Termenul „inteligenţă artificială” (en.: Artificial Intelligence – AI) este folosit pentru a descrie utilizarea computerelor și tehnologiei în scopul simulării unei gândiri critice și unui comportament inteligent la niveluri comparabile cu cele umane. Termenul provine din anii '50, iar Alan Turing a fost atunci unul dintre fondatorii computerelor moderne și ai inteligenţei artificiale.

AI în medicină înseamnă atât programe virtuale – menite să faciliteze, de exemplu, administrarea bazelor de date, stabilirea diagnosticului, monitorizarea pacienţilor sau să producă simulări 3D ale componentelor biologice –, cât și dispozitive fizice, cum sunt roboţii ori protezele inteligente.

Aparent, rezultatele obţinute până acum demonstrează că inteligenţa artificială arareori poate ţine locul personalului medical, ea venind însă în ajutorul medicului, economisindu-i timp și oferindu-i sugestii pe baza căutărilor în baze de date complexe.

În plus, persoanele care operează astfel de sisteme și baze de date în spitale necesită o minimă pregătire în domeniul medical pentru a putea evalua semnificaţia rezultatelor oferite de AI.

De menţionat, însă, că procesul de standardizare și de aprobare a soluţiilor de tip AI nu este deloc unul simplu. Sunt sisteme complexe, mai greu de înţeles pentru persoanele din afara domeniului.

Timp redus de diagnosticare

Un exemplu privind utilitatea tehnologiei de tip AI este programul folosit de Beth Israel Deaconess Medical Center, spital care ţine de Universitatea Harvard. Acolo se folosesc microscoape augmentate cu ajutorul AI pentru diagnosticarea în stadii incipiente a bolilor de sânge potenţial fatale.

Microscoapele pot scana probele de sânge pentru a detecta prezenţa unor bacterii precum E. coli cu o viteză mai mare decât ar putea-o face oamenii. Cercetătorii au folosit 25.000 de imagini de probe de sânge pentru a învăţa mașina cum să identifice bacteriile. Acurateţea acesteia este de 95%.

Un alt exemplu este aplicaţia LYNA (Lymph Node Assistant), dezvoltată de Google AI Healthcare, care analizează fragmente de ţesut ganglionar preparate prin coloraţie specifică, pentru a depista tumorile mamare metastatice.

Aplicaţia poate identifica regiuni suspecte pe care ochiul uman le poate rata. Folosită împreună cu evaluarea standard făcută de specialist, poate înjumătăţi timpul necesar acestei evaluări.

Instrumente de interpretare imagistică

Printre instrumentele care pot ușura activitatea medicilor sunt și platformele de diagnostic din radiologie. Ele scanează bazele de date și îi propun medicului radiolog interpretări privind imaginile obţinute. Astfel de exemple sunt DLAD (Deep Learning-based Automatic Detection), dezvoltat la Seoul National University Hospital și Zebra Medical Vision,
folosit în Israel.

Enlitic, o companie din San Francisco, care folosește date pentru a avansa diagnosticul medical, dezvoltă și ea instrumente de tip deep learning pentru a facilita stabilirea diagnosticelor de tip imagistic.

Platforma analizează date medicale nestructurate (filme de radiologie, teste sanguine, investigaţii EKG, genomică, istoricul pacientului) pentru a-i oferi medicului o imagine mai clară asupra nevoilor pacientului.

În 2016, Massachusetts Institute of Technology plasa Enlitic pe locul al cincilea în topul celor mai „smart” companii de AI din lume, deasupra unor companii precum Facebook și Microsoft.

Erori minime în depistarea infecţiilor nosocomiale

Există mai multe aplicaţii care încearcă să depisteze și să investigheze infecţiile nosocomiale, cu germeni rezistenţi, intraspitalicești. Germwatcher – sistem dezvoltat de Universitatea din Washington în 1993, este capabil să evalueze rezultatele culturilor, să clasifice nivelul de alertă pentru un microorganism și să decidă dacă îl raportează sau nu ca
infecţie nosocomială.

