50 petabajtów – ponad 50 tysięcy terabajtów. Dwa razy więcej danych, niż zawiera cała amerykańska Biblioteka Kongresu. Tyle danych generuje w ciągu roku przeciętny amerykański szpital. Każdego dnia prześwietlenia, testy genetyczne, badania krwi i różne procedury diagnostyczne generują 137 terabajtów danych.
Zobaczenie w tym oceanie danych potencjału, który może zmienić medycynę i opiekę medyczną, wymaga wyjścia poza horyzont obliczeniowy. Dane medyczne to nie tylko historie konkretnych ludzi, często w najtrudniejszych dla nich momentach życia. To też opowieść o problemach naszego zglobalizowanego świata, polityce, systemie opieki medycznej i sposobach radzenia sobie ze strachem przed przemijaniem. Chcąc zmieniać krążące w medycynie dane w realne, odczuwalne przez pacjentów terapie i procedury, a także narzędzia wspierające personel medyczny, musimy zmienić nasze myślenie o AI.
Sano (to słowo w esperanto oznacza zdrowie) jest międzynarodową instytucją badawczą z siedzibą w Krakowie. W tym roku świętuje pięciolecie swojego powstania. Tomasz Gubała, jeden z założycieli fundacji, podkreśla, że Sano od swoich początków poszukuje nowej wiedzy z zakresu medycyny i biologii człowieka. W tym celu wykorzystuje do obliczeń najpotężniejsze superkomputery dostępne w Polsce – zainstalowane w Centrum Komputerowym Cyfronet – oraz w Europie (Niemcy, Finlandia). Ma także własną infrastrukturę obliczeniową, składającą się z szeregu tzw. klastrów przetwarzających dane. Część z nich jest wyspecjalizowanych w trenowaniu modeli sztucznej inteligencji, inne dostosowane są do uruchamiania symulacji komputerowych (np. przepływów krwi) czy analizy dużych zbiorów danych medycznych.
Badacze z Sano realizują obecnie wiele interdyscyplinarnych projektów o szerokiej tematyce. Znajdziemy tu zagadnienia z obszaru symulacji i modelowania fizjologii człowieka, diagnostyki, medycyny spersonalizowanej, technologii VR/AR (wirtualnej i rozszerzonej rzeczywistości), robotyki, a także zaufania do wirtualnych istot, edukacji medycznej i automatyzacji procesów w opiece medycznej. Dane, na których pracuje Sano, są konsultowane z lekarzami, pielęgniarkami i pacjentami. Ważny jest także kontekst gromadzenia danych, który potem ma ogromne znaczenie w ich analizie: czy dane zostały zebrane z wywiadu z matką dziecka, czy ojcem, ile czasu miał lekarz na ocenę stanu pacjenta, na jakim sprzęcie robione były testy, czy pacjent nie poruszył się podczas obrazowania, jakie cechy ma region, z którego pochodzi pacjent?
Przy okazji tej pracy Sano pomaga standaryzować sposoby gromadzenia danych i optymalizować sposoby ich zapisu. To wszystko sprzyja budowaniu kultury innowacji i szerokiej wymianie wiedzy. Najbardziej owocne współprace zawsze zaczynają się od wyzwania i jasno sformułowanego problemu. Potem nawiązują się relacje, wykształca się wspólny język komunikacji, który często jest wyrazem lepszego zrozumienia z jednej strony działania technologii obliczeniowych, z drugiej – procedur medycznych i działania organizmu człowieka. Tętnice, które były zwykłymi rurkami dla fizyka, w trakcie realizacji projektu naukowego stają się ważną częścią samoregulującego systemu, który modelowany w środowisku cyfrowym, uwzględnia różnice anatomiczne pomiędzy pacjentami.
„Głównym celem i wyzwaniem współczesnej medycyny jest zapewnienie wszystkim pacjentom jak najwyższej jakości życia, a można to osiągnąć poprzez spersonalizowane leczenie” – pisze prof. Marco Viceconti z Uniwersytetu w Bolonii, przewodniczący Międzynarodowego Komitetu Naukowego Centrum Sano. „Takie podejście zapewnia nie tylko lepsze efekty lecznicze, ale także mniej skutków ubocznych. Równie ważny jest fakt, że dzięki zindywidualizowanej diagnostyce i terapii koszty związane z leczeniem ulegają zmniejszeniu, co z kolei sprawia, że więcej osób może poddać się leczeniu za te same pieniądze. Korzyści płynące ze spersonalizowanej opieki zdrowotnej są zatem niezwykle ważne zarówno w krajach rozwiniętych, jak i rozwijających się” – dodaje badacz.
Obecnie Sano zatrudnia kilkudziesięciu specjalistów – informatyków, programistów, analityków danych, biologów, psychologów, neuronaukowców oraz personel wspierający – z 13 krajów.
ZOBACZ INFOGRAFIKĘ W WIĘKSZEJ WERSJI >>>
Jednym z realizowanych przez Sano projektów jest program BabyNet++, który wykorzystuje sztuczną inteligencję do szacowania masy urodzeniowej płodu. Niska masa urodzeniowa może mieć znaczący wpływ na zdrowie niemowlęcia. Pomimo powszechnego stosowania ultrasonografii do szacowania masy płodu standardowe modele predykcyjne mogą szacować masę płodu nawet z 15-procentowym błędem. Celem tego projektu jest poprawa dokładności szacowania masy urodzeniowej, która jest kluczowym czynnikiem w zarządzaniu ryzykiem okołoporodowym.
