Mayo Clinic wdraża sztuczną inteligencję nie jako efektowny chatbot, lecz narzędzie pomagające lekarzom szybciej analizować dokumentację, wykrywać sygnały chorób i ograniczać biurokrację. W słynnym amerykańskim szpitalu działa już około 150 modeli AI, ale ich rozwój wymaga pogodzenia innowacji z prywatnością i zaufaniem pacjentów.
- Record Time porządkuje dokumentację i może oszczędzać lekarzowi od 5 do 30 minut przed wizytą
- Mayo Clinic wykorzystuje około 150 modeli AI, m.in. w radiologii, kardiologii i analizie historii choroby
- Szpital bada, czy algorytmy pomogą wykrywać raka trzustki lata wcześniej niż standardowa diagnostyka
- Wdrażaniu AI towarzyszą pytania o bezpieczeństwo danych, nadzór i odpowiedzialność za błędne rekomendacje
Lekarz chorób wewnętrznych Alexander Ryu przed spotkaniem z pacjentem może otrzymać dziesiątki, a czasem setki stron dokumentacji z różnych placówek. Do Mayo Clinic często trafiają osoby szukające trzeciej lub czwartej opinii, a ich wyniki i wypisy nie zawsze są uporządkowane. Przejrzenie materiału zabiera czas potrzebny na rozmowę z chorym.
Zapisz się na newsletter BGR. Otrzymuj najlepsze informacje i porady, a także zaproszenia na eventy.
Klikając „Zapisz mnie”, potwierdzasz, że przeczytałeś i zgadzasz się z naszą Polityką prywatności.
Odpowiedzią ma być Record Time, system opracowany wspólnie ze Scale AI. Narzędzie tworzy podsumowania, układa dokumenty chronologicznie i pozwala szybciej wyszukiwać informacje. Ryu oszczędza w ten sposób od pięciu do 30 minut przed wizytą. Ważniejsze jest jednak mniejsze ryzyko przeoczenia szczegółu ukrytego w wielostronicowej historii choroby.
Mayo Clinic otrzymuje co roku dziesiątki milionów stron dokumentacji. AI dobrze pasuje do takiego zadania, ponieważ potrafi rozpoznawać wzorce w dużych zbiorach danych.
Jason Droege, szef Scale AI, zauważa, że znaczna część pracy personelu polega na wychwytywaniu powtarzalnych sygnałów. Algorytm może wykonać pierwszy etap analizy, a specjalista ocenić jego znaczenie.
Wcześniej wykryty rak i ryzyko udaru
Mayo Clinic nie ogranicza się do porządkowania dokumentów. Część działających tam modeli wspiera analizę obrazów medycznych i sygnałów fizjologicznych. Radiolog Matthew Callstrom, kierujący programem generatywnej AI, przekonał się do tej technologii w 2016 r., gdy zobaczył, że algorytmy mogą wskazywać subtelne oznaki nowotworu.
Jednym z kluczowych projektów jest badanie dotyczące raka trzustki. Choroba bywa rozpoznawana dopiero po regionalnym rozsiewie lub pojawieniu się przerzutów, kiedy pięcioletnia przeżywalność wynosi około 9%. Mayo Clinic sprawdza, czy AI może identyfikować osoby zagrożone albo będące we wczesnej fazie choroby kilka lat wcześniej. Potwierdzenie skuteczności oznaczałoby realną zmianę rokowań pacjentów.
Szpital wykorzystał też AI do analizy rytmu serca i oceny ryzyka migotania przedsionków. To zaburzenie może prowadzić do zakrzepów i udarów. Wczesne wskazanie pacjentów pozwala szybciej rozpocząć diagnostykę lub leczenie.
Zysk ma dotyczyć również personelu. Pielęgniarki pomogły stworzyć system, który słucha rozmowy podczas wizyty i sporządza notatki. Dzięki temu czas przeznaczany na dokumentowanie spotkań może spaść nawet o połowę. Chodzi więc nie o usunięcie człowieka z procesu, lecz o ograniczenie administracji odbierającej personelowi kontakt z pacjentem.
Sprawdź też: Ubrania, które oszukują kamery. Moda staje się bronią przeciw nadzorowi AI
Najpierw jakość, potem tempo
Medyczna AI nie może być wdrażana tak jak kolejna funkcja w aplikacji konsumenckiej. Mayo Clinic łączy specjalistów technologicznych z lekarzami, którzy wskazują rzeczywiste problemy kliniczne. Nowe modele przechodzą proces przypominający badanie kliniczne: najpierw są testowane na małej grupie pacjentów, potem ocenia się wyniki i rozszerza testy. Po wdrożeniu system nadal jest monitorowany.
Lekarze mogą korzystać z nowych narzędzi, ale nie są do tego zmuszani. Zdaniem Callstroma najlepszym miernikiem jakości jest faktyczna adopcja. Jeżeli specjaliści uznają system za pomocny, włączą go do pracy. Ogranicza to ryzyko narzucania technologii pod presją innowacyjności.
Kontrowersje jednak nie znikają. Była dyrektorka ds. operacji badawczych Mayo Clinic Traci Tamiko Eto pozwała szpital, twierdząc, że spotkały ją działania odwetowe po zgłoszeniu obaw dotyczących prywatności i nadzoru nad częścią systemów AI. Placówka nie komentuje postępowania, ale deklaruje, że ochrona danych, bezpieczeństwo i zgodność z prawem są częścią procesu.
To ważna lekcja również dla Polski. Nasz system ochrony zdrowia ma ogromne zasoby danych z e-recept, IKP, badań obrazowych i dokumentacji szpitalnej, ale informacje są rozproszone. AI mogłaby pomóc lekarzom szybciej analizować historię pacjenta i ograniczać biurokrację, jednak wymaga to jasnych zasad odpowiedzialności, dobrej jakości danych i zgodności z RODO. Bez zaufania personelu i pacjentów nawet dobry model pozostanie demonstracją.
Przykład Mayo Clinic pokazuje, że rewolucja w medycynie może zacząć się nie od spektakularnego „wyleczenia raka przez AI”, lecz od odzyskania kilkunastu minut przed wizytą, uporządkowania danych i szybszego wychwycenia sygnału ostrzegawczego. W ochronie zdrowia szybkość ma znaczenie, ale nie może wyprzedzać jakości. Najbardziej wartościowy algorytm to ten, który pozostaje pod kontrolą specjalisty i pozwala mu poświęcić więcej uwagi pacjentowi.
Czytaj też: AI pomaga pracować szybciej. Ale może też nauczyć nas przeciętności
