AI w diagnostyce – zastosowanie w medycynie
Poprzez sztuczną inteligencję rozumie się umiejętność maszyn do realizacji procesów myślowych na podobieństwo człowieka. Uczenie maszynowe umożliwia analizowanie danych, wyciąganie wniosków i podejmowanie decyzji, które nie zawsze będą wprost wynikały z zebranych danych.
Algorytmy AI nie tylko przyspieszają diagnozę, ale mogą pozwalać na bardziej kompleksową ocenę kliniczną i ograniczenie liczby błędów ludzkich.
Obok uczenia maszynowego wykorzystanie AI uwzględnia także wizję komputerową (przetwarzanie bodźców „wzrokowych”) oraz przetwarzanie języka naturalnego.
Zastosowanie AI w praktyce klinicznej może obejmować m.in.:
analizę wyników diagnostyki obrazowej jak rentgen, rezonans magnetyczny lub tomografia komputerowa;
ocenę wyników badań laboratoryjnych (np. badań krwi, poziomu hormonów);
analizę próbek tkankowych (np. w histopatologii);
genomikę w celu doboru leków do indywidualnych potrzeb pacjenta lub śledzenia rozwoju choroby przewlekłej z dużą dokładnością.
Skuteczność AI w rozpoznawaniu chorób
Skuteczność diagnostyki klinicznej z wykorzystaniem AI w dużej mierze zależy od złożoności zastosowanego modelu. Choć powszechnie mówi się o bardzo wysokiej dokładności sztucznej inteligencji, opublikowane wyniki badań wydają się tego (przynajmniej na razie) nie potwierdzać.
Artykuł opublikowany w marcu 2025 roku w renomowanym czasopiśmie npj Digital Medicine dotyczył porównania jakości diagnostyki chorób przez lekarzy – ludzi oraz generatywną AI. Próba badawcza obejmowała 83 analizy przeprowadzone na przestrzeni lat 2018–2024.Wyniki wykazały średnią dokładność na poziomie 52,1%, przy czym doświadczeni diagności wypadali w porównaniu nieco lepiej od algorytmów.
Co ciekawe, okazuje się, że samodzielnie AI radziło sobie dużo lepiej niż wtedy, gdy jego wyniki były interpretowane przez ludzi. Może to pokazywać, że nowoczesny proces diagnostyczny wymaga opanowania przez personel medyczny nowych umiejętności, które zwiększą skuteczność terapii.
Przeczytaj również:
Czy AI naprawdę nas rozumie? Efekt Elizy a sztuczna inteligencja
Błędy sztucznej inteligencji w medycynie
Wdrożenie AI zawsze wiąże się z ryzykiem błędu. Najczęściej dotyczą one takich obszarów jak:
ochrona i bezpieczeństwo danych osobowych;
stronniczość algorytmów, co wynika z trenowania ich na niewłaściwie dobranych danych (np. priorytetyzowanych demograficznie lub ekonomicznie);
brak integracji w bieżących procesach placówek opieki zdrowotnej, co budzi wątpliwości, jak należy korzystać z narzędzi AI;
błędy diagnostyczne spowodowane niepełnym obrazem sytuacji;
realne ryzyko wyrządzenia pacjentom szkody (np. w wyniku automatycznego obliczania dawek leków).
Pomimo daleko idących i restrykcyjnych wymagań co do projektowania systemów AI wysokiego ryzyka, żaden algorytm nie jest pozbawiony wad. Bardzo ważne jest więc wypracowanie procesu, który pozwoli zidentyfikować pomyłki i ustalić, w jaki sposób wpływają one na sytuację konkretnego pacjenta.
W nomenklaturze technicznej takie podejście określa się jako Self-Explainable AI, czyli sztuczną inteligencję, która nie tylko generuje dane wyjściowe, ale jednocześnie jest w stanie odtworzyć krok po kroku, w jaki sposób doszła do określonego wniosku. Nadal ponad 50% ekspertów z zakresu medycyny (według danych publikowanych przez Yahoo Finance) uważa, że sztuczna inteligencja nie jest w stanie zastąpić lekarzy.
