„Sztuczna inteligencja coraz śmielej wkracza w obszar medycyny”, „rewolucja w diagnozowaniu i leczeniu”, „przełom AI w medycynie przyspiesza i nic jej nie powstrzyma” – sztuczna inteligencja w medycynie ma zrewolucjonizować diagnozowane, przyczynić się do powstawania nowych leków. Czy AI już działa w medycynie?
Dr hab. Tomasz K. Wojdacz, honorowy profesor medycyny spersonalizowanej na Uniwersytecie w Aarhus w Danii, kierownik Samodzielnej Pracowni Epigenetyki Klinicznej Pomorskiego Uniwersytetu Medycznego w Szczecinie: Oczywiście, już jest obecna, choć tylko w pojedynczych aplikacjach. Najczęściej jest wykorzystywana do analizy danych radiologicznych.
Czyli rentgen, rezonans magnetyczny?
Tak, i szeroko pojęte badania obrazowe. Ponad, 70 proc. zarejestrowanych w 2024 r. przez amerykańską agencję FDA (Food and Drug Administration) aplikacji sztucznej inteligencji w diagnostyce medycznej dotyczy radiologii.
Ile tych aplikacji już faktycznie działa? I czy faktycznie są pomocne?
Tak są pomocne i już pomagają, choć głównie radiologom. One jednak same nie diagnozują i nie będą diagnozować. Podpowiadają lekarzowi, co jest na zdjęciach, dzięki czemu proces diagnostyczny staje się coraz szybszy.
A ile ich jest? Wcale nie jest tak prosto podać tę liczbę, bo ona cały czas się zmienia. W Stanach istnieje baza aplikacji, które są zarejestrowane przez FDA: gdy dziś sprawdziłem, było ich tam troszkę ponad tysiąc.
W Europie system jest bardziej rozproszony, podobna baza jest dopiero tworzona. W Stanach procesem rejestracji zajmuje się FDA, podobnie jak w przypadku leków. Dopiero gdy aplikacja otrzyma rejestrację, można jej używać w praktyce klinicznej. Aplikacje AI są natomiast bardzo szeroko wykorzystywane w badaniach naukowych. Publikacje, które mówią o fantastycznych osiągnięciach sztucznej inteligencji, w większości przypadków są publikacjami naukowymi. Jednak wyniki badań naukowych nie są wystarczające do rejestracji. Zanim narzędzie AI zostanie zarejestrowane, musi zostać przebadane w próbie klinicznej.
Czyli na dużej grupie pacjentów – podobnie jak leki?
W zależności od tego, czego dotyczy konkretna aplikacja, to może być od kilkudziesięciu osób w chorobach rzadkich do dziesiątek tysięcy i więcej.
Mamy wiele aplikacji wykorzystujących sztuczną inteligencję w medycynie, ale dotyczy to badań naukowych. Z 521 zarejestrowanych w latach 2016-2022 przez FDA tego typu aplikacji, ponad połowa z nich nie była testowana w rzeczywistym życiu. I tu wielu osobom zapaliła się czerwona lampka, bo dopuszczono do stosowania aplikacje, które nigdy nie były testowane w rzeczywistej praktyce klinicznej.
Spośród tych zarejestrowanych najwięcej dotyczy radiologii i są już stosowane. Ale w Polsce chyba nie są jeszcze stosowane, skoro tak długo czekamy na opisy RTG czy rezonansu magnetycznego…
To nie jest tak. Sztuczna inteligencja weszła już do radiologii, podpowiada w interpretacji badań radiologicznych. Nie oznacza to jednak, że zastąpi lekarza. Często słyszymy, że wejście sztucznej inteligencji do diagnostyki zasadniczo przyspieszy diagnozowanie, które normalnie trwa tygodniami.
A nie przyspieszy?
Nie zawsze, ponieważ do diagnozowania wciąż potrzebny jest lekarz. Mamy wąskie gardło małej liczby profesjonalistów medycznych, którzy są konieczni w procesie użycia AI w diagnostyce i praktyce klinicznej. Jest za mało lekarzy, a AI samo nie może diagnozować. Już skracamy czas diagnozy, ale jeszcze go nie rewolucjonizujemy.
Dodatkowo – lekarz musi ufać technologii. Jeśli nie ufa, to będzie taki sam czas spędzał nad badaniem pacjenta, niezależnie od tego, czy dostanie podpowiedź AI, czy nie.
Analiza zdjęć RTG czy rezonansu magnetycznego wydaje się jednak prosta. Liczymy, że sztuczna inteligencja pomoże nam na przykład w doborze leczenia.
Czyli w medycynie personalizowanej, którą ja się zajmuję. Obecnie jesteśmy w stanie generować gigabajty danych, dowiadujemy się o pacjencie niemalże wszystkiego. Te gigabajty danych to miliony pomiarów biomarkerów genetycznych, epigenetycznych czy metabolicznych. I mając te dane, próbujemy zdiagnozować, co tej osobie dolega i stwierdzić, jak ją leczyć. Liczba danych, które możemy wygenerować dla konkretnego pacjenta, jest poza zdolnością poznawczą człowieka. Dlatego sztuczna inteligencje jest konieczna.
