Z powodu długich kolejek do specjalistów pacjenci próbują sami się diagnozować. W przyszłości wsparciem dla nich może być mądrze zaprojektowana AI

– Co drugi pacjent, z którym rozmawiam, diagnozuje się sam, w dobrej wierze, próbując znaleźć przyczynę swoich kłopotów zdrowotnych. „Doktor Google” jest dobry, ale w kabarecie, natomiast jeżeli chodzi o prawidłową praktykę szpitalną, nie wnosi nic dobrego, ale pacjenci o tym nie wiedzą – mówi agencji Newseria dr n. farm. Leszek Borkowski, farmakolog kliniczny w Szpitalu Matki Bożej Nieustającej Pomocy w Wołominie. – Myślę, że dostępność do czegoś powoduje, że my jako ludzie korzystamy z tego z korzyścią, ale w przypadku leczenia poważnych chorób korzystamy z pokrzywdzeniem, dlatego że to my ponosimy konsekwencje złych wyborów.

Samodiagnozowanie i wdrażanie leczenia na własną rękę jest szczególnie groźne w przypadku poważnych dolegliwości, gdzie czas diagnozy, reakcji na nią oraz odpowiednia terapia często warunkują dobre rokowania pacjenta.

– Trochę pacjentów usprawiedliwiam, bo jeżeli słyszę: „Czekałem na konsultację pół roku, osiem miesięcy”, to ja się nie dziwię, że osoba, która ma dolegliwości, próbuje sobie jakoś poradzić. Sprawny system ochrony zdrowia jest jednym z antidotów na szarlatanów medycznych, bo gdyby ci ludzie nie czekali po wiele miesięcy na diagnozę, badanie lub zabieg, sami nie szukaliby rozwiązań – uważa dr Leszek Borkowski.

W świetle ubiegłorocznego raportu Fundacji Watch Health Care (październik/listopad 2024 roku) wśród 215 analizowanych świadczeń zdrowotnych w 104 odnotowano pogorszenie dostępności. Wzrósł średni czas oczekiwania na dostęp do lekarzy specjalistów w porównaniu do okresu lipiec/sierpień 2023 roku – o 0,6 mies. Największe wydłużenie średniego czasu oczekiwania odnotowano w dziedzinach takich jak geriatria (o 2,5 mies.), endokrynologia (o 2,4 mies.), immunologia (o 2,0 mies.) czy też otolaryngologia (o 2,0 mies.). Najdłuższe kolejki ustawiają się do angiologa (13,9 mies.), endokrynologa (12,1 mies.) oraz chirurga naczyniowego (11,6 mies.).

Również w przypadku czasu oczekiwania na świadczenia z dziedzin wybranych na podstawie epidemiologicznej przewagi występowania dolegliwości i chorób wśród kobiet sytuacja uległa pogorszeniu. Według danych z Barometru WHC 2024 „Kobieta w kolejce” średnio na udzielenie świadczenia gwarantowanego Polki musiały czekać 3,5 miesiąca, podczas gdy w 2023 roku było to 2,7 miesiąca. W przypadku świadczeń kobiecych, czyli dotyczących chorób związanych z narządami rodnymi, porodem i połogiem, średni czas oczekiwania wyniósł 2,8 miesiąca, co w porównaniu do 2023 roku oznacza wzrost o 0,3 mies.

Pacjentów, którzy sami chcą się troszczyć o swoje zdrowie, coraz mocniej wspiera sztuczna inteligencja.

