Bazy danych nie leczą. Ale coraz bardziej wspierają lekarzy w diagnozowaniu i terapii

Autor: WOK • Źródło: Rynek Zdrowia15 listopada 2021 06:04

Informatyzacja. Coraz częściej w dyskusjach o cyfryzacji medycyny eksperci wskazują na potrzebę gromadzenia odpowiedniej jakości danych klinicznych. Ich bazy - powiększane z dnia na dzień - wykorzystywane są w tworzeniu algorytmów czy aplikacji coraz mocniej wspierających lekarzy.

Bazy danych są już w medycynie niezbędne FOT. Adam Warżawa/PAP
  • Podpowiedzi w postaci wspierania klinicystów algorytmami sztucznej inteligencji, nie mają statusu ostatecznej decyzji terapeutycznej. Są na razie pewną sugestią - zaznacza prof. Grzegorz Gielerak
  • Z etapu cyfryzacji ilościowej wchodzimy w fazę jakościową, czyli nie tylko „digitalizowania wszystkiego”, ale przetwarzania danych na formę cyfrową, zapisywania, agregowania i wymiany - mówi dyrektor Marek Witulski z Siemens Healthineers
  • Rozumiem pewne obawy lekarzy, związane ze stosowaniem rozwiązań tworzonych w oparciu o duże bazy danych - przyznaje dr Tomasz Prystacki, prezes Fresenius Medical Care Polska
  • I dodaje: - Z drugiej strony wbudowanie w system odpowiednich algorytmów chroni przed sytuacją, w której zapominamy o podjęciu niezbędnych dla pacjenta interwencji medycznych

„Nie wszyscy pracownicy szpitala od razu się cieszyli”

- Cyfryzacja jest długotrwałym, trudnym procesem. Nie wszyscy pracownicy szpitala od razu się cieszyli, że zmienia się diametralnie sposób gromadzenia oraz obiegu informacji. Potrzebna była dodatkowa praca, także edukacyjna - przyznaje Jakub Kraszewski, dyrektor naczelny Uniwersyteckiego Centrum Klinicznego w Gdańsku, które należy do najbardziej zaawansowanych cyfrowo szpitali w Polsce.

Dodaje: - Systemy informatyczne wymagają nie tylko zakupu sprzętu i oprogramowania, ale mają też w sobie pewną logikę działania. Jeżeli nałożymy ją, na przykład na wcześniejszy styl pracy lub - powiem wprost - bałagan, wówczas mamy do czynienia z ogromnym dysonansem.

- Pojawia się bowiem, m.in. po stronie kadry medycznej, problem, ponieważ musi zacząć stosować rozwiązania, których idei nie rozumie. Dlatego informatyzacja wymaga jednoczesnego porządkowania procesów zarządczych i uwzględniania tych zmian w systemach informatycznych. To jest ewolucja. Tej zmiany, moim zdaniem, nie da się przeprowadzić rewolucyjnie - podkreśla Jakub Kraszewski.

Coraz częściej w dyskusjach o cyfryzacji ochrony zdrowia eksperci zwracają uwagę na potrzebę gromadzenia odpowiedniej jakości danych w sposób nie tylko pozwalający na ich analizę i wykorzystywanie w zarządzaniu placówką, a także przetwarzanie i wymianę w postaci elektronicznej dokumentacji medycznej (EDM), ale też w celu tworzenia algorytmów sztucznej inteligencji.

Medycyna personalizowana czy statystyczna?

Klinicyści wskazują, że analiza matematyczna danych, z uwzględnieniem wiedzy lekarskiej i doświadczenia wcześniejszych przypadków, pozwala wyszukać podpowiedzi dla lekarza. Czy właśnie w takim kierunku będzie zmierzało diagnozowanie chorób oraz wybór ścieżki postępowania terapeutycznego?

