Η καινοτομία που βασίζεται στην τεχνητή νοημοσύνη είναι απαραίτητη περισσότερο από ποτέ στην υγειονομική περίθαλψη και ιδιαίτερα στην ιατρική απεικόνιση. Η εν λόγω διαπίστωση διαπέρασε τις εργασίες του Ευρωπαϊκού Συνεδρίου Ακτινολογίας (ECR), που διεξήχθη και εφέτος στη Βιέννη. Η Τεχνητή Νοημοσύνη (ΤΝ, γνωστή και ως Artificial Intelligence, AI) αποτελεί επί της ουσίας για την απάντηση στις προκλήσεις που αντιμετωπίζει η σύγχρονη ακτινολογία και οι οποίες συζητήθηκαν εκτενώς στο πλαίσιο του συνεδρίου.

Το News4Health βρέθηκε στην αυστριακή πρωτεύουσα και συνομίλησε με τον Alexandre Salvador, Global Head του Τμήματος Ψηφιακής Τεχνολογίας της Bayer για το παρόν αλλά και το μέλλον της ιατρικής απεικόνισης και το ρόλο που διαδραματίζει η AI.

Όπως ξεκαθάρισε, η ΤΝ είναι εξαιρετικά αποτελεσματική στο να προσδιορίζει την απάντηση σε ένα συγκεκριμένο πρόβλημα. Το ζήτημα είναι πως συνδυάζεται η ΑΙ με τις κατευθυντήριες οδηγίες για παράδειγμα, πως εφαρμόζεται στο πλαίσιο μιας συνολικής διαδικασίας αξιολόγησης ώστε να διαγνωστεί νωρίτερα το πρόβλημα και να επιλεγεί η αποτελεσματικότερη θεραπεία.

Δεν αντικαθιστά το ρόλο του γιατρού και του ακτινολόγου, τόνισε επανειλημμένα. «Είναι ένα εργαλείο που έχουν στη διάθεση τους και το οποίο θα μπορεί να τους προσφέρει περισσότερο ποιοτικό χρόνο με τους ασθενείς τους».

Περισσότερες, σύνθετες ιατρικές εικόνες - Υποστελέχωση των ακτινολογικών τμημάτων και burnout

Ευθύς εξαρχής, τα νέα δεδομένα, τα εμπόδια και οι προκλήσεις που αντιμετωπίζουν τα ακτινολογικά τμήματα διεθνώς πρωταγωνίστησαν στη συζήτηση. Όπως μας εξήγησε ο κος Salvador, στο χώρο της ιατρικής απεικόνισης καταγράφεται τα τελευταία δέκα χρόνια μια εκτίναξη του αριθμού των εικόνων. Είναι αυξημένες 5 έως 10 φορές. Επιπλέον, είναι και πιο περίπλοκες.

Δύο είναι οι παράγοντες που συμβάλλουν στην αύξηση των απεικονίσεων, μας εξηγεί, καθώς πρόκειται για ένα συνδυασμό της εξέλιξης της τεχνολογίας και της αυξημένης ζήτησης.

«Από τη μία, η τεχνολογία εξελίσσεται. Κάποια χρόνια πριν μιλούσαμε για 200 εικόνες ανά αξονική, ενώ τώρα μιλάμε για 2,3 ακόμη και 4 χιλιάδες εικόνες. Οπότε έχουμε μια έκρηξη δεδομένων. Επιπλέον, δεδομένου ότι η ιατρική απεικόνιση είναι απαραίτητη για την έγκαιρη διάγνωση και τον προσδιορισμό της κατάλληλης θεραπευτικής προσέγγισης για τον ασθενή, σε πεδία όπως χρόνιες παθήσεις και ο καρκίνος, έχουμε όλο και αυξανόμενη ζήτηση για τέτοιου είδους υπηρεσίες». Η αυξανόμενη σημασία των ιατρικών απεικονίσεων, όμως, συνοδεύεται από τεράστιες πιέσεις για τα ακτινολογικά τμήματα διεθνώς, καθώς μαστίζονται από σοβαρή υποστελέχωση.