– Sztuczna inteligencja jest pomocna, a będzie coraz bardziej, bo ona też się uczy. Ale musimy ją tak sprofilować, żeby ona dawała dwa kierunki pomocy. Jeden dla profesjonalistów – to jest inny język, inny zakres wiadomości, a druga pomoc – dla pacjentów, bo sztuczna inteligencja też może im pomagać – tłumaczy farmakolog kliniczny w Szpitalu Matki Bożej Nieustającej Pomocy w Wołominie. – Gdyby sztuczna inteligencja na przykład mówiła pacjentowi: zaszczep się przeciwko pneumokokom, bo twoje leczenie będzie przebiegało sprawniej, to może on by z tego korzystał bardziej niż z informacji otrzymywanej przed przyjęciem do szpitala. Myślę, że trzeba szukać różnych kierunków. Sztuczna inteligencja mądrze zaprojektowana, mocno tkwiąca w realiach i prawdzie naukowej, może być jak najbardziej przydatna.

Jak podkreśla Komisja Europejska, postępy w technologii opartej na AI mogą zrewolucjonizować opiekę zdrowotną, aby stawała się skuteczniejsza i dostępniejsza. W diagnostyce może ona zwiększać dokładność badań i umożliwiać wcześniejsze wykrywanie chorób, co często prowadzi do mniej inwazyjnych i bardziej opłacalnych wariantów leczenia. Wśród praktycznych zastosowań sztucznej inteligencji w praktyce klinicznej wymieniono m.in. systemy AI stosowane w badaniach mammograficznych, które mogą identyfikować wczesne objawy raka piersi z niezwykłą dokładnością, często przekraczającą możliwości radiologów.

– Czy służba zdrowia będzie odciążona przez sztuczną inteligencję? Dzisiaj nie, dlatego że nawet dając prawidłową odpowiedź pacjentowi, nie mamy wpływu, co zrobi pacjent. Bardzo często jest tak, że pacjent słyszy: „Idź w prawo”, a potem idzie w lewo. W związku z tym myślę, że dzisiaj sztuczna inteligencja nie zastąpi tradycyjnej ochrony zdrowia, natomiast w mojej opinii może ją znacznie wesprzeć – uważa dr Leszek Borkowski.

W maju br. Jerzy Szafranowicz, podsekretarz stanu w Ministerstwie Zdrowia (pełni tę funkcję do 26 sierpnia br.), odpowiadając na interpelację posłanki z Polska 2050, wskazał, że środki z Krajowego Planu Odbudowy i Zwiększania Odporności będą w kolejnych miesiącach wspierać rozwój innowacyjnych narzędzi w ochronie zdrowia. Finansowane z KPO projekty będą się skupiać m.in. na usługach bazujących na algorytmach eksperckich lub sztucznej inteligencji oraz uczenia maszynowego w celu wspomagania pracy personelu medycznego, podejmowania decyzji klinicznych, jak również minimalizacji ryzyka wystąpienia błędu lekarskiego. Resort planuje także sfinansować w ramach KPO utworzenie Platformy Usług Inteligentnych, która ma służyć dostarczaniu specjalistycznych usług medycznych wspieranych algorytmami AI przy wykorzystaniu m.in. zasobów Centrum e-Zdrowia. Jednym z pierwszych zastosowań ma być diagnostyka obrazowa, np. RTG, TK, MRI. Podmioty medyczne uzyskają dostęp do narzędzia, do którego będą mogły wysłać badanie obrazowe, i w stosunkowo krótkim czasie otrzymać interpretację wyniku wykonaną przez algorytm AI. Takie rozwiązanie przyspieszy proces stawiania diagnozy oraz wdrażanie leczenia. Planowane jest również wykorzystanie voicebotów i chatbotów w przypominaniu o lekach, umawianiu wizyt i pobieraniu informacji o wynikach badań.

Jak pokazują badania prowadzone przez Centrum e-Zdrowia, placówki medyczne najczęściej wdrażają rozwiązania w zakresie diagnostyki obrazowej. W marcu w niemal 12 tys. podmiotów medycznych AI wykorzystywana jest w diagnostyce obrazowej typu CT (33,9 proc.),  w procesie wspomagania decyzji klinicznych (16,2 proc.) i w diagnostyce obrazowej typu MRI (15,9 proc). Jeszcze większy odsetek podmiotów ma w planach wdrożenie AI w tych obszarach.