Ryzyko błędnej diagnozy AI
Choć potencjał AI jest bardzo duży, trzeba pamiętać, że niezależnie od stopnia złożoności modelu, jakość danych wyjściowych jest uzależniona od jakości danych wejściowych. Wystarczy sięgnąć po którykolwiek powszechnie dostępny LLM, aby przekonać się, że prompt dotyczący diagnozy wpisany bez żadnych konkretnych danych niemal zawsze wygeneruje błędną odpowiedź.
Technologia AI może bardzo skutecznie analizować dane kliniczne pacjenta pod warunkiem, że otrzyma komplet rzetelnych i dokładnych informacji, jak: wyniki badań laboratoryjnych, publikacje naukowe, historię choroby. Im więcej jest tych danych, tym większa szansa, że szczegółowa ocena stanu zdrowia będzie prawidłowa.
AI w pracy lekarza – wsparcie czy zastępstwo?
Pomimo dynamicznego rozwoju AI wiele wskazuje na to, że nie trzeba się obawiać, że sztuczna inteligencja zastąpi lekarzy. Jeszcze przez długi czas ekspert z fachową wiedzą, ale także intuicją, będzie niezbędny do monitorowania postępu choroby, oceny skuteczności leczenia oraz personalizacji terapii.
Dodatkową barierą dla większości placówek medycznych jest też konieczność zainwestowania olbrzymich pieniędzy zarówno w oprogramowanie, sprzęt, jak i szkolenia dla pracowników. Wdrażanie AI może wymagać też współpracy z organami regulacyjnymi. W Polsce takim ciałem ma być Komisja Rozwoju i Bezpieczeństwa Sztucznej Inteligencji, która do dzisiaj nie została jeszcze powołana.
AI w medycynie – aspekty prawne
W wielu motywach (m.in. 47, 48 i 52) rozporządzenia Parlamentu Europejskiego i Rady 2024/1689 (tzw. AI Act) sztuczna inteligencja realizująca czynności medyczne jak diagnostyka lub wykonywanie operacji klasyfikowana jest jako AI wysokiego ryzyka. W następstwie tej klasyfikacji dostawcy AI muszą zadbać o spełnienie wielu wymagań formalnych, w tym:
opracowanie systemu zarządzania ryzykiem;
wykorzystanie danych treningowych, walidacyjnych i testowych, które są adekwatne, wystarczająco reprezentatywne oraz w jak największym stopniu wolne od błędów i kompletne;
korygowanie stronniczości danych;
zapewnienie bezpieczeństwa danych osobowych (dane dotyczące zdrowia zawsze będą wrażliwe);
zapewnienie nadzoru człowieka nad maszyną;
rejestrowanie zdarzeń i zapewnienie przejrzystości danych tak, aby były one możliwe do zrozumienia przez docelowego odbiorcę (np. lekarza).
Przestrzeganie formalnoprawnych wymagań dotyczących projektowania AI wysokiego ryzyka jest bardzo ważne. Błędy na tym etapie mogą skutkować milionowymi karami wyrażonymi w euro.
Przyszłość AI w medycynie
Entuzjaści AI chętnie wskazują na filmy i literaturę science fiction jako kierunek rozwoju sztucznej inteligencji. W ciągu najbliższych lat będzie on zapewne jednak nieco bardziej przyziemny. Z pewnością można oczekiwać, że za pomocą AI można analizować olbrzymie ilości informacji rozproszonych w różnych badaniach klinicznych. W efekcie diagnostyka medyczna stanie się coraz dokładniejsza.
Algorytmy potrafią połączyć dane z wielu źródeł i zrobią to znacznie szybciej od człowieka. Nowe technologie mogą przynieść korzyści profilaktyce, ponieważ z wyprzedzeniem wykryją ryzyko rozwoju chorób cywilizacyjnych (np. cukrzycy typu 2). Nie należy jednak oczekiwać, że leczenie chorób będzie się odbywało „automatycznie” i bez konsultacji z lekarzami.
