Nakon uspješno održanog TeamUp x Health eventa, želimo vas podsjetiti na ključna znanja i informacije koja su proizašla iz panel rasprave “AI u Zdravstvu“. U panel raspravi sudjelovali su Mladen Fernežir, Marko Poljak, dr.sc. Tomislav Šmuc i Tomislav Strgar.
Tema drugog dijela panel rasprave: AI u zdravstvu – Najnoviji tehnološki trendovi kod primjene umjetne inteligencije u zdravstvu. bili su najnoviji tehnološki trendovi, a raspravljalo se o napretku u strojnom učenju, prirodnom procesiranju jezika, računalnom vidu, prediktivnoj analitici i drugim relevantnim tehnologijama.
Jedna od aktualnih tehnologija je i “Med-PalM”, veliki jezični model (LLM) razvijen od strane Googlea s ciljem pružanja kvalitetnih odgovora na medicinska pitanja. Med-PaLM koristi moć velikih jezičnih modela tvrtke Google, a njegovu primjenu usmjerili su prema medicinskom području. Prva verzija Med-PaLM-a, koja je predstavljena krajem 2022. godine, bila je prvi AI sustav koji je nadmašio zahtjeve na USMLE (United States Medical Licensing Examination) – ispit za medicinsku licencu u Sjedinjenim Državama. Med-PaLM također generira precizne i korisne odgovore na pitanja o zdravlju korisnika, što su ocijenili liječnički paneli i korisnici.
Nedavno je predstavljena njihova najnovija verzija, Med-PaLM 2, koja je ostvarila točnost od 86.5% na USMLE stilu pitanja, što je 19% poboljšanje u odnosu na prethodnu verziju Med-PaLM-a. Med-PaLM 2 također ima sposobnost generiranja odgovora na dugim formama pitanja o zdravlju korisnika koji su ocijenjeni kao značajno unaprijeđeni prema ocjenama liječnika. Više o Med-PalM 2 pogledaj u videu:
Panel rasprava započela je prikazom grafa koji govori o utjecaju tehnologija strojnog učenja na ishode u zdravstvu, prema mišljenju izvršnih direktora američkih zdravstvenih kompanija. Iz grafa možemo iščitati da većina ispitanika misli kako korištenjem ML tehnologija uglavnom povećava efikasnost liječenja pacijenata, dok mali dio ispitanika misli kako su ove tehnologije uglavnom rijetko kada ili nikada efektivne u poboljšanju liječenja pacijenata i pružanjem zdravstvene usluge.
dr. sc. Tomislav Šmuc započeo je raspravu iznošenjem podataka o broju patenata, gdje se vidi kako je Hrvatska 39. u svijetu prema ukupnom broju patenata u 2022., sa ukupno 49 patenata. Što se tiče patenata u području umjetne inteligencije, Europska unija je na začelju prema broju patenata ukoliko se uspoređuje sa ostalim svjetskim velesilama. Ipak, broj patenata vezanih uz AI unutar Europske Unije ipak je u porastu zadnjih nekoliko godina, a zemlje koje prednjače su Njemačka, Švedska i Francuska.
https://www.weforum.org/agenda/2019/12/ai-diagnose-disease-faster-china-4ir
Također, prof. dr.sc. Šmuc naglasio je važnost “image recognition” tehnologija u medicini. Ove tehnologije mogu biti od velike pomoći u postavljanju dijagnoze za različita stanja. Ti modeli mogu pregledati slike snimljene MRI ili rendgenskim aparatom i otkriti medicinske nepravilnosti koje su prethodno naučeni prepoznati.
Na primjer, mogu pomoći u identifikaciji broja i točne lokacije tumora na slici, što olakšava medicinskom osoblju da pravilno dijagnosticira zloćudne elemente. To omogućuje bržu i precizniju dijagnozu, što je ključno za pravovremeno liječenje pacijenata. Osim toga, mogu pronaći i male zloćudne elemente koje ljudsko oko možda ne bi primijetilo.
dr.sc. Tomislav Šmuc (lijevo) i Tomislav Strgar (desno)
Osim toga, AI image recognition ima ulogu i u praćenju pacijenata tijekom liječenja. Praćenje promjena na medicinskim slikama tijekom vremena omogućuje zdravstvenim stručnjacima da pravovremeno reagiraju na eventualne komplikacije ili pogoršanje stanja pacijenta. To omogućuje ranu intervenciju i može spriječiti napredovanje bolesti.Naravno, AI image recognition tehnologija ima i svoje izazove i ograničenja, o čemu više možete pročitati u članku o prvom dijelu panel rasprave.(Sažetak panel rasprave “AI u Zdravstvu”: teorija nasuprot prakse 1. dio – teamup.leanstartup.hr. Podsjećamo, velika količina podataka potrebna za obuku algoritama, privatnost pacijenata i etička pitanja su neka od pitanja koja se moraju rješavati.
