Natalia Kieszek: Jaka jest Pani główna wizja dla przyszłości polskiej opieki zdrowotnej w kontekście sztucznej inteligencji i telemedycyny?
Ligia Kornowska: Tę wizję możemy podzielić na bliską i daleką przyszłość. Pierwsza z nich to perspektywa 5, a nawet 10 lat. Natomiast w dalekiej przyszłości myślę, że jeszcze za naszego życia doświadczymy tego, że ochrona zdrowia naprawdę będzie nas chronić. To nie będzie tylko zarządzanie chorobą. Sztuczna inteligencja oraz analityka predykcyjna będą analizować nasze zdrowie, zanim jeszcze zachorujemy. Dzięki temu będziemy wcześniej otrzymywać informacje, czy istnieje prawdopodobieństwo zachorowania na daną dolegliwość. To pozwoli nam na wdrożenie wcześniejszego leczenia lub zmiany stylu życia, która nas uchroni przed chorobą.
Natomiast w bliższej przyszłości oczekuje się, że nowe technologie będą wdrażane w punktowych miejscach opieki zdrowotnej. To już się dzieje m.in. w radiologii. Nawet w Polsce sztuczna inteligencja jest stosowana i poprawia jakość opisów tomografii komputerowej czy rezonansu magnetycznego. Obecnie większość algorytmów AI jest podpowiedzią dla lekarzy i nie daje ostatecznej diagnozy.
Warto w tym miejscu wspomnieć, że jeszcze 7 lat temu w Stanach Zjednoczonych został zaakceptowany wyrób medyczny oparty o AI, który samodzielnie daje wynik diagnostyczny, bez potrzeby „podpisu” lekarza pod nim. To rozwiązanie dotyczy badania dna oka u osób chorych na cukrzycę. W Polsce też korzystamy z takich rozwiązań.
Gdzie obecnie, zdaniem Pani, Polska znajduje się na mapie Europy pod względem cyfrowej transformacji w zdrowiu? Co nas wyróżnia, a gdzie mamy największe braki?
Choć lubimy narzekać, w szczególności na ochronę zdrowia, to na tle europejskim wypadamy naprawdę dobrze. Są statystyki Unii Europejskiej dotyczące transformacji cyfrowej, gdzie Polska plasuje się na topowych miejscach. Przykładem są dane mówiące o tym na ile pacjent ma dostęp do swojej dokumentacji medycznej. Wystarczy zainstalować aplikację Internetowego Konta Pacjenta, gdzie mamy podgląd do części dokumentacji m.in. do naszych recept (choć oczywiście jeszcze wiele jest do zrobienia).
Wdrożenie e-recepty w Polsce było modelowym przykładem innowacji w mojej opinii. Bardzo szybko to rozwiązanie stało się standardem, z którego wszyscy korzystają. Z drugiej strony jeżeli e-recepta przestanie działać, to zawsze mamy możliwość wystawienia papierowej wersji. Co ciekawe, nie w każdym kraju Unii Europejskiej funkcjonują takie rozwiązania.
Natomiast mówiąc o brakach, to wciąż mamy problem z dostępem do pełnej dokumentacji medycznej. W przypadku gdy pacjent ma przeprowadzoną operację w szpitalu A, to często szpital B nie ma dostępu do wszystkich informacji. Na ten moment połowa szpitali w Polsce jest podłączona do systemu centralnego P1, który indeksuje dokumentację medyczną. Natomiast 1/3 placówek dzieli się tą dokumentacją między sobą. Dużo pracy jeszcze przed nami.
Oprócz tego, jeśli mówimy o gromadzeniu baz danych medycznych zanonimizowanych na cele badawczo-rozwojowe, to mimo że mamy w Polsce różne bazy danych medycznych, to dostęp do nich nie jest transparentny. W przypadku gdy firma farmaceutyczna czy technologiczna tworzy rozwiązania z korzyścią dla pacjenta, to jest małe prawdopodobieństwo, że uzyskamy dostęp do takich danych. Uważam, że powinniśmy udrożnić dostęp do tych danych i to powinien być nasz priorytet.
Jakie są największe wyzwania prawne i etyczne związane z wdrażaniem AI w sektorze medycznym?
Dużo osób twierdzi, że w ochronie zdrowia sztuczna inteligencja nie jest uregulowana i wciąż brakuje nam regulacji na to. Nic bardziej mylnego – medycyna na co dzień korzysta z AI całkowicie legalnie. Pamiętajmy, że algorytm, z którego korzystamy do diagnozowania i leczenia pacjenta musi być certyfikowanym wyrobem medycznym. Co więcej, nowa regulacja unijna wymaga odpowiedniej klasy certyfikacji. W praktyce oznacza to, że wyrób medyczny oparty o AI musi mieć badania potwierdzające jego czułość i swoistość.
Oczywiście wciąż istnieją wyzwania prawne. Z jednej strony mamy dokument Medical Device Regulation, a z drugiej AI Act. Choć niektóre przepisy się pokrywają to nie zawsze jest jasne, która regulacja ma wyższość. Na szczęście te wyzwania są już adresowane na poziomie Unii Europejskiej.
