztuczna czy rozszerzona inteligencja?

Sztuczna inteligencja , jeden z najbardziej innowacyjnych i dynamicznie rozwijających się obszarów technologii. Wpływ sztucznej inteligencji na nasze życie staje się coraz bardziej zauważalny. Jest ona nieodłącznym elementem naszej codzienności. W paśmie AI Lab SG Chat rozmawiamy o różnych obszarach, gdzie mają zastosowanie nowoczesne technologie, transformacja cyfrowa i robotyzacja, ze szczególnym uwzględnieniem zagadnień związanych ze sztuczną inteligencją. Zaprasza Karolina Kazoń. Dzień dobry. Nazywam się Daniel Kaszyński. Chciałbym Państwa zaprosić na rozmowę w ramach SGcHat w paśmie AI Lab.

Obsługuje ponad 2,5 miliona pacjentów. Jak państwo jako gigant branżowy patrzycie na rozwiązania sztucznej inteligencji? Jak AI zmienia branżę opieki zdrowotnej? Ale chodzi mi właśnie o perspektywę globalnych trendów. Myślę, że AI obecnie to jeden z najważniejszych trendów napędowych zmian w sektorze ochrony zdrowia. Od diagnostyki, po personalizację leczenia, aż po organizację pracy w szpitalach. Sposób w jaki dbamy o zdrowie pacjentów jest naprawdę redefiniowany w tej chwili. Szacuje się, że globalny rynek w medycynie, jeśli chodzi o AI, w 2021 roku wynosił około 11 miliardów, natomiast do 2023 roku to ma być 187 miliardów.

Więc to naprawdę pokazuje nam skalę tej transformacji. I tutaj, jeśli chodzi o globalne trendy, to oczywiście diagnostyka obrazowa jest zawsze na pierwszym miejscu od kilku lat, dlatego że ona stanowi nieustannie największy odsetek rozwiązań AI, certyfikowanych medycznie w szczególności, które są dostępne na rynku. I to jest z prostego powodu, dlatego że mamy ogromną masę badań obrazowych i opisów i to są dane, które stosunkowo łatwo jest wytrenować przez modele, tak żeby wynajdować poszczególne patologie w zmianach w tych badaniach. I te modele uzyskują bardzo wysoką skuteczność, na tyle wysoką, że są realnym wsparciem lekarza radiologa czy lekarza diagnosty.

Kolejna kwestia to jest telemedycyna i chatboty AI. Telemedycyna w szczególności po wybuchu pandemii nabrała zupełnie innego dużego oblicza i my szczególnie naprawdę na rynku doceniamy tę telemedycynę i jej wymierne korzyści są widoczne. Kolejna kwestia to jest robotyka chirurgiczna typu robot da Vinci. W tej chwili szacuje się, że rocznie jest około 6 milionów operacji wykonywanych przy pomocy tych robotów, więc to jest naprawdę dużo. Kolejna kwestia to automatyzacja procesów AI w administracji medycznej i tutaj zarówno z perspektywy pacjenta, Rozważane są już, są wykonywane streszczenia dokumentacji medycznej czy streszczenia wizyt, ale również automatyzacja procesów back office'owych.

Szczególnie w takiej organizacji jak nasza, bardzo dużo tych danych przetwarzanych, procesów jest bardzo dużo i ta automatyzacja może przynieść realne wsparcie i optymalizację procesów. Kolejna kwestia to personalizowana medycyna. I tutaj dzięki temu, że algorytmy AI analizują dane genetyczne, mogą to robić i mogą analizować historię pacjenta, możemy dostosowywać terapię do indywidualnych potrzeb pacjentów. Także to jest zupełnie inny, nowy wymiar opieki nad pacjentem. Ja bym jeszcze jedną rzecz dopowiedział. Coraz więcej mamy takich zwanych małych urządzeń, czy to są smartwatche, czy też urządzenia do diagnostyki w domu np. z polskich Hygo, z Tetomi czy Biocam.