Inaczej mówiąc, medycyna personalizowana jest oparta na biomarkerach; na tym, jak wygląda DNA i jak ono się zmienia, jak zmienia się proces czytania informacji zapisanej w DNA pod wpływem tego, jaki styl życia prowadzimy: to przedmiot zainteresowań epigenetyki, którą ja się zajmuję. Dlatego medycyna personalizowana jest inna od klasycznej medycyny. Nikt nie ma już wątpliwości, że przyszłością medycyny jest medycyna personalizowana.
Każdy pacjent jest inny i nawet na prosty lek może zareagować inaczej. W zasadniczej większości przypadków, nie wiemy dlaczego tak jest – na to pytanie może nam odpowiedzieć medycyna personalizowana. To bezpośrednio przełoży się na oszczędności w systemie zdrowotnym. Nie ma sensu leczyć wszystkich tym samym lekiem, szczególnie jeśli on jest bardzo drogi.
Moja praca naukowa nie byłaby dziś możliwa bez zastosowania sztucznej inteligencji. Niemniej jednak jesteśmy jeszcze na początku drogi do rewolucji AI w medycynie spersonizowanej, która na diagnostyce się opiera. W medycynie personalizowanej widzę ogromny potencjał dla AI, musimy jednak jeszcze zrobić wiele badań naukowych, zanim AI stanie się rewolucją w diagnostyce medycznej.
W czym już dziś w Pana badaniach pomaga AI?
Jak już wspomniałem ja zajmuję się epigenetyką, która bada, jak zmienia się ekspresja naszych genów pod wpływem środowiska, na przykład naszego stylu życia. Urodziliśmy się z jednym zestawem genów, których działanie jednak zmienia się pod wpływem środowiska. Nie zmienia się ich sekwencja, bardzo rzadko zachodzą mutacje, ale zmienia się sposób działania genów – a rządzą tym procesem mechanizmy epigenetyczne.
Przykład: mamy komórkę raka. Badamy, co się w niej zmieniło w czasie, gdy ze zdrowej komórki przekształciła się ona komórkę nowotworową, gdzie zaszły zmiany genetyczne i epigenetyczne, które „zepsuły” tą komórkę. W jednym stosunkowo prostym badaniu dowiadujemy się o zmianach, które zaszły w milionach miejsc w DNA komórki nowotworowej. Na podstawie tych danych próbujemy przewidzieć, jak pacjent będzie odpowiadał na leczenie, jak w ogóle powinniśmy go leczyć.
Jeśli chodzi o epigenetykę, to zmiany prowadzące do nowotworu mogły zajść na ponad 26 milionów miejsc w naszym DNA – i mówimy tu tylko o jednym z mechanizmów epigenetycznych. Badania obejmujące tak ogromne zestawy danych w ogóle nie byłyby możliwe bez zastosowania bioinformatyki, bardzo szybkich komputerów i sztucznej inteligencji.
To sztuczna inteligencja szuka w zestawach danych, które generujemy, zmian (biomarkerów), które występują tylko u pacjenta nieodpowiadającego na leczenie, czyli de facto doprowadziły do tego, że pacjent nie reaguje na leczenie. Gdy już zidentyfikujemy te zmiany (biomarkery), to w przypadku kolejnego pacjenta badamy, czy ma on te zmiany i na tej podstawie klasyfikujemy go do leczenia. Jednak znalezienie odpowiedniego wzoru w milionach punktów pomiarowych nie jest tak proste, ale jest możliwe dzięki sztucznej inteligencji. Badania naukowe już zrewolucjonizowała sztuczna inteligencja.
Patrząc na to, jak rozwija się nauka – za 5 lat medycyna będzie wyglądała zupełnie inaczej?
Potrzebne są badania kliniczne, konieczny jest czas. Wydaje mi się – ale może moja opinia jest tu obciążona naukową ostrożnością – że 5 lat to za mało, by AI zaczęło rewolucję w diagnostyce, ale za 10 lat to jest możliwe.
Badania naukowe już generują modele, na podstawie których na przykład planujemy leczenie. Niemniej jednak te modele muszą być przetestowane w świecie praktyki klinicznej, czy one faktycznie działają.
Z pana inicjatywy niedawno odbyła się debata „Sztuczna inteligencja w medycynie – przyszłość czy przesada”. Skąd taki pomysł? Czy to oznacza, że dziś jeszcze nie wiadomo, czy sztuczna inteligencja sprawdzi się w medycynie?
