Umění preskripce: přirozená vs. umělá inteligence

To, co je všudypřítomným signum temporis, tedy znamením doby, které zasahuje všechny oblasti našeho života, včetně medicíny, je nepochybně nástup nových technologií a především umělé inteligence. Výjimku netvoří ani psychiatrie, jež na rozdíl od více exaktních oborů využívajících objektivně měřitelné parametry a biomarkery zůstává disciplínou, kde je diagnostika i léčba do velké míry závislá na subjektivním posouzení, na rozhovoru, pozorování a klinické zkušenosti lékaře.

Díky schopnosti zpracování velkých dat zde má AI potenciál pro široké využití. Namátkou by se mohlo jednat o možnosti screeningu a časné detekce, prevence rozvoje duševních obtíží a relapsu. AI může sloužit jako pomocník při diferenciální diagnostice i při analýze zobrazovacích a genetických dat. V praxi jsou ve stále větší míře využívané i digitální terapeutické nástroje, mobilní aplikace, virtuální terapeuti a chatboti. Moderní technologie, AI a virtuální realita nabízejí využití při vzdělávání odborníků, včetně modelů simulačních rozhovorů s pacienty a tréninkových vyšetření v obtížných situacích. V neposlední řadě AI lékařům usnadňuje administrativní zátěž, například automatickým přepisem a strukturováním záznamů z rozhovoru. Tématem je také její využití ve výzkumu, včetně psaní odborných textů.

Když si budou uživatelé vědomi limitů a rizik nových technologií, mohou práci psychiatra usnadnit. Nepřichází tím ale psychiatr zároveň o svoje know-how, svoji kompetenci? Nepovede spoléhání na externího experta k jakési intelektuální lenosti? Problém lze ilustrovat i na klinickém rozhodování o volbě správného léku pro konkrétního pacienta. Personalizovaná farmakoterapie patří k nejobtížnějším úkolům psychiatrie. Na rozdíl od mnoha jiných medicínských oborů nám chybí spolehlivé biomarkery, které by dopředu určily, na jaký lék pacient zareaguje. V praxi se proto dodnes naše volba z velké části opírá o metodu pokus–omyl: lékař zvolí antidepresivum nebo antipsychotikum na základě svých zkušeností a obecných doporučení, počká několik týdnů, sleduje účinek a nežádoucí účinky a podle výsledku případně léčbu upravuje. Tento proces je pro pacienty často frustrující, mnoho z nich léčbu předčasně ukončí kvůli nežádoucím účinkům dřív, než se stihne projevit terapeutický efekt.

Celá řada oborů, zejména urgentní medicíny, má zcela jasně algoritmizované doporučené postupy, kde je malý prostor pro kreativitu a improvizaci. Naopak v psychiatrii stále spoléháme na svůj klinický instinkt, „umění preskripce“. Často jsme přesvědčeni o tom, že víme nejlépe, co je pro daného pacienta nejvhodnější léčba. Pokud pomineme indikační, ekonomické (úhradové) a administrativní restrikce, tak si málokdy uvědomujeme, že kromě racionální rozvahy (účinnost vs. snášenlivost) naši volbu ovlivňuje i nevědomé a mnohdy iracionální faktory: předchozí zkušenost s konkrétním lékem, zvykové postupy daného pracoviště, autorita kolegů, postoj k pacientovi, aj.

To je jistě důvod k větší racionalizaci, a proto se také v poslední době objevilo několik digitálních nástrojů, které se snaží proces volby léčiva zefektivnit a hlavně „objektivizovat“ pomocí algoritmů, statistických modelů a strojového učení. Jedním z nich je PSYMATIK (https: //psymatik.com/), což je strukturované zpracování odborných doporučení a evidence do podoby snadno použitelných online kalkulátorů pro volbu antipsychotika nebo antidepresiva. Kromě dat z kontrolovaných studií je také provázán s mezinárodním doporučeným postupem pro léčbu schizofrenie INTEGRATE [1]. Optimalizace volby farmaka klade důraz především na profil nežádoucích účinků, síla doporučení je založena na poměru snášenlivosti a účinnosti. Nástroj obsahuje také „switcher“, tedy doporučení, jak převádět z konkrétního antipsychotika či antidepresiva na jiné. To připomíná obdobnou českou aplikaci pro převod mezi psychofarmaky Switch App (https: //switchapp.cz/).