Sztuczna inteligencja może posłużyć także do planowania terapii ortodontycznej. W ramach programu DENTNet zespół Sano koncentruje się na analizie skanów tomografii komputerowej uzębienia, na podstawie których planowana jest terapia. Opracowana w Sano nowatorska metoda, oparta na sztucznej inteligencji, pozwala na dokładniejsze zrozumienie i bardziej szczegółowe obrazowanie anatomii zębów. „Dzięki interaktywnemu interfejsowi opartemu na gestach, systemy rzeczywistości rozszerzonej pozwalają w wygodny i precyzyjny sposób manipulować danymi 3D, dodatkowo zapewniając efekt głębi. Prezentowany projekt na tym etapie koncentruje się na ortodoncji, jednakże pozwala na uniwersalną wizualizację dla różnych specjalizacji stomatologicznych i medycznych” – piszą twórcy.
Najnowsze technologie przetwarzania danych, w tym generatywna sztuczna inteligencja (GAI), oferują jednak o wiele większe możliwości dla systemów, które w najbliższej przyszłości mogą znaleźć zastosowanie w medycynie. Zespół dr. Przemysława Korzeniowskiego z Sano posługuje się technologią GAI do generowania realistycznych syntetycznych danych chirurgicznych, które następnie mogą być wykorzystywane do szkolenia modeli głębokiego uczenia się, obsługujących urządzenia i programy medyczne.
„Rozmawiająca” sztuczna inteligencja, z jaką spotykamy się w programach takich jak ChatGPT, może pełnić funkcję trenera, nadzorcy czy doradcy w symulatorach działających w wirtualnej czy rozszerzonej rzeczywistości. Dzięki usprawnionym symulatorom adepci medycyny będą mogli przygotowywać się do najtrudniejszych operacji, takich jak naprawa rozszczepu kręgosłupa, bez ryzyka dla żywych pacjentów.
Inny zespół naukowy Sano – Computer Vision Data Science (Brain and More, BAM) – wykorzystuje widzenie komputerowe w neuroobrazowaniu, od mikroskopii po rezonans magnetyczny. Symulacja i analiza danych mają pozwolić na diagnozowanie i przewidywanie chorób neurodegeneracyjnych, a także guzów mózgu. Zespół koncentruje się na analizie obrazu rezonansu magnetycznego (MRI) i histologii.
„Jednym z naszych celów jest automatyzacja procesu segmentacji odpowiednich cech w obrazach histologicznych, która może pomóc w diagnostyce lub badaniach. Na przykład automatyzujemy ocenę guza mózgu, aby odciążyć patologów. Dalsze powiązane cele w tym zakresie to ujednolicenie barwień histologicznych z różnych laboratoriów, co umożliwi ich lepszą klasyfikację. Chcemy także odciążyć radiologów, wspomagając automatyzację opisów radiologicznych” – wyjaśnia dr Alessandro Crimi.
Wszystkie te obszary badawcze bazują na synergii dwóch podejść obliczeniowych: pierwszego, opartego na fizyce (tworzenie dokładnych modeli różnych organów czy tkanek), oraz drugiego, opartego na zbieraniu i analizie danych. Te podejścia spotykają się w rozwijanej w Sano koncepcji „cyfrowego bliźniaka”, o którym można myśleć jako o wirtualnej kopii stanu ciała pacjenta. To na tej kopii lekarze i badacze testować mogą różne scenariusze terapeutyczne oraz symulować konsekwencje swoich decyzji. Im bardziej wierny rzeczywistości będzie nasz „cyfrowy bliźniak”, tym mniej negatywnych skutków ubocznych terapii będziemy doświadczać.
Badania w obszarze medycyny obliczeniowej i spersonalizowanej, takie jak te prowadzone w Sano, mogą zmienić nie tylko oblicze medycyny, ale także sposób, w jaki myślimy o AI. Nowe, oparte na sztucznej inteligencji, rozszerzonej rzeczywistości i analizie danych technologie mogą pozwolić szpitalom i innym centrom opieki zdrowotnej lepiej wybierać to, jakie ze swoich ograniczonych zasobów angażować w opiekę nad pacjentami, tak by zmaksymalizować korzyści dla wszystkich swoich podopiecznych. Postawią nas też przed możliwością odtworzenia życia w wymiarze cyfrowym. Ale te rosnące możliwości są także wezwaniem do ogromnej odpowiedzialności.
Możemy sądzić, że informatyczny przełom w opiece zdrowotnej jest dopiero przed nami. W najbliższych dziesięcioleciach strumienie danych dotyczących naszego zdrowia połączą się, tworząc wielowymiarowy obraz, który pozwoli lekarzom precyzyjnie kontrolować stan zdrowia każdego z nas i dostosowywać swoje zalecenia do indywidualnych potrzeb. Internetowe serwisy, inteligentne urządzenia takie jak smartwatche i zaawansowane algorytmy sztucznej inteligencji pozwolą nam kontrolować własne organizmy na sposoby, o jakich jeszcze niedawno zupełnie nam się nie śniło. Technologia obliczeniowa nie tylko pozwoli nam rozwinąć medycynę, ale wręcz stanie się jej częścią – otwierając przed nami nowe obszary w myśleniu o tym, jak zachować zdrowie i jak się o siebie troszczyć.
DR KATARZYNA BALIGA-NICHOLSON jest badaczką relacji człowiek-AI. W Sano zajmuje się projektowaniem i wdrażaniem innowacji w dziedzinie sztucznej inteligencji i medycyny obliczeniowej.
Wykupienie dostępu pozwoli Ci czytać artykuły wysokiej jakości i wspierać niezależne dziennikarstwo w wymagających dla wydawców czasach. Rośnij z nami! Pełna oferta →
Masz konto? Zaloguj się
365 zł 95 zł taniej (od oferty "10/10" na rok)