Sistemul Mercurio este conceput astfel încât să poată verifica dacă testele au fost realizate conform ghidurilor, să diferenţieze diferite tipuri de tulpini bacteriene și să semnaleze posibile focare, precum și să identifice
patternuri locale de rezistenţă care nu sunt acoperite de ghidurile standard. Alte exemple în acest domeniu sunt sistemele HASIS, TREAT, MoniICU, COSARA și WASPSS.

Dezvoltarea de noi medicamente

În noiembrie 2019, supercomputerul companiei DeepMind, achiziţionată de Google, a prezentat programul său care permite predicţia structurii 3D a proteinelor. Acest lucru, îmbunătăţit, va putea accelera procesul de
dezvoltare a medicamentelor.

Alte companii cu rezultate în domeniul dezvoltării de medicamente cu ajutorul inteligenţei artificiale, pentru a cita doar câteva dintre ele, sunt: BERG Health (în domeniul bolii Parkinson), Bioxcel Therapeutics (în domeniul imuno-oncologiei și neuroștiinţelor), XTALPI, Deep Genomics, BenevolentAI.

Ghid de orientare a pacientului

Numeroasele aplicaţii care pot fi utilizate prin intermediul telefoanelor mobile le pot fi utile și pacienţilor cu boli cronice. Folosirea lor poate preveni apariţia complicaţiilor, pentru că responsabilizează pacientul, oferindu-i instrumente de monitorizare și control asupra propriei sănătăţi.

Un astfel de instrument este platforma IDS/One Drop, care a intrat în portofoliul Bayer, destinată persoanelor cu diabet zaharat, hipertensiune arterială și hipercolesterolemie.

Platforma oferă informaţiile de care pacientul are nevoie, ajutându-l să-și personalizeze îngrijirile privind sănătatea în funcţie de stilul de viaţă și de
preferinţele sale.

Buoy Health este o platformă ai cărei algoritmi înregistrează simptomele pacientului și grijile sale legate de sănătate, apoi îl ghidează către departamentul potrivit, pe baza unui diagnostic. Este folosit de Harvard Medical School.

Babylon este o aplicaţie produsă tot de o companie americană, ce poate fi folosită de pacienţi pentru a solicita un consult medical
online, pentru a-și verifica simptomele, a solicita sfaturi medicale, a-și monitoriza sănătatea și a comanda kituri de testare.

Fluxuri de lucru îmbunătăţite

Johns Hopkins a încheiat un parteneriat cu General Electric pentru a-și îmbunătăţi managementul fluxului de pacienţi cu ajutorul tehnologiei. Folosește 14 sisteme IT și 22 de ecrane de înaltă rezoluţie.

Acestea sunt coordonate de 24 de angajaţi, capabili să identifice și să gestioneze riscul, să prioritizeze activitatea în beneficiul pacienţilor și să genereze intervenţii care să accelereze fluxul de pacienţi.

De la implementarea programului, spitalul a înregistrat o îmbunătăţire cu 60% a capacităţii de internare a pacienţilor cu afecţiuni complexe și o creștere cu 21% a externărilor înainte de ora prânzului. Spitalul raportează și o alocare cu 30% mai rapidă a paturilor din Urgenţă.

Compania Philips oferea recent Azurion, platformă menită să optimizeze intervenţiile ghidate imagistic, scurtând timpul necesar procedurilor și eficientizând timpul petrecut de medici în laboratorul de radiologie
intervenţională.

Robotică

Un robot adaptat „de sezon” este Spot, dezvoltat de Boston
Dynamics: un câine robot care „întâmpină” pacienţii sosiţi pentru triaj COVID în zonele de corturi sau în spaţiile amenajate în acest scop în parcări.

Robo-câinele are montate pe spate un iPad și un radio cu dublă emisie, prin intermediul cărora medicii pot comunica de la distanţă cu pacienţii, oferindu-le îndrumările necesare. Dezvoltatorii au în plan programarea lui pentru a înregistra funcţiile vitale ale pacienţilor și pentru a face dezinfecţie.