Sztuczna inteligencja w ochronie zdrowia wymaga nie tylko zaawansowanej technologii, ale przede wszystkim głębokiego zrozumienia specyfiki medycznego środowiska. Najnowszy raport MIT Technology Review, opracowany we współpracy z Mayo Clinic Platform, analizuje wyzwania związane z dostosowywaniem rozwiązań AI do rzeczywistych potrzeb służby zdrowia.
Sektor ochrony zdrowia boryka się z presją finansową, niedoborem personelu oraz rosnącym obciążeniem związanym ze starzeniem się społeczeństwa. Deweloperzy AI obiecują rozwiązania problemów — od leczenia nowotworów po usprawnienie zadań administracyjnych. Jednak jak pokazuje praktyka, bez odpowiedniego podejścia nawet najbardziej zaawansowane technologie mogą nie przynieść oczekiwanych rezultatów.
Kluczowe wnioski
- FDA zatwierdziła już ponad 1300 urządzeń medycznych opartych na AI, z czego większość stanowią narzędzia do interpretacji obrazów diagnostycznych.
- 72% liderów technologicznych w służbie zdrowia wskazuje redukcję obciążenia personelu medycznego jako główny priorytet wdrażania AI.
- 61% organizacji medycznych planuje partnerstwa z zewnętrznymi dostawcami w celu stworzenia dedykowanych rozwiązań AI zamiast kupowania gotowych produktów.
- 77% respondentów uważa niedojrzałe narzędzia AI za istotną barierę w ich adopcji.
- Ponad połowa zatwierdzeń FDA na urządzenia AI nastąpiła w ciągu ostatnich trzech lat, choć najwcześniejsze pochodzą z 1995 roku.
Szybki rozwój aplikacji medycznych AI
Amerykańska Agencja ds. Żywności i Leków zatwierdziła już ponad 1300 urządzeń medycznych wykorzystujących sztuczną inteligencję. Większość z nich to narzędzia do interpretacji obrazów diagnostycznych, jednak spektrum zastosowań stale się poszerza. Aplikacje spoza radiologii wykonują już tak różnorodne zadania jak monitorowanie bezdechu sennego, analizowanie rytmu serca czy planowanie operacji ortopedycznych.
Jeszcze trudniejsze do śledzenia, ale równie szybko rozwijające się, są aplikacje AI, które nie zaliczają się do urządzeń medycznych — na przykład te obsługujące harmonogramowanie i zadania administracyjne. Sztuczna inteligencja może koordynować złożone zadania i przepływy pracy, które tradycyjnie są zarządzane za pomocą tablic i karteczek samoprzylepnych.
Jak wskazuje Steve Bethke, wiceprezes ds. rynku deweloperów rozwiązań w Mayo Clinic Platform: „Ochrona zdrowia jest bardzo złożona. Deweloperzy rozwiązań muszą skupić się głęboko na możliwościach klinicznych i technicznych, a następnie dopasować swoje rozwiązania do odpowiednich wpływów biznesowych. Jeśli przeoczą którykolwiek wymiar, rozwiązanie nie zostanie przyjęte ani nie będzie generować wartości”.
Partnerstwa kluczem do sukcesu
Badanie McKinsey pokazuje, że 61% organizacji ochrony zdrowia zamierza realizować partnerstwa z zewnętrznymi dostawcami w celu opracowania dostosowanych rozwiązań generatywnej AI jako strategię podstawową, zamiast budowania ich we własnym zakresie lub kupowania gotowych produktów.
Takie podejście wynika z kompleksowości sektora medycznego. Aplikacje AI w ochronie zdrowia muszą być dostosowane do niuansowanych potrzeb klinicznych dostawców usług medycznych, jak również do złożonych względów biznesowych i regulacyjnych całego sektora. Niedojrzałe lub nieodpowiednio zaprojektowane narzędzia AI mogą narazić pacjentów na ryzyko — dlatego 77% respondentów wskazuje je jako istotną barierę w adopcji.
Regulatorzy i prawodawcy również bacznie obserwują ryzyko związane z rozwojem i adopcją AI w medycynie, choć amerykański krajobraz regulacyjny wciąż się kształtuje, jak zauważa raport Kongresu z 2024 roku dotyczący AI w ochronie zdrowia.
Sukces wdrożeń AI w medycynie zależy od głębokiego zrozumienia środowiska ochrony zdrowia i dostosowania aplikacji do tego, czego dostawcy usług medycznych naprawdę chcą i potrzebują. Tylko takie podejście pozwala uniknąć pułapek charakterystycznych dla tego sektora i zmaksymalizować wpływ oraz wartość produktów AI.
