Postęp w Zakresie AI w Medycynie
Prof. dr hab. med. Andrzej Grzybowski
Katedra Okulistyki, Uniwersytet Warmińsko-Mazurski, Olsztyn
Instytut Okulistycznych Badań Naukowych, Fundacja Okulistyka 21, Poznań
Wprowadzenie
Sztuczna inteligencja (AI) w ostatnich latach dokonała ogromnych postępów, zmieniając sposób, w jaki diagnozujemy, leczymy i monitorujemy zdrowie pacjentów. Dzięki zaawansowanym algorytmom i technologiom, AI rewolucjonizuje medycynę, przynosząc korzyści zarówno lekarzom, jak i pacjentom. Poniżej przedstawiamy kluczowe obszary, w których AI miała największy wpływ.
Diagnostyka obrazowa
Jednym z najbardziej znaczących postępów AI w medycynie jest jej zastosowanie w diagnostyce obrazowej. Algorytmy uczenia maszynowego są teraz w stanie analizować obrazy medyczne, takie jak tomografie komputerowe, rezonanse magnetyczne i zdjęcia rentgenowskie, z dokładnością porównywalną do najlepszych specjalistów. Przykładem jest system Google DeepMind, który potrafi diagnozować choroby oczu z obrazów OCT (optycznej koherentnej tomografii) oraz nowotwory płuc z tomografii komputerowej.
Personalizowana medycyna
AI odgrywa kluczową rolę w rozwoju medycyny personalizowanej, gdzie leczenie jest dostosowane do indywidualnych cech pacjenta. Dzięki analizie dużych zbiorów danych genetycznych, środowiskowych i klinicznych, AI pomaga przewidzieć, które terapie będą najskuteczniejsze dla konkretnego pacjenta. To podejście jest szczególnie widoczne w onkologii, gdzie terapie celowane są dobierane na podstawie profilu genetycznego nowotworu.
Predykcja i prewencja chorób
AI jest wykorzystywana do predykcji i prewencji chorób na podstawie analizy danych z różnych źródeł, takich jak elektroniczne kartoteki pacjentów, dane z urządzeń noszonych oraz dane środowiskowe. Na przykład, algorytmy AI mogą analizować dane dotyczące stylu życia, diety, aktywności fizycznej i środowiska, aby przewidzieć ryzyko wystąpienia chorób sercowo-naczyniowych, cukrzycy czy nowotworów, co umożliwia wcześniejsze interwencje i działania prewencyjne.
Robotyka chirurgiczna
AI wspiera rozwój robotyki chirurgicznej, która pozwala na przeprowadzanie bardziej precyzyjnych i mniej inwazyjnych operacji. Roboty chirurgiczne, takie jak system da Vinci, są sterowane przez chirurgów, ale AI pomaga w planowaniu i wykonywaniu skomplikowanych procedur z większą dokładnością. W przyszłości roboty mogą stać się bardziej autonomiczne, wykonując niektóre etapy operacji samodzielnie.
Asystenci medyczni AI
AI znajduje również zastosowanie w tworzeniu wirtualnych asystentów medycznych, którzy wspierają lekarzy i pacjentów. Chatboty medyczne, takie jak Babylon Health, mogą odpowiadać na pytania pacjentów, przeprowadzać wstępne wywiady medyczne i sugerować dalsze kroki. Asystenci AI pomagają lekarzom w zarządzaniu dokumentacją medyczną, planowaniu wizyt i analizie wyników badań, co pozwala na bardziej efektywne zarządzanie czasem i zasobami.
Badania kliniczne
AI rewolucjonizuje również proces badań klinicznych. Algorytmy mogą analizować dane z prób klinicznych, identyfikować potencjalne kandydatury do badań oraz monitorować skuteczność terapii w czasie rzeczywistym. AI pomaga także w projektowaniu badań, optymalizując ich strukturę i redukując koszty.
Zarządzanie zdrowiem populacji
AI jest używana do zarządzania zdrowiem populacji poprzez analizę danych epidemiologicznych i modelowanie trendów zdrowotnych. Systemy AI mogą przewidywać wybuchy chorób zakaźnych, analizować skuteczność programów szczepień oraz planować zasoby służby zdrowia w celu lepszego reagowania na potrzeby zdrowotne populacji.
Przyszłość AI w medycynie
Przyszłość AI w medycynie jest pełna obietnic. W miarę jak technologia będzie się rozwijać, możemy spodziewać się jeszcze bardziej zaawansowanych systemów diagnostycznych, bardziej spersonalizowanych terapii oraz lepszego zarządzania zdrowiem populacji. Wyzwania związane z prywatnością danych, regulacjami oraz etyką będą musiały być rozwiązane, aby w pełni wykorzystać potencjał AI w medycynie.
Zastosowania AI w Okulistyce
Wprowadzenie
Okulistyka jako jedna z najbardziej dynamicznie rozwijających się dziedzin medycyny, czerpie korzyści z zastosowania AI w diagnostyce, leczeniu i monitorowaniu chorób oczu. Zaawansowane algorytmy analizują obrazy siatkówki, rogówki i innych struktur oka, przyczyniając się do wczesnego wykrywania i leczenia schorzeń oczu.