Η έλλειψη δεν αφορά μόνο τους ακτινολόγους, αλλά συνολικά το προσωπικό, μας διευκρινίζει και προσθέτει πως τα μηχανήματα γίνονται όλο και πιο περίπλοκα στη χρήση και χρειάζεται εκπαιδευμένο προσωπικό. Όλα αυτά έχουν και ακόμη μια σοβαρή επίπτωση, αυτή του burnout, της υπερκόπωσης του προσωπικού.

«Οπότε αν συνυπολογίσουμε και το μεγάλο αριθμό απεικονίσεων, σε αρκετές περιπτώσεις οι ακτινολόγοι, μέσα σε μια 8ωρη βάρδια, έχουν μόλις 2-3 δευτερόλεπτα για να διαβάσουν κάθε μια απεικόνιση».

«Βλέπουμε, λοιπόν, ήδη σημάδια του burnout, με το 46% των ακτινολόγων να αναφέρουν σημάδια υπερκόπωσης», τόνισε ο κ. Salvador.

Παραθέτει όμως και μια ακόμη μία σοβαρή παράμετρο:

«Στα παραπάνω θα πρέπει να προσθέσουμε και ακόμη έναν παράγοντα. Μελέτες καταγράφουν 40 εκατ. ιατρικά λάθη που σχετίζονται με την ιατρική απεικόνιση, σε ετήσια βάση! Οπότε τίθεται και θέμα ποιότητας».

Ωστόσο, εκτιμά πως η τεχνολογία μπορεί να συνδράμει και στα δύο μέτωπα.

Πολύτιμη συνδρομή της Τεχνητής Νοημοσύνης

Στην πίεση που προκύπτει από το λιγότερο προσωπικό και τις πολλαπλάσιες απεικονίσεις, διέξοδο μπορεί να προσφέρει η Τεχνητή Νοημοσύνη, εξηγεί ο Global Head του Τμήματος Ψηφιακής Τεχνολογίας της Bayer.

«Πως μπορεί να βοηθήσει η ΑΙ; Να ομαλοποιήσει τη ροή και το φόρτο της εργασίας. Η ΤΝ είναι ιδανική στην αυτοματοποίηση εργασιών, ειδικά όλες τις επαναλαμβανόμενες διαδικασίες. Αλλά όχι μόνο. Μπορεί να εντοπίζει τους ασθενείς που πρέπει να εξεταστούν πρώτοι, αυτό που λέμε διαλογή, αλλά και να κάνει προβλέψεις πιθανών αναγκών, συνδράμοντας στη διάγνωση και όχι υποκαθιστώντας το ρόλο του γιατρού, όμως. Μπορεί να συμβάλλει στον εντοπισμό πιθανών όγκων, βοηθώντας στις μετρήσεις όγκων για παράδειγμα. Μπορεί, άλλωστε, να λειτουργήσει και ως δίκτυ ασφαλείας, ως ενός τύπου δεύτερος «αναγνώστης» των ιατρικών εικόνων. Σε κάποιες ευρωπαϊκές χώρες, μεταξύ αυτών Σκανδιναβικές χώρες, η ΤΝ χρησιμοποιείται ως μια «δεύτερη ματιά».

Μπορεί λοιπόν να στηρίξει τη διάγνωση και παράλληλα, υπάρχουν περιπτώσεις όπου μπορεί να βοηθήσει στον εντοπισμό νόσων που δεν διαγιγνώσκονται εύκολα ή σπάνιων παθήσεων», σημειώνει ο κ. Salvador και διευκρινίζει:

«Για παράδειγμα σε πρόγραμμα πρώιμης διάγνωσης με μαστογραφία (screening), όπου θα πρέπει να ελεγχθεί διπλά μια απεικόνιση, αντί να υπάρχει δεύτερος ακτινολόγος θα μπορούσε το ρόλο αυτό να αναλάβει η ΤΝ και όπως δείχνουν τα στοιχεία, να εξοικονομηθεί χρόνος. Αν υπάρχει απόκλιση φυσικά θα ελεγχθεί από τον ειδικό.

