Od demonstracji do dokumentacji medycznej
W rozmowach o sztucznej inteligencji w ochronie zdrowia najczęściej pojawiają się dwie skrajności: obietnica, że algorytm zastąpi lekarza, albo obawa, że wprowadzi chaos tam, gdzie stawką jest ludzkie zdrowie. Praktyka wygląda inaczej i jest znacznie mniej spektakularna. Sztuczna inteligencja wchodzi do medycyny przez zadania, które da się opisać, zmierzyć i skontrolować.
Jan Młodzianowski prowadzi gdański gabinet stomatologiczny M&M Dental Clinic i jako KOL programu Diagnocat wdrożył u siebie analizę zdjęć stomatologicznych przez AI. Jego doświadczenie pokazuje, że największa zmiana nie polega na tym, że algorytm zauważa więcej od człowieka. Polega na tym, że cały zespół zaczyna oceniać zdjęcia w ten sam sposób, a rozmowa z pacjentem opiera się na materiale, który widzą oboje.
Najtrudniejszy nie jest model, ale dowód
Przemysław Grzywa, współzałożyciel Revolve Healthcare, opisuje problem, o którym w debacie o AI mówi się najmniej. Wybór architektury modelu bywa najprostszym etapem projektu. Kłopot zaczyna się przy pytaniu, czy zgromadzone dane w ogóle pozwalają udowodnić deklarowane działanie oraz ile kosztuje zebranie dowodów klinicznych wymaganych dla wyrobu medycznego.
Jego zespół przeprowadził polską aplikację dla pacjentów po lekkich udarach przez pełną ścieżkę: badania kliniczne, certyfikację, wejście na rynek. To rzadki w Polsce przypadek, w którym można pokazać nie tylko produkt, ale też rachunek za jego dopuszczenie.
Ryzyko liczone z danych, nie z obrazu
Tętniaka wewnątrzczaszkowego ma około jedna na pięćdziesiąt osób, a wykrywalność tych niepękniętych to zaledwie kilka procent. Najczęściej znajdowane są przypadkiem, przy badaniu wykonywanym z innego powodu. Zespół dr inż. Patryka Jasika z Wydziału Fizyki Technicznej i Matematyki Stosowanej Politechniki Gdańskiej, wspólnie z Gdańskim Uniwersytetem Medycznym i UCK, podważa założenie, że ryzyko da się ocenić wyłącznie na podstawie obrazowania.
Badacze szacują je z danych laboratoryjnych i informacji tekstowych z dokumentacji medycznej. Celem jest narzędzie, które pozwoli wcześniej wskazać pacjentów wymagających diagnostyki obrazowej, a tym samym obniżyć śmiertelność, koszty hospitalizacji i liczbę powikłań neurologicznych.
Lekarz, który sam zaczął budować narzędzie
Dr Bartosz Fiałek konsultuje ponad trzy i pół tysiąca pacjentów rocznie. Zamiast czekać, aż ktoś rozwiąże problemy jego specjalizacji, zaczął budować własny system oparty na modelach językowych. W jego ujęciu AI nie przejmuje decyzji klinicznej, lecz porządkuje informacje, na których lekarz tę decyzję opiera.
Podobne podejście prezentuje Mateusz Kierepka, odpowiedzialny za technologię w Health4You. Wśród jego wdrożeń jest narzędzie wspierające komunikację osób, które nie mogą swobodnie mówić, działające offline i pod kontrolą użytkownika, oraz analiza obrazowania CT w kardiologii. Wniosek z obu projektów jest ten sam: trzeba z góry wyznaczyć granice, w których model działa, i miejsca, gdzie człowiek musi zostać w pętli.
AI poza gabinetem
Nie każde zastosowanie sztucznej inteligencji w ochronie zdrowia dotyczy diagnozy. Szymon Dziedzic z Personit zajął się układaniem grafików dyżurów, czyli zadaniem, które w wielu placówkach pochłania kilka dni pracy koordynatora i przy każdej zmianie trzeba wykonać od nowa. Normy odpoczynku, wymagane obsady specjalistów, limity godzin i przepisy dają się zapisać jako zbiór reguł, a wtedy grafik układa algorytm, w minuty i zgodnie z wymogami.
Gdzie i kiedy
Druga edycja Pionierzy AI odbędzie się 20 sierpnia 2026 roku o godzinie 17:30 w Kainos przy ulicy Jana z Kolna 11 w Gdańsku. Każde wystąpienie trwa piętnaście minut, po prelekcjach zaplanowano część networkingową. Wstęp jest bezpłatny, liczba miejsc ograniczona do sześćdziesięciu, a rejestracja odbywa się online.