Tych urządzeń jest coraz więcej. Oczywiście należy pamiętać, że każde z tych urządzeń na rynku medycznym musi przejść tzw. certyfikację medyczną, więc w przypadku medycyny to zajmuje więcej czasu. No powiedzmy zegarek smartwatch Apple'a czy Samsunga to nie jest urządzenie medyczne i przez długi czas pewnie jeszcze jest? Jest. Apple Watch jest urządzeniem, jest wyrobem medycznym. Dodałbym tylko, że tylko w Stanach, nie w Europie. Więc to są takie niuanse, o których warto pamiętać, ale taki Biocam właśnie się stara o takie coś i to jest coś, co wydłuża proces adaptacji tych rozwiązań AI w branży zdrowej. Dlaczego tak się dzieje? Dlatego, że mamy dwa czynniki.

Pierwszym czynnikiem jest prawdopodobieństwo, a drugim skutek. Nawet małe prawdopodobieństwo porażki, ale duży wpływ, to jest trudniej takie rozwiązania AI-owe wdrażać. Przykładek Tesla, gdzie w Europie nią dużo nie pojeździmy, a w Stanach już bardziej. Jasne, kontekst regulacyjny zawsze towarzyszy, albo w szczególności ostatnio towarzyszy właśnie rozwiązaniom sztucznej inteligencji. Zakładam, że faktycznie ta branża opieki zdrowotnej jest tutaj szczególnie wrażliwa na to. No dobrze, to mając już na względzie tą perspektywę globalną wpływu sztucznej inteligencji na branżę, chciałbym, żebyśmy na chwilę zeszli poziom niżej.

Jestem bardzo ciekaw, jak z perspektywy procesowej rozwiązania sztucznej inteligencji transformują państwa organizacje. W jaki sposób AI już dzisiaj wpływa na procesy leczenia, obsługi pacjentów, może inne procesy wewnętrzne? To może tym razem ja spróbuję to rozwinąć. Przede wszystkim nie lubię hasła AI, bo AI to jak każde narzędzie i tutaj w przypadku LUX MED-u my mówimy AI tylko rozumiane jako Augmented Intelligence. Dlaczego ja tak mówię? Bo jak każdy z nas prowadzi samochód, Jeżeli spojrzymy, to co jest w samochodzie? Mam kamerkę cofania, mam automatyczną skrzynię biegów, mam czujniki, mam tempomat itd. My właśnie chcemy zbudować taki świat wzmocnionej inteligencji.

W zależności pewnie od kontekstu branży, od kontekstu zastosowania, będziemy mówili o innym AI. Powiedzieliśmy chwilę o globalnych trendach, o sytuacji tu i teraz, o planach czy właśnie o organizacji podejściu do sztucznej inteligencji. Natomiast uważam, że ciekawym z perspektywy państwa jako dużej organizacji byłoby zdradzenie, podzielenie się z nami pewnymi przemyśleniami, jak państwo widzicie kwestie wyzwań z wdrażaniem tych sztucznej inteligencji. To znaczy, jakie są unikalne, może właśnie unikalne dla branży zdrowotnej albo unikalne dla dużych Organizacji dużych przedsiębiorstw. Wyzwania związane z wdrażaniem sztucznej inteligencji. De facto, co blokuje lub spowalnia wdrażanie tych rozwiązań?

I to jest chyba pierwszy taki moment, gdzie te dane niekoniecznie muszą być aż tak, uporządkowanie tych danych nie musi być aż tak krytyczne. Ale na pewno sprzyja wykorzystaniu tych rozwiązań. Myślę, że i tak i nie, bo to zależy od kontekstu i wykorzystywania tych danych. Też machine learning jest częścią AI i o tym nie zapominajmy i on nigdzie nie odchodzi w przeszłość. Nadal ma się całkiem dobrze i na pewno będzie szeroko wykorzystywany nadal. Jeśli chodzi o obszar automatyzacji procesów, no to tutaj bez uporządkowania, zrozumienia nic nie zrobimy, więc tutaj te dane naprawdę muszą być dobre. Jeśli chodzi o LLM-y, streszczanie historii na przykład medycznej pacjenta, to też myślę, że to już w tej chwili nie jest taka bariera jak była kiedyś, bo rzeczywiście wcześniej bez generatywnej AI nie było to możliwe, teraz już jest.