Ακόμη και στην καθ’ημέρα κλινική πράξη , η ΤΝ μπορεί να συμβάλλει στην εξοικονόμηση χρόνου. Σε ένα ογκολογικό τμήμα όπου ο χρόνος είναι πολύτιμος ιδίως για τον ασθενή και όπου πρέπει, για παράδειγμα, να συγκριθούν οι νεότερες απεικονίσεις με παλαιότερες εξετάσεις, για να εξακριβωθεί αν ένας όγκος μειώνεται ή αυξάνεται, ή πρέπει να εξαχθούν δεδομένα από το σύστημα, ο ακτινολόγος πρέπει να «διαβάσει» μια εικόνα σε 3 με 4 δευτερόλεπτα! Όλες αυτές οι «χειρωνακτικές εργασίες» μπορούν να διεξαχθούν από την ΑΙ.

Έτσι, στο τέλος της ημέρας, εξοικονομώντας συγκεντρωτικά πολύτιμα λεπτά, δίνεται στους επαγγελματίες υγείας το πλεονέκτημα να αφιερώσουν περισσότερο χρόνο στους ασθενείς, πολύτιμος ειδικά για ασθενείς με περίπλοκα προβλήματα υγείας όπως ο καρκίνος».

Η Τεχνητή Νοημοσύνη σε Ακτινολογικά Τμήματα σε όλη την Ευρώπη;

Αναπόφευκτα αρκετές από τις ερωτήσεις που απευθύναμε στον κ. Salvador είχαν να κάνουν με τις δυνατότητες των συστημάτων υγείας να υιοθετήσουν εφαρμογές AI. Ειδικά όταν σε αρκετές δομές υγείας απουσιάζουν νεότερες τεχνολογίες ή ψηφιοποιημένα αρχεία.

«Η ΤΝ θα μπορούσε ενδεχομένως να εφαρμοστεί σε όλα τα ψηφιακά μηχανήματα, ακόμη και τα παλαιότερα. Η κάθε AI αναπτύσσεται για συγκεκριμένα μοντέλα, για συγκεκριμένες αξονικές τομογραφίες κλπ. Η τεχνολογία όμως είναι εκεί.

Σε δεύτερο επίπεδο υπάρχει και το θέμα των ιατρικών αρχείων. Δεν είναι όλες οι πληροφορίες ψηφιοποιημένες, όντως. Για αυτό και τυπώνονται ακόμα εξετάσεις», διευκρίνισε.

Εκτίμησε, ωστόσο, ότι «η τεχνητή νοημοσύνη δεν είναι απαραίτητη μόνο για ακαδημαϊκά ινστιτούτα υψηλής τεχνολογίας που θέλουν να εργαστούν με ΑΙ τελευταίας τεχνολογίας. Η ΤΝ μπορεί να είναι χρήσιμη σε μονάδες με περιορισμένο αριθμό προσωπικού ή με λιγότερη εμπειρία. Για παράδειγμα σε περιφερειακά νοσοκομεία.

«Εργαζόμαστε στην ανάπτυξη λύσεων που βασίζονται στο ψηφιακό νέφος (cloud). Στην πράξη σημαίνει πως οι απεικονίσεις που λαμβάνονται στο νοσοκομείο στέλνονται στο cloud, όπου και επεξεργάζονται και άρα δεν χρειάζονται μεγάλες επενδύσεις σε IT τοπικά και στη συνέχεια αποστέλλεται το αποτέλεσμα. Ως ακτινολόγος, αν είχα και τη βοήθεια της ΑΙ θα έχω και τη «δεύτερη ματιά» στο αποτέλεσμα. Εκτιμώ ότι η ΤΝ πιθανώς να είναι περισσότερο επιδραστική στα περιφερειακά νοσοκομεία από ότι σε εξειδικευμένα κέντρα».