Jiným webovým nástrojem pro volbu antidepresiva je program s akronymem pohádkové postavy PETRUSHKA (Personalising antidEpressant Treatment foR Unipolar depreSsion combining individual cHoices, risKs and big datA) [2]. Kombinuje prediktivní modely založené na datech z klinických studií a z reálné klinické praxe (elektronické zdravotní záznamy z primární péče) s preferencemi (obavami) pacienta ohledně možných nežádoucích účinků. Výsledkem je seřazený seznam antidepresiv ušitý na míru danému pacientovi, který slouží jako podklad pro rozhovor mezi lékařem a pacientem a nabízí doporučení pro sdílené rozhodování. Nástroj byl otestován v mezinárodní randomizované studii, jejíž výsledky ukázaly, že pacienti, kteří dostali antidepresivum vybrané pomocí PETRUSHKA, přerušovali léčbu do 8 týdnů výrazně méně častěji než pacienti, jejichž farmakum vybral lékař, a po 24 týdnech vykazovali i lepší výsledky v redukci depresivních a úzkostných symptomů [3]. Je zajímavé, že přínos byl výrazně vyšší v primární péči (u praktických lékařů) než u psychiatrů, u nichž se rozdíl v míře přerušení léčby ukázal jako statisticky nevýznamný, což naznačuje, že nástroj spíš doplňuje chybějící specializovanou expertízu, než že by překonával zkušeného psychiatra.

Podobné nástroje ukazují na další medicínský trend poslední doby, který zasahuje i do psychiatrie: sdílené rozhodování (shared decision) o léčebném postupu, včetně volby farmakoterapie. Nabourává tak klasický paternalistický přístup k pacientům. Ti již nejsou jen pasivními recipienty lékařských rad („Pane doktore, já dám na vás, jak myslíte vy.“), ale rovnocennými partnery. Pacienti nejen studují příbalové letáky a pak referují všechny vzácné vedlejší účinky, ale přicházejí vybaveni detailními, mnohdy zavádějícími, informacemi získanými z internetu („Dr. Google“) a s návrhy postupu, který jim poradila umělá inteligence. Změna tradičních rolí, ztráta omnipotentního postavení, je pro mnoho lékařů a zejména psychiatrů obtížně akceptovatelná, nicméně má i své nesporné benefity.

Jedním z největších přínosů sdíleného rozhodování je vyšší adherence. Pokud si pacient lék v jistém smyslu vybral sám, případně jeho volbu ovlivnil a aktivně se na ní podílel, je vyšší pravděpodobnost, že v léčbě vydrží i přes počáteční nepříjemné nežádoucí účinky. Pacient získává pocit kontroly a spoluúčasti, namísto pasivního přijetí předpisu aktivně vyjadřuje to, čeho se obává nejvíc (např. sedace, sexuální dysfunkce, nárůstu hmotnosti), a vidí, jak se jeho priority promítají do doporučení. To může snížit pocit bezmoci, který duševní onemocnění samo o sobě často doprovází. Mění se informační asymetrie, sdílené rozhodování posiluje terapeutické spojenectví, umožňuje pacientům lépe porozumět kompromisům, pochopit, že neexistuje jeden nejlepší lék pro všechny, ale že jde o vyvažování účinnosti a různých rizik.

Jako východiska pro sdílené rozhodování při volbě psychofarmaka slouží i další algoritmické nástroje, jako je např. Shared Decision-Making Assistant (SDMA; https: //ebmpp.org/tools/sdma-app/), zaměřený na výběr antipsychotik u schizofrenie [4]. Nejde o prediktivní algoritmus v pravém slova smyslu, ale spíše o vizualizační nástroj: kvalitní data ze síťových metaanalýz účinnosti a nežádoucích účinků antipsychotik převádí do podoby interaktivních grafů. Lékař s pacientem mohou nejprve vyřadit léky, které jsou z nějakého důvodu nevhodné (např. olanzapin u pacienta s diabetem), a poté si podle svých priorit –⁠ například podle důrazu na prevenci nárůstu hmotnosti nebo minimalizaci extrapyramidových příznaků –⁠ seřadit zbývající možnosti. Pro společné rozhodování o volbě vhodného antidepresiva může posloužit Depression Medication Choice Decision (https: //shareddecisions.mayoclinic.org/depressiondecisionaid/index) vyvinutý Mayo Clinic. Jde o interaktivní pomůcku určenou k použití přímo během konzultace mezi pacientem s depresí a jeho lékařem (typicky praktikem, ne nutně psychiatrem). Při srovnatelné účinnosti (alespoň podle kontrolovaných studií a meta-analýz) se vede diskuze primárně nad nežádoucími účinky, o jejich důležitosti a míře tolerance.

Všechny výše uvedené nástroje jsou volně dostupné. Není ani zcela podstatné, že jsou pouze v anglickém jazyce. Jsou to stále spíše klinické pomůcky, jež nelze považovat za AI řízené datové aplikace, jaké se nyní testují. Jejich společným jmenovatelem je, že žádný z nástrojů sám nepředepisuje, všechny fungují jako podpora klinického rozhodování, nikoli jako náhrada lékaře. Část pacientů z principu nedůvěřuje tomu, že by o jejich duševním zdraví měl rozhodovat počítačový skór, zvlášť pokud nerozumí tomu, na jakém základě doporučení vzniklo. Jiní pacienti mohou naopak algoritmu důvěřovat víc než lékaři, vnímat ho jako nezaujatý a založený na datech, zatímco lékaře podezírají z rutiny, časového tlaku, osobních preferencí, z korupce farmaceutickými firmami. To může vést k tomu, že zpochybňují úsudek psychiatra, pokud se od doporučení nástroje odchýlí, aniž by porozuměli tomu, proč to lékař v jejich konkrétním případě považuje za správné.