Marko Poljak iznio je primjer kako se AI može na više načina koristiti u efikasnijem pružanju medicinske skrbi.
Primjerice, modeli prepoznavanja slika mogu pomoći u obuci mladih liječnika, omogućujući im da ne propuste važne detalje na slikama i dijagnosticiraju pacijente s većom sigurnošću. Druga korist je što ovi modeli smanjuju mogućnost ljudskih pogrešaka, čime smanjuju financijske i pravne probleme koje bolnice mogu imati zbog takvih pogrešaka.
Osim toga, modeli prepoznavanja slika mogu pružiti informacije o sličnim stanjima koja su identificirana kod drugih pacijenata, što može pomoći u točnijoj dijagnozi i bržem liječenju. Više o modelima prepoznavanja slika u medicine možete pogledati na ovome linku.
Marko Poljak, CEO, Newton Technologies Adria
Na kraju, takva AI tehnologija može biti korisna i izvan bolnica. Može se koristiti za samodijagnozu, gdje ljudi mogu provjeriti svoje zdravstveno stanje i na vrijeme reagirati ako primijete nešto neobično. Sve u svemu, AI prepoznavanje slika može biti velika pomoć u medicini, pružajući brže, preciznije dijagnoze i smanjujući ljudske pogreške.
Panelisti su također naglasili važnost očuvanja podataka pacijenata i krajnjih korisnika, što predstavlja novi izazov prilikom prikupljanja podataka na kojima bi se temeljili modeli strojnog učenja. O njima smo također nešto više napisali u prethodnome članku. Podsjetimo, rješavanje ovih izazova zahtijeva multidisciplinarni pristup koji uključuje zdravstvene stručnjake, stručnjake za podatkovnu sigurnost i etiku, programere te zakonodavce. Kombinacija tehnoloških rješenja i adekvatnih politika može pomoći u očuvanju podataka pacijenata i omogućiti sigurnu i odgovornu primjenu strojnog učenja u medicini.
Mladen Fernežir, co-founder Velebit AI
U nastavku rasprave, Mladen Fernežir naglasio je potrebu za edukacijom krajnjih korisnika o AI tehnologijama, a također istaknuo potrebu za ubrzanjem razvoja u Europi kako bi se ostala konkurentna na globalnom tržištu.
Nekoliko je razloga zašto je bitno educirati krajnje korisnike (u ovom slučaju pacijente i zdravstveno osoblje) o mogućnostima umjetne inteligencije, a oni su:
- Racionalno donošenje odluka: ukoliko je pojedinac upoznat sa mogućnostima i ograničenjima umjetne inteligencije, on je u mogućnosti donijeti bolje odluke kad je riječ o primjenama umjetne inteligencije.
- Sprječavanje zlouporabe: Nepoznavanje mogućnosti umjetne inteligencije može dovesti do potencijalne zlouporabe tehnologije. Edukacija o etičkim i sigurnosnim pitanjima potiče odgovornu primjenu AI-a kako bi se izbjeglo neetičko ili štetno korištenje podataka ili tehnologije.
- Poticanje inovativnosti: Ukoliko se korisnik educira o mogućnostima umjetne inteligencije, vjerojatnije je da će biti voljni prihvatiti i integrirati AI u svoje dnevne aktivnosti i radne procese.
- Očuvanje radnih mjesta: “Umjetna inteligencija neće u potpunosti zamijeniti radnike, ali će radnik koji koristi umjetnu inteligenciju zamijeniti onog radnika koji ju ne koristi.” Također, razumijevanjem umjetne inteligencije, korisnik će moći bolje shvatiti u kojem smjeru će ova tehnologija utjecati na industriju, te potencijalno bolje isplanirati tranziciju ili prekvalifikaciju te tako smanjiti stres uzrokovan potencijalnim gubitkom posla.
U ovom dijelu panel rasprave otkriveni su tehnološki trendovi za medicinu budućnosti. Naglasak je bio i na edukaciji korisnika o mogućnostima i etičkim aspektima AI-a, što je ključno za odgovornu primjenu, a rješavanje izazova u očuvanju podataka pacijenata zahtijeva timski pristup i pametno kombiniranje tehnoloških inovacija i pravilnih politika. Time se stvara siguran temelj za buduće zdravstvene inovacije, očuvanje radnih mjesta te bolje i brže medicinske usluge. Drugi dio panel rasprave dostupan je ovdje:
Želiš ostati u toku s najnovijim trendovima i mogućnostima u svijetu startupa? Prijavi se na naš Newsletter
TeamUp pomaže osnivačima startupa da pronađu suosnivače ili prve članove tima!
Komentari
3. dio sažetka panel rasprave: “AI u zdravstvu” – prilike za znanost ili biznis – Teamup