Podczas konferencji American Association for Cancer Research w ubiegłym roku w San Diego, na kilku sesjach doszliśmy do wniosku, że mamy już ogromem ilości publikacji naukowych na temat tego, że sztuczna inteligencja rewolucjonizuje nasze badania. Tymczasem w kwietniu ubiegłego roku mieliśmy tylko jedno zarejestrowane narzędzie w diagnostycznej onkologii, które pomaga w diagnozie raka prostaty. To narzędzie, zanim zostało dopuszczone przez FDA do użytku klinicznego, było testowane w ponad 50 ośrodkach na całym świecie, na ponad 60 tys. pacjentów.
W każdym innym przypadku ten proces musi być powtórzony. Będzie to zajmowało czas. Było to trochę rozczarowujące, szczególnie po bardzo dużym zachwycie na poziomie badań naukowych z zastosowaniem AI. Okazało się, że dużo mówimy o AI w badaniach naukowych, tymczasem mało co przechodzi faktycznie do diagnostyki.
To znaczy, że będziemy musieli jeszcze poczekać, zanim AI pomoże zdiagnozować chorobę rzadką, która dziś wymaga chodzenia 8-10 lat od lekarza do lekarza?
Pracujemy nad takim rozwiązaniem. Dosłownie kilka dni temu mój doktorant pokazał mi fantastyczne, choć wczesne wyniki swojego projektu. Zastosował on AI i modele językowe do interpretacji danych genetycznych. Program potrafi połączyć nasze geny i objawy choroby, przeszukać ogromną liczbę publikacji naukowych i zasugerować, jaką chorobę pacjent może mieć. To zasadniczo przyspieszyłoby diagnozę chorób rzadkich, które jak Pani wspomniała są jednym z największych problemów.
Żeby to zastosować w praktyce, konieczne będą badania kliniczne?
Tak, następny krok to przetestowanie tego narzędzia w rzeczywistym świecie i wygenerowanie danych, które pozwolą nam otrzymać pozwolenie na rekomendowanie używania tego narzędzia lekarzowi.
Sztuczna inteligencja to dziś przyszłość czy jednak… przesada?
Musimy w Polsce i na świecie rozpocząć dyskusję na temat zastosowania sztucznej inteligencji w medycynie, żeby ludzie rozumieli szanse, ale też wyzwania, jakie łączą się ze sztuczną inteligencją. Mnie bardzo zaskoczył pozytywny odbiór naszej debaty. Okazuje się, że mówienie o naszych wątpliwościach zwiększa naszą wiarygodność. Rozmowa o tym, że my naprawdę testujemy narzędzia diagnostyczne, zanim je wprowadzimy, jest konieczna. Ludzie doskonale rozumieją, że mówimy: „chcielibyśmy już dziś częściej stosować sztuczną inteligencje, ale nie jesteśmy jeszcze tam, gdzie chcielibyśmy być; jednak to bardzo dobrze, że jesteśmy w tym właśnie miejscu”. Bo chodzi o życie ludzkie, a nie o to, czy autobus będzie jechał szybciej czy wolniej, bo sztuczna inteligencja jest używana do optymizacji publicznego transportu.
Myślę, że dzięki naszej dyskusji pacjenci będą mieli większe zaufanie do profesjonalistów medycznych, używających AI. Dyskusja jest potrzebna, żeby pacjenci zaczęli bardziej ufać tym rozwiązaniom, wiedzieli, że my nie siedzimy w laboratoriach i nie od razu wdrażamy nasze pomysły w życie, tylko długo je testujemy by upewnić się, że nikomu nie zrobią krzywdy. Jakie skutki może mieć błędna diagnoza nie trzeba nikomu tłumaczyć.
W artykułach popularno-naukowych często mówi się o przełomach, a skoro tak, to każdy chciałby już zobaczyć to zastosowanie…
Medycyna i biologia nie idą schematem nauk technicznych, gdzie postęp może zachodzić bardzo szybko. Praktyka pokazuje, że zrobienie iPhona jest dużo prostsze niż wprowadzenie AI do diagnostyki medycznej. W medycynie nie jest tak łatwo, bo istotna jest przede wszystkim biologia choroby. Musimy spędzić jeszcze sporo czasu na badaniach naukowych, by poznać biologię i patogenezę chorób, nauczyć się, jak standaryzować gigabajty danych, które generujemy dzięki fantastycznym technologiom, do których mamy teraz dostęp, zanim użyjemy AI do analizy danych, a następnie przetransferujemy do praktyki klinicznej.
Jednak za 10 lat diagnozować choroby będziemy już inaczej dzięki AI? Skończy się odyseja diagnostyczna w wielu chorobach?
Gdybym w to nie wierzył, nie robiłbym tego, co robię. Ja też chcę, żeby wyniki moich badań pomagały ludziom. Gdybym nie wierzył w zastosowanie AI w analizie danych, w to, że sztuczna inteligencja zrewolucjonizuje medycynę, to bym nie robił, tego co robię. Jednak pewne rzeczy muszą trwać, bo chodzi o zdrowie pacjentów.