Odpowiadając na to pytanie gen. dyw. prof. Grzegorz Gielerak, dyrektor Wojskowego Instytutu Medycznego przyznał, że jest to kierunek, w którym będziemy podążać, ale jaki będzie finalny efekt tego procesu, trudno jeszcze dziś powiedzieć.

- Odpowiedź znają, być może, futuryści. Zwróciłbym jednak uwagę na kilka pułapek związanych z takim trendem. Z jednej strony staramy się rozwijać medycynę spersonalizowaną, a z drugiej strony - poprzez gromadzenie ogromnej liczby danych, m.in. o poszczególnych przypadkach - zmierzamy w stronę medycyny statystycznej. W tym kontekście pojawia się pewien zgrzyt - przyznaje prof. Gielerak.

- Pamiętajmy, że różnego rodzaju podpowiedzi w postaci wspierania klinicystów, między innymi w oparciu o algorytmy sztucznej inteligencji, nie mają statusu ostatecznej decyzji, ale stanowią pewną sugestię - podkreśla.

Zaznacza, że tworzenie dużych baz danych w medycynie ma oczywiście przyszłość. - Musimy mieć jednak na uwadze, że informacje gromadzone w systemach big data, obejmują dane medyczne będące następstwem naszych działań i decyzji diagnostyczno-terapeutycznych, ale także zaniechań, a nie prognozy stanu klinicznego przed podjęciem interwencji medycznej - wyjaśnia prof. Grzegorz Gielerak.

- Natomiast dla mnie, jako lekarza zaangażowanego w prace badawcze i oczywiście analizy stanu klinicznego, fundamentem jest dostęp do czystych, surowych danych biologicznych. Z pozyskiwaniem tych danych nadal mamy w Polsce duży problem. Brakuje takich baz, a to na ich podstawie tak naprawdę jesteśmy w stanie realnie przetwarzać informacje i dokonywać właściwego wnioskowania klinicznego - podsumowuje dyrektor WIM.

Czytaj też:

Sztuczna inteligencja nawet o 2 lata przyspiesza diagnozę stwardnienia rozsianego

Zmiany w informatyzacji ochrony zdrowia. Rząd powołał zespół do spraw współpracy NFZ i CeZ

„Ten pociąg jest już tak rozpędzony, że nikt nie jest w stanie go zatrzymać”

Z kolei Marek Witulski, dyrektor Diagnostic Imaging i Advanced Therapies w Siemens Healthineers przypomina, że cyfryzacja ochrony zdrowia trwa od ponad 20 lat. Pandemia COVID-19 nie tylko przyspieszyła ten proces, ale też pozwoliła przekonać wiele osób do korzyści płynących z informatyzacji sektora medycznego.

- Ten pociąg jest już tak rozpędzony, że nikt nie jest w stanie go zatrzymać, ponieważ cyfryzacja przynosi już dziś bardzo wymierne korzyści. Dzięki odpowiednio zagregowanym danym zarządzanie podmiotami leczniczymi staje się łatwiejsze, a proces diagnostyczno-terapeutyczny przebiega sprawniej - podkreśla.

Mówiąc o rozwoju sztucznej inteligencji (AI) w medycynie, dyrektor Witulski zaznacza, że jest ona tak dobra, jak dane, na których jest „trenowana”. - Im więcej przypadków, im lepsza jakość danych, tym jakość AI będzie lepsza. Im jednak bardziej zaawansowane są algorytmy sztucznej inteligencji, tym większe stają się wymagania wobec danych. Szczególnie dotyczy to algorytmów typu deep learning - dodaje.

Zdaniem Marka Witulskiego dziś w Polsce nie radzimy sobie jeszcze z poprawnym gromadzeniem danych populacyjnych. Jednak tam, gdzie dane te są odpowiednio zbierane, tam ich wykorzystanie jest efektywne.