«Σκεφτείτε την ΤΝ ως το GPS στο αυτοκίνητο σας», πρόσθεσε, «στην αρχή θα είναι χρήσιμο για να σας καθοδηγήσει πως θα πάτε από το Βερολίνο στο Λεβερκούζεν, για παράδειγμα. Αλλά ακόμα και αν γνωρίζετε το δρόμο, πιθανόν είναι ότι θα το χρησιμοποιήσετε και πάλι γιατί θα σας παρέχει άλλου είδους πληροφορίες, όπως αν είναι κάποιος δρόμος κλειστός, πόση ώρα θα χρειαστείτε για να φθάσετε κλπ. Η ΤΝ λοιπόν είναι κυρίως πληροφορίες, δεδομένα, κάνει μετρήσεις, επισημαίνει σημεία προσοχής, βοηθάει το γιατρό να εξετάσει ταχύτερα και αποτελεσματικότερα μια εικόνα».

«Οπότε μπορεί να φθάσει η ΤΝ σε όλους; Ειδικά σε χώρες με περιορισμένες δαπάνες, ελλείψεις προσωπικού και ζητήματα υποδομών, όπως η Ελλάδα ή χώρες της ανατολικής Ευρώπης. Μπορεί κάθε ασθενής στην Ευρώπη να επωφεληθεί από εφαρμογές τεχνητής νοημοσύνης;», επιμείναμε.

«Δεν είναι θέμα τεχνολογίας. Για αυτό και αναφέρθηκα σε περιφερειακά νοσοκομεία. Εκτιμώ ότι η ΑΙ μπορεί να έχει ακόμη μεγαλύτερη επίδραση, να βοηθήσει περισσότερο σε τέτοιου είδους δομές ή συστήματα που αντιμετωπίζουν ελλείψεις προσωπικού.

Το ερώτημα είναι πως οι εταιρίες μπορούν να φθάσουν σε αυτά τα σημεία, πως μπορούν να γίνουν τέτοιες επενδύσεις, πως εν ολίγοις χρηματοδοτείς την ΑΙ. Η δική μας προσέγγιση δεν σχετίζεται με τον αριθμό των εφαρμογών ΤΝ που εντάσσουμε στην πλατφόρμα, δεν λειτουργούμε σαν κλασικό marketplace. Διαθέτουμε συγκεκριμένο αριθμό εφαρμογών, που αποδεικνύουν την αξία τους.

Στο επίπεδο των νοσοκομείων ή των υγειονομικών περιφερειών πρέπει να προσεγγίζεται από την οπτική του οφέλους για τα οικονομικά της υγείας. Αν στο πλαίσιο ενός προγράμματος προσυμπτωματικού ελέγχου εντοπίσεις, για παράδειγμα, σε πρώιμο στάδιο γυναίκες με καρκίνο του μαστού μειώνεις αφενός τον κίνδυνο θανάτου και αφετέρου εξοικονομείς χρήματα, από άμεσα και έμμεσα κόστη. Πρέπει να μελετάται το συνολικό κόστος στο σύστημα υγείας, σε σχέση με το φορτίο της νόσου και τη σημασία πρόληψης της, που σημαίνει πως υπάρχει τρόπος χρηματοδότησης του».

Ερωτηθείς περαιτέρω για το κόστος της επένδυση σε AI για ένα νοσοκομείο ή ένα σύστημα υγείας ο επικεφαλής του Τμήματος Ψηφιακής Τεχνολογίας Bayer σημείωσε πως το «ακριβό» είναι σχετικό, ειδικά στο χώρο της Υγείας.