Diagnostyka obrazowa w okulistyce
Retinopatia cukrzycowa
Jednym z głównych zastosowań AI w okulistyce jest diagnostyka retinopatii cukrzycowej. Algorytmy AI, takie jak te opracowane przez Google DeepMind i innych liderów branży, analizują obrazy siatkówki w celu wykrycia wczesnych zmian patologicznych, takich jak mikroaneuryzmy, wybroczyny czy neowaskularyzacja. Dzięki temu możliwe jest wczesne wykrycie choroby i podjęcie odpowiednich działań terapeutycznych, co zapobiega utracie wzroku.
Jaskra
Wykazano, iż AI może być jest również wykorzystywana w diagnostyce jaskry, jednej z głównych przyczyn ślepoty na świecie. Algorytmy mogą analizować obrazy nerwu wzrokowego oraz warstwę włókien nerwowych, identyfikując wczesne zmiany związane z jaskrą. Obecnie brak algorytmów w tym zakresie dopuszczonych do użytku w ochronie zdrowia.
Zwyrodnienie plamki związane z wiekiem (AMD)
Zwyrodnienie plamki związane z wiekiem (AMD) jest kolejnym obszarem, w którym AI może przynosić korzyści. Algorytmy mogą analizować obrazy OCT i zdjęcia dna oka, wykrywając wczesne oznaki AMD, takie jak druzy i zmiany w nabłonku barwnikowym siatkówki. Wczesne wykrycie pozwala na szybsze wdrożenie terapii, co może spowolnić postęp choroby i zapobiec utracie widzenia. Obecnie brak algorytmów w tym zakresie dopuszczonych do użytku w ochronie zdrowia.
Telemedycyna w okulistyce
AI odgrywa również kluczową rolę w rozwoju telemedycyny w okulistyce. Systemy telemedyczne wspierane przez AI umożliwiają przeprowadzanie zdalnych konsultacji i diagnostyki. Pacjenci mogą przesyłać obrazy swoich oczu do specjalistów, którzy z pomocą AI analizują je i wydają diagnozy. Takie podejście jest szczególnie przydatne w rejonach o ograniczonym dostępie do specjalistycznej opieki okulistycznej.
Monitorowanie i zarządzanie chorobami oczu
AI pomaga w monitorowaniu i zarządzaniu przewlekłymi chorobami oczu. Algorytmy mogą analizować dane z badań obrazowych, testów wizualnych i innych źródeł, aby śledzić postęp choroby i skuteczność terapii. Na przykład, pacjenci z retinopatią cukrzycową mogą być monitorowani za pomocą regularnych skanów siatkówki, które są analizowane przez AI w celu wykrycia jakichkolwiek zmian.
Chirurgia okulistyczna wspierana przez AI
AI wspiera również chirurgię okulistyczną. Roboty chirurgiczne, takie jak systemy stosowane w chirurgii zaćmy, są coraz bardziej zaawansowane dzięki integracji z algorytmami AI. Te systemy pomagają chirurgom w precyzyjnym wykonaniu zabiegów, minimalizując ryzyko powikłań i skracając czas rekonwalescencji pacjentów.
Badania i rozwój nowych terapii
AI odgrywa kluczową rolę w badaniach i rozwoju nowych terapii okulistycznych. Algorytmy mogą analizować dane z prób klinicznych, identyfikować biomarkery chorób oczu i przewidywać odpowiedzi pacjentów na różne terapie. To pozwala na szybsze wprowadzenie nowych leków i terapii na rynek, poprawiając dostępność i skuteczność leczenia.
Przykłady zastosowań AI w okulistyce
Algorytm IDx-DR
IDx-DR to zatwierdzony przez FDA algorytm AI, który autonomicznie diagnozuje retinopatię cukrzycową na podstawie obrazów siatkówki. System ten został przetestowany na dużych grupach pacjentów i wykazał wysoką dokładność w wykrywaniu retinopatii cukrzycowej na różnych etapach zaawansowania. IDx-DR jest używany w klinikach i szpitalach, umożliwiając wczesne wykrywanie i leczenie tej groźnej choroby. Algorytm ten został wykorzystany w pierwszym polskim programie wczesnego wykrywania retinopatii cukrzycowej w latach 2019-2023 w województwie wielkopolskim przez Fundację Wspierania Rozwoju Okulistyki.
Wyzwania i przyszłość AI w okulistyce
Wyzwania
Pomimo wielu korzyści, zastosowanie AI w okulistyce napotyka również na wyzwania. Jednym z głównych problemów jest jakość danych. Aby algorytmy AI były skuteczne, muszą być trenowane na dużych, wysokiej jakości zestawach danych. Brak standardów w gromadzeniu i przetwarzaniu danych medycznych może wpływać na dokładność i niezawodność algorytmów.