- Aby mieć dostęp do danych, musimy je najpierw odpowiednio zarchiwizować. Obecnie z etapu cyfryzacji ilościowej wchodzimy w jej fazę jakościową. Czyli nie tylko „digitalizowania wszystkiego”, ale przetwarzania na formę cyfrową, zapisywania, agregowania i wymiany.

- Sztuczna inteligencja to nie tylko tysiące gromadzonych przypadków. Muszą to jeszcze być dane o bardzo wysokiej jakości, odpowiednio pozyskane i wyselekcjonowane. Ważne jest, abyśmy używali algorytmów, które są trenowane na danych pozyskiwanych z naszego regionu, uwzględniających specyfikę danej populacji - zaznacza Marek Witulski.

Aplikacja ułatwiająca leczenie niedokrwistości

- Pod naszą opieką jest ok. 6 tys. chorych, czyli około 27 proc. pacjentów dializowanych w Polsce. Wykonujemy ok. 10 mln dializ rocznie w naszym regionie Europy. Na tej podstawie gromadzimy dane wspierające leczenie niedokrwistości za pomocą stworzonej przez nas specjalnej aplikacji - informuje dr Tomasz Prystacki, prezes Fresenius Medical Care Polska, członek zarządu Pracodawców Medycyny Prywatnej.

- Ponieważ sami prowadzimy stacje dializ, wybieramy zarazem sposób gromadzenia oraz wpisywania rzeczywistych danych do bazy. Dlatego stworzona w oparciu o te ogromne zasoby informacji aplikacja bardzo pomaga naszym lekarzom w leczeniu niedokrwistości - zaznacza prezes Prystacki.

W jego opinii ryzykowna jest wiara, że pojedynczy lekarz jest w stanie leczyć bardziej efektywnie niż ze wsparciem systemu budowanego na podstawie wspomnianej bazy z 10 milionami zabiegów dializoterapii rocznie.

- Rozumiem pewne obawy lekarzy, związane ze stosowaniem rozwiązań budowanych w oparciu o duże bazy danych. Jednak z drugiej strony wbudowanie w system odpowiednich algorytmów chroni przed sytuacją, w której zapominamy o podjęciu niezbędnych dla pacjenta działań - badaniu lub innej ważnej w skutecznym procesie leczenia interwencji medycznej - podsumowuje prezes Tomasz Prystacki.

Aplikacje mobilne również generują coraz większe zasoby danych

Na inny rodzaj danych - gromadzonych, między innymi przez aplikacje mobilne - zwraca uwagę Paweł Kuśmierowski, Partner Associate Life Sciences & Health Care w firmie Deloitte.

- Pierwsza grupa rozwiązań ma charakter predykcyjny, dla relatywnie prostych przypadków, o dużej skuteczności prawidłowego przepowiadania. Druga grupa rozwiązań to ekosystemy zdrowotne oparte na danych, których strona medyczna nie jest tak głęboka i sięga do pogranicza takich obszarów, jak fitness czy dieta. Korzystając z danych w tego rodzaju ekosystemach, możemy wyciągać wnioski wskazujące, między innymi, co pacjent powinien zmienić w swoim trybie życia - wyjaśnia ekspert.

- Dane medyczne gromadzone w takich systemach pozwalają z czasem na analizę pewnych korelacji, a także na określenie prawdopodobieństwa wstąpienia innych chorób i rekomendowania pacjentowi wykonania konkretnych badań diagnostycznych - zaznacza Paweł Kuśmierowski.

Czytaj też:

Informatyzacja ochrony zdrowia. "Są pieniądze na sprzęt, ale brakuje na jego utrzymanie"

Telemedycyna gromadzi potężne zasoby danych. Idą za pacjentem? Na to jeszcze poczekamy

Wszystkie wypowiedzi zarejestrowano podczas październikowego XVII Forum Rynku Zdrowia.

Podaj imię Wpisz komentarz
Dodając komentarz, oświadczasz, że akceptujesz regulamin forum