«Η ίδια η ανάπτυξη της ΤΝ έχει κόστος, απαιτεί πολλά δεδομένα και χρόνο. Χρειάζονται 2 με 3 χρόνια για να αναπτυχθούν αυτά τα συστήματα από τους μηχανικούς. Νομίζω ότι ο τρόπος προσέγγισης θα πρέπει να είναι από την πλευρά της αξίας που προσφέρει, εστιάζοντας στα αποτελέσματα που παράγει. Αν, για παράδειγμα, δούμε το σύστημα εξέτασης (screening), αν μπορέσει να μειώσει την επιβάρυνση κατά 20%, θα πρέπει να εστιάσουμε όχι στην τιμή αλλά στην αξία που προσφέρει αν συνεισφέρει στην εξοικονόμηση χρόνου και λειτουργεί υπέρ του/της ασθενούς», υπογραμμίζει.

«Οπότε υπάρχουν εμπόδια στην εφαρμογή λύσεων ΑΙ και ποια είναι αυτά; Υπάρχουν κενά στο ρυθμιστικό πλαίσιο ή δυσκολίες στην κατάρτιση του προσωπικού;», διερωτηθήκαμε. Δεν εκπλαγήκαμε όταν ο κ. Salvador εστίασε στο ζήτημα της διαλειτουργικότητας των συστημάτων.

«Η τεχνολογία της ΤΝ δεν είναι νέα, αναπτύσσεται χρόνια τώρα. Είναι όμως νέα για πολλούς γιατρούς και δομές υγείας που αρχίζουν να επενδύουν σοβαρά σε τέτοιες εφαρμογές. Υπάρχουν, λοιπόν, πολλά αναχώματα στην υιοθεσία της ΑΙ», ανέφερε και πρόσθεσε:

«Το ρυθμιστικό πλαίσιο υπάρχει, αλλά απαιτείται εκπαίδευση τόσο για το τι είναι η ΤΝ και να αποσαφηνίσεις τι μπορεί και τι δεν μπορεί να κάνει. Φυσικά υπάρχουν και πολλά ζητήματα διαλειτουργικότητας. Πρέπει να συνδεθούν διαφορετικά μοντέλα/λειτουργικά συστήματα (modalities), αλλά και να ληφθούν δεδομένα από διαφορετικά σημεία. Κατά τη γνώμη μου το σημαντικότερο είναι να δείξεις πως η συγκεκριμένη ΑΙ θα είναι λειτουργική για τον κάθε ασθενή, να αποδεικνύεται δηλαδή η αποτελεσματικότητα της στην καθ’ ημέρα κλινική πράξη. Ζήτημα είναι βέβαια και ποιος την πληρώνει.

Πέραν της Calantic, λοιπόν, που αφορά στα νοσοκομεία, αναπτύξαμε και το Calantic Spark, ένα πρόγραμμα που απευθύνεται κυρίως στις εταιρείες ΑΙ, με το οποίο τις βοηθάμε να ανταποκριθούν στις προϋποθέσεις που απαιτούνται για να ενταχθούν στην πλατφόρμα. Για παράδειγμα για να αποδείξουν την αξία του λογισμικού τους, ώστε να μπορέσει κάποια στιγμή να αποζημιωθεί. Το κλειδί για να ξεκλειδώσει η υιοθέτηση της ΤΝ σε ευρύτερη κλίμακα είναι κατά πόσο μπορείς να αποδείξεις την αξία και να ενταχθείς σε σύστημα αποζημίωσης».

Τι φέρνει λοιπόν η Bayer στο πεδίο της τεχνητής νοημοσύνης;

«Προσφέρουμε μια πραγματικά ασθενοκεντρική προσέγγιση», τόνισε ο κ. Salvador, μεταξύ άλλων, απαντώντας σε ερώτηση για τη συμβολή της Bayer στο πεδίο της AI.