Nadal ten model... Było możliwe, tylko to człowiek musiał jakby uporządkować tą dokumentację. Człowiek musiałby uporządkować. Tak, ja już myślę bardziej o tym dalszym kroku automatyzacji. Machine learning by się nie zadział, gdyby te dane nie były ustrukturyzowane. Lekarz oceniając stan pacjenta może, to ulubiony przykład Michała, raz zaznaczyć plusik, raz zaznaczyć brak objawów. I to będzie u dwóch różnych lekarzy oznaczało to samo. Bez standaryzacji takich kwestii nie jesteśmy w stanie wykonać tego kroku dalej i zrobić streszczenia. To jest taki jeden z prostych przykładów. I zostawiając to na boku, przechodząc dalej i trochę jest to powiązane z tym naszym wcześniejszym brakiem danych, to jest też dobre zrozumienie biznesu. Bo jeśli chcemy robić AI, no to musimy wiedzieć gdzie, wybrać odpowiedni proces.

Nie każdy proces się do tego nadaje. Proces najpierw powinniśmy w miarę możliwości uprościć, zobaczyć czy nie da się bez AI zrobić, bo ten AI nam się czasami wydaje, że jest plasterkiem na wszystko, tak nie jest. Natomiast on może być bardzo dużym wsparciem w obszarach, które sobie świadomie wybierzemy i będziemy wiedzieli, że one mogą nam wymierne korzyści biznesowe, które sobie wcześniej też oszacujemy, przynieść. Ja to zawsze powtarzam, że jak wdrażamy taką kolejność, to najpierw musimy opisać proces, później musimy go wystandaryzować, zderegulować idealnie, zautomatyzować, a wisienką na torcie będzie dopiero AI, a nie w odwrotnej kolejności. Dobra, jaki jest remedium na pomysł twój na biznes? No AI.

A co jeszcze? No pomoże nam AI. I na wielu konferencjach co drugie słowo to AI, a potem jak się pytamy, ale jak, co, z czym połączyć? To wychodzi ajajaj. To też się mówi, prawda, że jak ktoś ma w ręku młotek, to wszędzie widzi gwoździe. Jak dzisiaj mamy to AI, to wszędzie widzimy możliwość zastosowania, a nie każdy przypadek, jak mówicie, powinien właśnie wykorzystywać to AI. Może właśnie mamy przypadki, w których to jest problem właśnie prosty, logiczny, bez konieczności wykorzystywania bardziej złożonych Samouczących adaptatywnych algorytmów. Ja powiem tak, że AI nam w takim codziennym życiu bardzo pomaga. Pewnie każdy z nas tutaj dzisiaj w jakimś stopniu tego czata, czy innych urządzeń AI-owych, albo nawet nie wiedział, że AI-owych, nie wiem, logując się do telefonu rozpoznało jego twarz.

Używa na co dzień. My tego używamy i nawet nie zdajemy sobie z tego sprawy, ale ja tutaj rzeczywiście dopowiedziałbym do Ani, że to jest tak, że trzeba używać tego z głową, żeby nie szukać wszędzie gwoździ, ale zastanowić się, odpowiedzieć sobie na pytanie na początku, ale co to tak w zasadzie ja chciałbym osiągnąć, jaka jest moja różnica pomiędzy stanem bieżącym a stanem oczekiwanym, a dopiero później wybierać młotek albo wiertarkę. Podsumowując, to nie jest cel sam w sobie. On musi być konsekwencją dobrze bardzo przemyślanej strategii i takiego ułożenia sobie, co dokładnie chcemy zrobić i gdzie ta technologia nam może pomóc. Przechodząc dalej, kolejny czynnik to jest na pewno akceptacja użytkowników, w szczególności lekarzy, dlatego że jak tylko pojawiły się, w zasadzie ta kolejna fala, bo te fale AI już towarzyszą nam od wielu lat, natomiast ta kolejna fala w związku z opublikowaniem czatu GPT, tej wersji pierwszej,

