Pomůže v budoucnu s triáží na pohotovostech umělá inteligence?
Nová studie vědců z Kalifornské univerzity v San Franciscu jako jedna z mála pracuje při testování možností umělé inteligence (AI) ve zdravotnictví s reálnými klinickými daty. Jak AI obstála ve srovnání s trénovaným profesionálem na pohotovosti? A může ho brzy nahradit, pokud jde o rozhodování o naléhavosti ošetření v jednotlivých případech?
Přetížená pohotovostní oddělení
Známe to všichni: Jet na pohotovost znamená dlouhé čekání na ošetření, což je dané náporem lidí, kteří ji vyhledávají. Příčiny tohoto stavu jsou komplexní a sahají od individuálního zneužívání pohotovostní péče až po systémový nedostatek praktických lékařů vedoucí k tomu, že se lidé nemají v případě zdravotních potíží jednoduše na koho obrátit.
Ruce zdravotnického personálu by nicméně mohla v budoucnu uvolnit AI. A nejde o žádnou banální výpomoc – takzvaná triáž neboli určení naléhavosti klinického stavu pacienta je jedním ze základních procesů medicínského rozhodování nejen na pohotovostech.
Zapojení AI neřeší problém přetíženosti pohotovostí, ale mohlo by to v kombinaci s dalšími opatřeními přispět k tomu, že se práce na těchto odděleních zefektivní. Pomůže totiž rychleji vyřešit dilema, který ze dvou podobných případů upřednostnit. Tyto situace se pak v budoucnosti, s ohledem na stárnoucí populaci, budou vyskytovat stále častěji.
AI přitahuje pozornost v mnoha oblastech, zdravotnictví nevyjímaje, ale zatím chyběly studie, které by hodnotily její využití přímo v klinickém prostředí. Většina totiž pracuje jen se simulovanými scénáři.
Jak AI obstojí v porovnání s profesionály?
Recentní studie uveřejněná na platformě JAMA Network Open se zaměřila na zodpovězení otázky, zda je AI stejně dobrá v prioritizaci pacientů přicházejících na pohotovost, jako samotní lékaři. Využity v ní byly záznamy o 251 401 návštěvách na pohotovosti pro dospělé při univerzitní nemocnici v San Franciscu. Analýza dat hodnotila, jak je model AI schopen z klinických poznámek extrahovat symptomy a použít je k tomu, aby určil naléhavost případů.
V prvním kroku byla data pacientů pro účely studie anonymizována. Vytvořeno bylo 10 000 párů pacientů, v nichž byl vždy jeden jedinec ve vážnějším stavu (například jevil známky cévní mozkové příhody [CMP]) než ten druhý (například měl zlomeninu zápěstí).
K porovnání závažnosti jejich stavu vědci využili nejnovější verzi velkého jazykového modelu, ChatGPT-4. Poté výsledky srovnání vygenerované AI porovnali s indexem naléhavosti (ESI – emergency severity index) jednotlivých případů. Tento triážní algoritmus rozřazuje pacienty do 5 kategorií podle naléhavosti potřebného ošetření (okamžité, emergentní, urgentní, semiurgentní a neurgentní). Jedná se o nejčastěji využívanou triážní stupnici, která byla vyvinuta v roce 1998 a její nejaktuálnější pátá verze byla zveřejněna loni.
V druhé části výzkumu byl sestaven subvzorek 500 párů. Závažnost jejich zdravotního stavu určoval jak lékař, tak AI. Mohlo tak dojít k porovnání úspěšnosti obou metod.
Cesta AI na pohotovostní příjmy je ještě dlouhá
V první části výzkumu, kdy AI hodnotila závažnost případů na velkém vzorku spárovaných případů sama, byla její úspěšnost 89%. V případě, kdy závažnost hodnotila jak AI, tak lékař, byla úspěšnost obdobná a vzájemně srovnatelná (88 vs. 86 %). Velký jazykový model tedy dokáže zhodnotit závažnost zdravotního stavu pacientů, pokud mu k tomu poskytneme dostatek dat z jejich anamnézy vedené v rámci pohotovosti, obdobně jako profesionál.
Nadšení z výsledku studie je ale třeba trochu krotit. Zatím víme, že AI v tomto úkolu obstála, ale je třeba se ještě zamyslet nad aplikací služeb velkého jazykového modelu v klinickém prostředí. Předchozí výzkum totiž ukázal, že kvůli tréninku na reálných datech udržuje rasové a genderové stereotypy. Tyto „vedlejší účinky” AI zatím eliminovat neumíme. Do praxe na pohotovosti se AI každopádně nedostane bez validace předkládaných výsledků dalšími studiemi a řádného klinického testování.
Studie byla unikátní nejen použitím anonymizovaných klinických dat, ale i tím, v jakém množství s nimi pracovala. Jde o první studii, která pro toto testování použila více než 1000 klinických případů. Výzkum také vůbec poprvé pracoval s daty sesbíranými na pohotovosti, kde je jednotlivými případy reprezentována široká paleta různých onemocnění.
(pok)
Zdroje:
1. Williams C. Y. K., Zack T., Miao B. Y. et al. Use of a large language model to assess clinical acuity of adults in the emergency department. JAMA Netw Open 2024; 7 (5): e248895, doi: 10.1001/jamanetworkopen.2024.8895.
2. Berthold J. Emergency department packed to the gills? Someday, AI may help. University of California in San Francisco, 2024 May 7. Dostupné na: www.ucsf.edu/news/2024/05/427521/emergency-department-packed-gills-someday-ai-may-help
Líbil se Vám článek? Rádi byste se k němu vyjádřili? Napište nám − Vaše názory a postřehy nás zajímají. Zveřejňovat je nebudeme, ale rádi Vám na ně odpovíme.
Odborné události ze světa medicíny
Všechny kongresy
Nejčtenější tento týden
- Proč jsou nemocnice nepřítelem spánku? A jak to změnit?
- „Jednohubky“ z klinického výzkumu – 2024/42
- Není statin jako statin aneb praktický přehled rozdílů jednotlivých molekul
- Metamizol jako analgetikum první volby: kdy, pro koho, jak a proč?
- Konference Efektivní nemocnice 2024 hledala řešení pro české zdravotnictví