Jako konsultantka startupów, na co zwraca Pani największą uwagę oceniając nowy projekt w obszarze zdrowia?
Polska ma naprawdę wiele innowacyjnych technologii stosowanych w medycynie. Często mamy sytuacje, że to polskie startupy tworzą dane rozwiązanie jako pierwsze w Europie i debiutują one na rynkach zagranicznych. Uważam, że możemy być dumni z naszych osiągnięć w tym zakresie.
Startupy medtechowe powinny skupić się na tym, aby posiadać wiedzę jak w rzeczywistości funkcjonuje polski sektor ochrony zdrowia. Widzę, że to wciąż niedoceniana umiejętność. Nawet jeśli stworzymy algorytm AI, który świetnie działa to on musi być przyjazny dla jego użytkowników, czyli lekarzy. Na koniec dnia startupy medyczne muszą pamiętać nie tylko o skuteczności tworzonego produktu, ale również musimy być pewni, że jego użytkowanie nie przysporzy personelowi medycznemu jeszcze więcej pracy.
Czyli osoba związana z medycyną to must have w zespole startupu?
Publikujemy co roku raport Top Disruptors in Healthtech, w którym pojawia się pytanie do startupów medycznych jakich kompetencji najbardziej im brakuje. Wyniki pokazują, że w zespołach często brakuje umiejętności sprzedażowych i informatycznych. Dlatego widzimy, że część startupów ma już medyka na swoim pokładzie, a druga część właśnie nie docenia tej potrzeby.
A jak to wygląda z perspektywy polskich funduszy venture capital specjalizujących się w zdrowiu? Czy oferują coś więcej niż tylko kapitał?
To oczywiście zależy od funduszu. Jednak musimy pamiętać, że medtech to zarówno koszto- jak i czasochłonny sektor. Jeżeli fundusze planują exit ze startupu medycznego po trzech latach od inwestycji to niestety to będzie zdecydowanie za wcześnie. Sam proces certyfikacji wyrobu medycznego trwa kilkanaście miesięcy i dopiero później podmioty mogą zacząć komercjalizować swój produkt czy technologię. Pamiętajmy, że sektor medyczny wciąż pozostaje konserwatywny, przez co wdrażanie nowych technologii to wydłużony proces. I choć obietnica zwrotu może być wysoka, to trzeba wspierać startupy w czasochłonnych procesach.
Skoro tyle mówimy o ulepszeniach, to dlaczego wciąż nie przyspieszono procesu certyfikacji?
Można certyfikację przeprowadzić szybciej, nawet w ciągu 9 miesięcy. Jednak faktycznie startup musi postarać się, aby dostarczyć wtedy pełną dokumentację. Natomiast wyzwaniem jest dyspozycyjność jednostek certyfikujących. Niestety w ostatnich latach ze względu na nowe regulacje unijne dotyczące wyrobów medycznych, wiele z nich musiało dokonać re-certyfikacji.
Z drugiej strony jeśli chcemy mieć wyrób medyczny z potwierdzoną skutecznością to wymaga badań naukowych. Zgromadzenie takich danych jest oczywiście czasochłonne. Dlatego na ten moment nie jesteśmy w stanie przeskoczyć tego etapu.
Wspomniała Pani, że sektor medyczny jest konserwatywny. To czy z drugiej strony jest wystarczająco otwarty na testowanie i kupowanie innowacyjnych rozwiązań od krajowych startupów?
Wiceministrem zdrowia odpowiedzialnym za cyfryzację jest od niedawna profesor, który był dyrektorem Instytutu Medycznego, który jako pierwszy w Polsce wdrożył Departament Sztucznej Inteligencji w swoim szpitalu. Wciąż największym wyzwaniem publicznej ochrony zdrowia jest brak publicznego finansowania innowacyjnych rozwiązań. Niestety szpitale, które chcą wdrażać nowe rozwiązania najczęściej muszą to pokryć z własnego budżetu.
Z otwartością natomiast nie jest źle. Przechodzimy z dyskusji czy AI zastąpi lekarza do rozmów jak AI może pomóc jako technologia. 13% szpitali w Polsce korzysta ze sztucznej inteligencji, prawie 40% placówek planuje wdrożenie nowych rozwiązań w ciągu 12 miesięcy.
Wiele mówi się o zastosowaniu AI w radiologii. Czy są inne obszary, które mają największy potencjał w wykorzystaniu sztucznej inteligencji?
W tej chwili ¾ rozwiązań certyfikowanych jest skierowanych do oceny badań obrazowych, najczęściej radiologicznych. Jest to łatwy obszar dla sztucznej inteligencji, ponieważ dysponujemy danymi do trenowania. Jednak AI wykorzystujemy tak naprawdę w każdej dziedzinie medycyny, nawet w psychiatrii. Oczywiście nie mam tutaj na myśli wykorzystania chatbotów generatywnych, które nie są certyfikowanymi wyrobami medycznymi.
Komentarze
Nie ma jeszcze żadnych komentarzy :)