Mezi jednoznačné výhody těchto systémů patří systematické využití evidence. Algoritmus dokáže najednou zohlednit desítky studií a stovky až tisíce dat bodů (metaanalýzy, údaje z registrů), což přesahuje kapacitu jednotlivého lékaře udržet si v hlavě aktuální stav poznání pro každý lék. Mohou také redukovat osobní bias a rutinu, kvůli nimž lékaři mají tendenci předepisovat léky, se kterými mají zkušenost, i když nemusí být pro daného pacienta optimální. Významné je zohlednění preferencí pacienta, který může označit, čeho se nejvíc obává (sedace, sexuální dysfunkce, nárůstu hmotnosti aj.). Jejich přínos je velký i pro začínající a méně zkušené lékaře, přetížené systémy a tam, kde chybí úzká specializace a expertíza, typicky v primární péči, kde antidepresiva předepisuje praktický lékař. Také jejich administrace trvá řádově minuty a lze je použít i vzdáleně.

Nelze ale opomenout i jejich nevýhody, rizika a nástrahy. Doporučení vycházejí z výsledků kontrolovaných studií, jejichž data nemusí být zcela aplikovatelná na širokou a různorodou pacientskou populaci. Výsledky mohou vytvářet iluzi objektivity, kdy lékař i pacient mají tendenci důvěřovat doporučení počítače víc, než je zdrávo, a přehlížet klinický úsudek, který algoritmus nemusí zachytit (např. jemné signály suicidality, komplexní psychosociální kontext, atypickou prezentaci). Doporučení jsou v podstatě mechanická, nezohledňují farmakogenetický profil, epigenetické vlivy, laboratorní a zobrazovací nálezy, komorbiditu, souběžně užívanou medikaci, a nejedná se proto o skutečně personalizovanou medicínu.

Pokud se algoritmická doporučení stanou standardem a lékaři je budou dlouhodobě jen automaticky odklikávat, hrozí postupná eroze klinického uvažování a diagnostických dovedností a může být narušen terapeutický vztah. Podobný jev je ostatně popisován i v jiných oborech medicíny. Existují i právní konsekvence, pokud algoritmus doporučí lék, který způsobí závažný nežádoucí účinek; není vždy jasné, kdo nese odpovědnost, zda lékař, který doporučení přijal, instituce, nebo tvůrce softwaru. Hrozí také redukce komplexity na kvantifikovatelné proměnné, protože algoritmy pracují pouze s tím, co lze změřit a zakódovat. Mnohé z toho, co dělá psychiatrickou péči účinnou (terapeutický vztah, empatie, kontext života pacienta, motivace ke změně), se v těchto modelech zachytit nedá. Rizikem je samozřejmě i etická dimenze, možnost zneužití a úniku citlivých pacientských dat.

Klíčová otázka tedy nezní „člověk, nebo stroj“, ale jaké místo má algoritmus zaujmout ve vztahu k odbornému úsudku. Dosavadní evidence ukazuje na důležitý trend: přínos algoritmické podpory je největší tam, kde chybí specializovaná zkušenost, a naopak menší nebo žádný tam, kde už pacienta vede zkušený psychiatr. To naznačuje, že tyto nástroje jsou v současné fázi spíše doplňkem a demokratizací přístupu k evidenci než náhradou odborného úsudku psychiatra, přičemž dávají pacientovi více autonomie a kompetencí. Zároveň je ale potřeba brát vážně riziko postupného posunu: pokud se v budoucnu podobné nástroje stanou standardem péče, hrozí, že z „podpory rozhodování“ se postupně stane fakticky určující faktor, zvlášť v systémech, kde je velký tlak plátců péče a regulátorů na rychlost a výkon, s nedostatkem personálu. Je proto důležité nástroje pro volbu léku používat jako pomůcku pro sdílené rozhodování lékaře a pacienta, nikoli jako autonomní systém předepisující léčbu. Výstupem je seznam možností k diskuzi, nikoli jednoznačná instrukce. Z reakcí pacientů vyplývá, že oceňují především to, že konečně dostali lék „ušitý na míru“ a nejen ten, který lékař zkusí jako první podle zavedeného pořadí. Umělá inteligence v psychiatrii nemá ambici nahradit psychiatra nebo psychoterapeuta, ale může se stát jejich cenným pomocníkem.

Konflikt zájmů

V souvislosti s tímto textem autor nedeklaruje žádný konflikt zájmů. Při přípravě podkladů byl použit nástroj Claude AI.

prof. MUDr. Pavel Mohr, Ph.D.

Národní ústav duševního zdraví, Klecany

3. LF UK v Praze

e-mail: pavel.mohr@nudz.cz