Innym wyzwaniem są kwestie związane z prywatnością i bezpieczeństwem danych. Przechowywanie i analiza danych medycznych wymaga wysokich standardów bezpieczeństwa, aby chronić prywatność pacjentów. Regulacje dotyczące ochrony danych, takie jak RODO w Unii Europejskiej, nakładają dodatkowe obowiązki na firmy rozwijające technologie AI w medycynie.
Przyszłość AI w okulistyce
Przyszłość AI w okulistyce jest obiecująca. W miarę jak technologia będzie się rozwijać, możemy spodziewać się jeszcze bardziej zaawansowanych algorytmów diagnostycznych, które będą w stanie wykrywać nawet najdrobniejsze zmiany patologiczne. Integracja AI z urządzeniami noszonymi, takimi jak inteligentne soczewki kontaktowe, może umożliwić ciągłe monitorowanie zdrowia oczu.
Rozwój telemedycyny wspieranej przez AI zrewolucjonizuje dostęp do opieki okulistycznej, szczególnie w obszarach wiejskich i o ograniczonym dostępie do specjalistów. Zdalna diagnostyka i monitorowanie pozwolą na szybszą interwencję i lepsze zarządzanie chorobami oczu.
Podsumowanie
Postęp w zakresie AI w medycynie, zwłaszcza w ostatnich latach, przyniósł ogromne korzyści w diagnostyce, leczeniu i zarządzaniu chorobami. W okulistyce AI odgrywa kluczową rolę w wczesnym wykrywaniu i leczeniu chorób oczu, poprawiając jakość życia pacjentów na całym świecie. Wyzwania związane z jakością danych, prywatnością i regulacjami muszą być rozwiązane, aby w pełni wykorzystać potencjał AI. Jednak przyszłość AI w medycynie i okulistyce jest pełna obietnic, a dalszy rozwój technologii przyniesie jeszcze więcej innowacyjnych rozwiązań, które zrewolucjonizują opiekę zdrowotną.
Literatura:
1. Grzybowski A. Artificial intelligence in Ophthalmology, Springer 2021.
2. Grzybowski A., Brona P. A pilot study of autonomous artificial intelligence-based diabetic retinopathy screening in Poland. Acta Ophthalmologica 2019 doi: 10.1111/aos.14132
3. Grzybowski A., Brona P., Lim G., Ruamviboonsuk P., Tan G.S.W., Abramoff M., Ting D.S.W. Artificial intelligence for diabetic retinopathy screening: a review. Eye 2019 doi: 10.1038/s41433-019-0566-0
4. Grzybowski A, Brona P. Analysis and Comparison of Two Artificial Intelligence Diabetic Retinopathy Screening Algorithms in a Pilot Study: IDx-DR and Retinalyze. J Clin Med. 2021 May 27;10(11):2352.
5. Pieczyński J. Kuklo P. Grzybowski A. The Role of Telemedicine, In-Home Testing and Artificial Intelligence to Alleviate an Increasingly Burdened Healthcare System: Diabetic Retinopathy. Ophthalmology Therapy 2021, doi: 10.1007/s40123-021-00353-2
6. Gunasekeran D. V., Zheng F., Lim G., Chong C. C. Y., Zhang S., Ng Wei Y., Keel S., Xiang Y., Park Ki H., Park Sang J., Chandra A., Wu L., Campbel J. P., Lee A.Y., Keane P. A., Denniston A., Lam D. S. C., Fung A. T., Chan P. R. V., Sadda SriniVas R., Loewenstein A., Grzybowski A., Fong K. C. S., Wu W., Bachmann L. M., Zhang X., Yam J. C., Cheung C.Y., P., Ruamviboonsuk P. , Raman R., Sakamoto T., Habash R., Girard M., Milea D., Ang M., Tan G. S. W., Schmetterer L., Cheng C-Y., Lamoureux E., Lin H., van Wijngaarden P., Wong T. Y., Ting D. S. W. Acceptance and Perception of Artificial Intelligence Usability in Eye Care (APPRAISE) for Ophthalmologists: A Multinational Perspective. Frontiers in Medicine 2022, 9, s. 1-19. DOI: 10.3389/fmed.2022.875242
7. Arnould L., Meriaudeau F., Guenancia C., Germanese C., Delcourt C., Kawasaki R., Cheung C.Y., Creuzot-Garcher C., Grzybowski A. Using Artificial Intelligence to Analyse the Retinal Vascular Network: The Future of Cardiovascular Risk Assessment Based on Oculomics? A Narrative Review. Ophthalmology and Therapy 2022, s. 1-18. DOI: 10.1007/s40123-022-00641-5
8. Jin K., Yuan L., Wu H., Grzybowski A., Ye J. Exploring large language model for next generation of artificial intelligence in ophthalmology. Frontiers in Medicine Volume 10 – 2023 doi: 10.3389/fmed.2023.1291404
9. Madadi Y., Delsoz M., Khouri A. S., Boland M., Grzybowski A., Yousefi S. Applications of artificial intelligence-enabled robots and chatbots in ophthalmology: recent advances and future trends. Current Opinion in Ophthalmology January 23, 2024. doi: 10.1097/ICU.0000000000001035