Sztuczna inteligencja coraz śmielej wkracza do świata medycyny, dostarczając innowacyjnych narzędzi wspierających lekarzy w diagnozie i leczeniu pacjentów. Najnowszy przykład pochodzi z prestiżowej szkoły medycznej Icahn przy Mount Sinai w Nowym Jorku, gdzie opracowano i wdrożono model oparty na sztucznej inteligencji, który czterokrotnie zwiększył skuteczność wykrywania i leczenia majaczenia (delirium) u hospitalizowanych pacjentów. Nowatorski system analizuje dane pacjentów w czasie rzeczywistym i automatycznie powiadamia specjalistyczny zespół medyczny, który podejmuje interwencję zanim objawy staną się poważniejsze.
Majaczenie to poważne, często niedostrzegane zaburzenie funkcji poznawczych, które może dotykać aż do jednej trzeciej osób przebywających w szpitalach. Stan ten objawia się nagłym i silnym zamąceniem świadomości, zaburzeniami uwagi oraz dezorientacją, a jego konsekwencje bywają dramatyczne: wydłużenie hospitalizacji, wzrost śmiertelności oraz znaczne pogorszenie zdrowia w długoterminowej perspektywie. Do tej pory systemy oparte na sztucznej inteligencji nie potrafiły skutecznie pomóc w realnej identyfikacji tego zagrożenia w warunkach klinicznych. Dzięki innowacyjnemu podejściu zespołu badaczy z Mount Sinai, sytuacja ta uległa znaczącej poprawie.
W przeciwieństwie do wcześniejszych prób, nowy model nie był rozwijany w warunkach laboratoryjnych w odosobnieniu. Od samego początku prace nad nim były prowadzone w ścisłej współpracy z lekarzami i personelem szpitalnym. Takie podejście – zwane integracją wertykalną – umożliwiło natychmiastowe dostosowywanie algorytmu do realiów szpitalnego życia, co przełożyło się na jego praktyczność, dokładność i skuteczność. Efektem było zwiększenie wskaźnika rozpoznawalności delirium z 4,4% do 17,2% miesięcznie – imponujący wzrost, który pokazuje potencjał wykorzystania AI do poprawy jakości opieki zdrowotnej.
System oparty na uczeniu maszynowym analizował zarówno ustrukturyzowane dane medyczne pochodzące z elektronicznych kart pacjentów, jak i nieustrukturyzowane notatki tworzone przez personel. Dzięki zastosowaniu zaawansowanego przetwarzania języka naturalnego (NLP), model był w stanie rozpoznawać subtelne wzorce językowe – często niezauważalne dla człowieka – wskazujące na wczesne objawy zaburzeń świadomości. Co istotne, pracownicy szpitala nie musieli zmieniać swoich rutynowych obowiązków – każda notatka służyła modelowi do dalszego uczenia się i doskonalenia predykcji, bez dodatkowego obciążenia dla kadry.
W badaniu uwzględniono ponad 32 tysiące pacjentów przyjętych do szpitala Mount Sinai w Nowym Jorku, reprezentujących szeroki przekrój populacji – zarówno pod względem etnicznym, jak i medycznym. To czyni wyniki badania tym bardziej wartościowymi, gdyż większość dotychczasowych badań koncentrowała się na wąskich grupach pacjentów, co ograniczało możliwości szerszego zastosowania modeli AI. Dodatkowo, dzięki wcześniejszemu wykrywaniu osób zagrożonych majaczeniem, lekarze mogli dobrać bezpieczniejsze metody leczenia, unikając m.in. nadmiernego stosowania leków uspokajających, co znacząco poprawiło komfort i bezpieczeństwo pacjentów, szczególnie tych w starszym wieku.
Podkreśla się, że rola modelu AI nie polega na zastąpieniu lekarzy, a raczej na wspieraniu ich pracy. Algorytm pełni funkcję „asystenta”, który przetwarza ogromne ilości danych medycznych, dostarczając personelowi trafnych informacji diagnostycznych w czasie rzeczywistym. Dzięki temu specjaliści mogą skupić się na działaniach terapeutycznych, zamiast na czasochłonnym przeszukiwaniu dokumentacji.
Choć pierwsze wdrożenie modelu odbyło się w placówkach Mount Sinai, trwają już testy w innych ośrodkach tego systemu zdrowia. Ostatecznym celem twórców projektu jest pełne przystosowanie i zintegrowanie mechanizmów wspierających podejmowanie decyzji klinicznych z codzienną praktyką szpitalną – także poza granicami Nowego Jorku.
Eksperci zauważają, że zastosowanie AI w medycynie otwiera nową erę „uczących się systemów zdrowia”, które z biegiem czasu stają się coraz bardziej efektywne. Wcześniejsze sukcesy Mount Sinai w wykorzystywaniu sztucznej inteligencji do przewidywania pogarszającego się stanu pacjentów czy diagnozowania niedożywienia były jedynie wstępem do rewolucji, jaka czeka branżę opieki zdrowotnej w nadchodzących latach.
Badanie zostało szczegółowo opisane w prestiżowym czasopiśmie medycznym JAMA Network Open, w artykule zatytułowanym „Machine Learning Multimodal Model for Delirium Risk Stratification”, a jego autorami są m.in. Joseph I. Friedman, Prathamesh Parchure, Katherine Reina i David L. Reich. Rezultaty wskazują jasno: odpowiednio zaprojektowane i wdrożone narzędzia AI mogą realnie zmieniać życie pacjentów na lepsze.