Taka obawa lekarzy, że AI ich zastąpi. W zasadzie bardzo rozdmuchana i może nie do końca komunikowana tak szeroko jak powinna. Celem jest tego, żeby AI był asystentem de facto lekarza i on może istotnie wzmocnić jego kompetencje, przyspieszyć opiekę nad pacjentem, przejąć część czynności administracyjnych, tak naprawdę zostawiając mu więcej czasu na to, żeby z pacjentem odbył rozmowę. A nie odwrotnie, tak? Nigdy ten AI nie będzie w najbliższej przyszłości na pewno. Tak samo jak w samochodach, tak samo jak w samolotach. Jest autopilot, co nie oznacza, że pilotów nadal nie ma, już nie ma, bo jest ich dwóch wręcz. Więc myślę, że to jest dokładnie ten sam kierunek i tutaj bardzo duża jest rola w nas, w ogóle w całej branży, żeby

Studenci sami korzystają. Ale fajnie by było, gdyby to był element nauki, ich edukacji, wspieranie, w jaki sposób oni mogą już teraz tych rozwiązań korzystać, nawiązać partnerstwa z polskimi startupami fantastycznymi, ich jest naprawdę dużo. Wiele z nich już jest wyrobami medycznymi, więc można by było wprowadzić je do szkół wyższych. I lekarze przyszły na rybek, już mógłby być wyposażony w ten olbrzymi oręż i tak naprawdę wchodziłby z dużo większym wachlarzem możliwości opieki nad pacjentem niż w tej chwili. Jest to tak w boju trochę rozpoznawane. To może Jan teraz trochę łyżkę dziegciu do tego łyżki miodu, zło słoika miodu, Ani. Dla mnie jednym z takich kluczowych problemów z wdrożeniem AI w Polsce i uwaga w Europie jest niestety też nasze prawodawstwo, które bardzo ogranicza trenowanie modeli w celach biznesowych.

To wydaje się nie być najlepszy kierunek. To też pokazuje, gdybyśmy spojrzeli na liczbę startupów technologicznych związanych z healthcarem w Europie i w Stanach, to będą zupełnie krańcowo inne liczby. Nawet w Izraelu mamy więcej. Może nie w Europie, ale mamy dużo. Więc zdecydowanie nie jestem faworytem. A ty, Aniu? Niestety zgadzam się z tym smutnym stwierdzeniem i opinią, patrząc jak wyglądają regulacje w Stanach Zjednoczonych, czy w Japonii, czy Chiny, które mają jakieś regulacje, ale robią wszystko co chcą tak naprawdę. Europa wprowadzając AI Act pozostaje niestety daleko w tyle, nakładając na nas duże ograniczenia. No, liczę na to, że jeszcze coś się w tej kwestii zmieni, biorąc pod uwagę sytuację na świecie naszą geopolityczną, że jednak się przebudzimy jako Europa i jeszcze te regulacje ulegną zmiany, natomiast niestety na ten moment wygląda to tak, jak powiedział Michał.

Zgadzam się z tym w zupełności. Czyli przegrywamy na razie wyścig AI. Przegrywamy. No tak. Chociaż mamy fantastycznych specjalistów i to trzeba podkreślić, że naprawdę mamy śmietankę świata w Polsce i szkoda, że ich nie wykorzystujemy potencjału tak, jak byśmy mogli to robić. I oni muszą uciekać za ocean, żeby spełniać... Budować firmę. Tak. No nawet jest takie zdjęcie twórców OpenAI i to warto zobaczyć, że tam na tym zdjęciu jest kilkoro Polaków. Mamy potencjał, trzeba go wykorzystać, dać swobodę i deregulować. Powiedzieliśmy już kilka słów o tym, jakiego rodzaju tematami zajmujecie się Państwo w ramach LUX MED, które są związane ze sztuczną inteligencją.