«Επενδύουμε σημαντικά όχι απαραίτητα σε ένα ρόλο προγραμματιστών, δημιουργών προγραμμάτων τεχνητής νοημοσύνης, αλλά δημιουργώντας το χώρο που θα επιτρέψει την ανάπτυξη λύσεων διαχείρισης παθήσεων. Καταρχήν, δεν είμαστε μόνο εταιρείας που δραστηριοποιείται στην ακτινολογία, είμαστε και φαρμακευτική εταιρεία. Βρισκόμαστε, λοιπόν, στην πλεονεκτική θέση που μας επιτρέπει να συνδυάσουμε διαγνωστικά και θεραπείες. Συνεπώς, συνδυάζουμε προϊόντα και υπηρεσίες, που πραγματικά προσφέρουν λύσεις για παθήσεις, ο καρκίνος του μαστού ή του προστάτη.

Βασικά, λοιπόν, προσφέρουμε μια πραγματικά ασθενοκεντρική προσέγγιση. Στη Bayer απασχολούνται πολλοί γιατροί, οπότε όταν εξετάζουμε μια τεχνολογία την προσεγγίζουμε από την ιατρική οπτική γωνία. Οι λύσεις που διαθέτουμε στην αγορά διασφαλίζουμε ότι υποστηρίζονται από ορθή επιστημονική τεκμηρίωση.

Σε ό,τι αφορά τα προϊόντα, διασφαλίζουμε πως με την Calantic (νέα πλατφόρμα της Bayer, η οποία παρέχει πρόσβαση σε ψηφιακές εφαρμογές, συμπεριλαμβανομένων προγραμμάτων με δυνατότητα τεχνητής νοημοσύνης για ιατρική απεικόνιση) ενσωματώνουμε στην καθημερινότητα των ακτινολόγων νέες ψηφιακές λύσεις, χωρίς να διαταράσσεται το έργο τους. Μάλιστα, διασφαλίζουμε πως είναι επαναλαμβανόμενη η λειτουργία.

Να σας δώσω ένα παράδειγμα. Όταν εισάγεται μια μεμονωμένη ΤΝ, πχ σύστημα για τη διάγνωση καρκίνου του μαστού ή οποιοδήποτε, για να εγκατασταθεί μόνη της σε ένα νοσοκομείο, η διαδικασία διαρκεί ένα χρόνο. Αν αποφασιστεί να επιλεχθούν και άλλες AI εφαρμογές, έλεγχος για καρκίνο του προστάτη ή για τον πνεύμονα, τότε ο επικεφαλής του τμήματος IT θα χρειάζεται ένα έτος κάθε φορά. Αν ένα νοσοκομείο αποφασίσει να επενδύσει στην ΤΝ για να στηρίξει τη λειτουργία του αυτή η διαδικασία δεν είναι βιώσιμη. Εδώ έρχεται η προσέγγιση της πλατφόρμας, η οποία εγκαθίσταται μια φορά και διαχειριζόμαστε όλες τις διαδικασίες για τον πελάτη. Δεν χρειάζεται να συνδιαλέγεται ο ακτινολόγος με όλους τους πωλητές λύσεων ΤΝ. Βλέπουμε την αγορά, επιλέγουμε τους κατάλληλους πωλητές, συνάπτουμε συμβόλαιο μαζί τους, διεξάγουμε την τεχνολογική αξιολόγηση, τους ενσωματώνουμε στην πλατφόρμα και εντάσσονται στο σύστημα ανάγνωσης απεικονίσεων. Στην πράξη, απλοποιούμε τη διαδικασία. Με ένα συνδρομητικό μοντέλο, όταν εγκατασταθεί η πλατφόρμα, είναι εύκολο να επιλεχθούν οι εφαρμογές ΑΙ, να δοκιμάζονται και αν ταιριάζουν στον χρήστη [τον ακτινολόγο, το νοσοκομείο] αγοράζονται και ενσωματώνονται.

Η Τεχνητή Νοημοσύνη δεν είναι νέα αλλά είναι αρκετά καινούργια για να έχει άγνωστες πλευρές ειδικά στη χρήση της στην κλινική ρουτίνα».

Πηγή φωτογραφιών: sLkphoto (myECR.org)