Ale nikt tego nie chce. Więc kolejność tego sprawdzania tych testów jest bardzo, bardzo ważna. Więc mówię, sprawdźmy atrakcyjność i sprawdźmy, czy naprawdę tego ludzie potrzebują, a dopiero później liczby. Czyli wchodzić do tej rzeki powoli i krokami w dobrej kolejności. Ale pewnie. Ale pewnie. Przede wszystkim wchodzić. I nie zatrzymywać się. Słuchajcie, jeszcze chciałbym jedną kwestię podnieść na zakończenie. Chciałbym Was spytać jako reprezentację dużej firmy, jak właśnie duże organizacje powinny strategicznie podchodzić do AI? W jaki sposób unikać pułapek związanych z AI oraz w jaki sposób rozwijać potencjał tych rozwiązań w dużych organizacjach? To znaczy, jak mądrze wdrażać AI właśnie w dużych organizacjach?

To może ja spróbuję. Pierwsza rzecz, ja bym powiedział, są kilka elementów. Tak jak wspomniał Ania, zaczynajmy od procesów. Druga rzecz, którą uważam, warto przeznaczyć część zasobów, w ogóle ja nie będę mówił tutaj AI, bo AI tutaj jest, tak jak powiedzieliśmy sobie, narzędzie na innowacje, czyli powinien być zawsze jakiś koszyk zasobów, środków finansowych, który przeznaczamy albo na startupy, albo na innowacje, Albo na próbowanie czegoś nowego, albo właśnie na jaj po to, żeby mieć i dać sobie szansę na popełnienie błędu. Dlaczego tak mówię? Bo w wielu korporacjach jest takie podejście, no jak już zdecydowałem się na projekt, to musi się udać. Jaki jest ten tonie alternatywa? Musi się udać, może się bardzo udać. I musimy móc jako każda organizacja przeznaczyć jakieś takie środki na to, na eksperyment.

Zobaczyć, spróbować, żeby tak zwane nie rządziły później nami misie. Co to są misie? Wydaje mi się. Mi się wydaje, że to zadziała, mi się wydaje, że to będzie strategicznie poprawne. Misje są w każdej dziedzinie naszego życia. I to jest właśnie przeznaczyć pieniądze i działać procesowo. I właśnie Ania tutaj, my mamy tzw. u nas komitet AI. Mamy tam wydzielone środki finansowe właśnie na takie rzeczy, gdzie najpierw robimy po co, a jak się zrobi po co, to dopiero robimy business case'a. Przepraszam za te anglicyzmy. Robimy plan finansowy, czy to się zepnie, czy nie, ale w tej kolejności. Czyli musimy sobie pozwolić na porażkę. Czy dopuścić w ogóle, że może się nie każdy projekt powieść. Nawet nie nazywamy tego na naukę, bo to nie, bo porażką tak naprawdę jest coś, to jest nieudany projekt, z którego nie wyciągniemy wniosku.

Czyli mniej artificial, a bardziej augmented intelligence. Tak. Zdecydowanie. Słuchajcie, bardzo wam dziękuję za podzielenie się waszymi przemyśleniami. Dziękuję za rozmowę i do usłyszenia. Dziękujemy bardzo. Dzięki serdeczne. Wysłuchali Państwo kolejnego odcinka SGHat w paśmie AI Lab. Przedstawiliśmy w nim najbardziej aktualne kwestie związane ze sztuczną inteligencją i transformacją cyfrową. Gorąco zachęcam do odsłuchiwania naszych podcastów dotyczących różnych obszarów nowych technologii publikowanych w mediach SGH, a także zamieszczanych na YouTube, Apple Podcast i Spotify.