Przewidywanie przyszłości zdrowotnej
czyli jak przejść z opieki nad chorobą do opieki nad zdrowiem
Niedługo będą święta. Każdy z nas ma jakiegoś wujka (albo ciotkę, albo innego krewnego) który lubi się wtrącać nieproszony w nasze prywatne sprawy. W tym roku polecam “zemstę” - w ramach niezobowiązującej rozmowy przy świątecznym stole możemy naszemu dawno niewidzianemu wujkowi powiedzieć: “Wujku, nie wiem czy wiesz, ale Twoje ryzyko zgonu z powodu choroby sercowo-naczyniowej w ciągu 10 lat wynosi 30%”. Aby takie ryzyko obliczyć potrzebujemy tylko kilka podstawowych danych zdrowotnych. To nie kryształowa kula, ani magia, ani bajki.
To analityka predykcyjna. Polega ona na tym, że analizujemy teraźniejsze dane medyczne, aby przewidzieć jak będzie się kształtować nasze zdrowie w przyszłości.
I kiedy na konferencjach czy w wywiadach jestem pytana o to, co stanowi największy przełom w kontekście sztucznej inteligencji w zdrowiu, bez namysłu odpowiadam: analityka predykcyjna. Wzmocnienie standardowej analityki AI-em pozwoli nam z dużą dokładnością sprawdzić na co zdrowy człowiek w przyszłości zachoruje i wdrożyć intensywną profilaktykę (a czasem nawet agresywne leczenie!) zanim pojawią się pierwsze objawy choroby.
Staroć w nowym pudełko?
Kiedy opowiadam o analityce predykcyjnej większość osób jest przekonana, że jest to koncepcja science-fiction. Nie bardzo rozumiem dlaczego tak jest, bo przecież od dekad mamy w medycynie uznane i potwierdzone algorytmy bazujące na statystyce, które całkiem nieźle przewidują ryzyko choroby i zgonu.
Najprostszym przykładem jest skala SCORE2 i jej modyfikacje. Możemy przewidzieć prawdopodobieństwo 10-letniego zgonu i choroby sercowo-naczyniowej tylko na bazie informacji o wieku, płci, ciśnieniu, cholesterolu, paleniu papierosów i ew. cukrzycy czy BMI. (1) (2) A jak wiecie z tego wydania, choroby kardiologiczne to zabójca nr 1.
Mamy skalę do oceny 10-letniego ryzyka wystąpienia cukrzycy na podstawie wieku, płci, BMI, ciśnienia i kilku pytań o tryb życia i historię rodzinną (3)
Wreszcie mamy skale do oceny ryzyka nowotworowego, jak np. algorytm Gail’a do oceny ryzyka raka piersi, na podstawie którego prawie 30 lat temu zaczęto podawać leczenie zanim pacjentka otrzymała diagnozę raka piersi (4) (5)
Oczywiście, w tym wszystkim jest jeden haczyk. A w zasadzie dwa: czułość i swoistość.
Dwie najważniejsze informacje w całej diagnostyce
Dla zrozumienia skuteczności jakiejkolwiek metody diagnostycznej potrzebne nam są informacje o czułości i swoistości. To jedne z bazowych pojęć, które przydadzą się każdemu świadomemu członkowi społeczności Cel22 do samodzielnego zrozumienia czy dana interwencja rzeczywiście jest przełomem, czy nie.
Na studiach, których jestem kierowniczką, nie zaliczam egzaminu nikomu, kto nie rozumie tych pojęć. Są one nie tylko kluczowe w standardowej diagnostyce klinicznej, ale też stanowią absolutną podstawę oceny, czy diagnostyczny algorytm AI w ogóle jest skuteczny.
W skrócie: czułość mówi nam z jakim prawdopodobieństwem test wykryje, że pacjent rzeczywiście jest chory. Swoistość mówi nam z jakim prawdopodobieństwem test wykryje, że pacjent jest zdrowy.
Jeśli uważasz, że to skomplikowane pojęcia, to masz 100% rację. Rzecz nie jest tak oczywista jak się wydaje (i nie można jej rozumieć na “chłopski rozum”!), ale jej wyjaśnienie wymaga osobnego wykładu. Dla zainteresowanych polecam filmik z przypisu (7)
Bardzo upraszczając, nawet jeśli czułość i swoistość jest wysoka, ale niewystarczająco wysoka, test - czy predykcja - może często być błędna.
I tu właśnie wchodzi AI. Standardowe skale oparte na statystyce mogą być niewystarczająco dokładne, aby mieć pewność, że trafnie przewidzą ryzyko naszego zachorowania. Sztuczna inteligencja natomiast może dramatycznie podnieść trafność przewidywań.
Święty Graal sztucznej inteligencji w medycynie
Mamy spektakularne przykłady algorytmów AI przewidujących ryzyko zachorowania przed wystąpieniem jakichkolwiek objawów.
Model MILTON trenowany na biobanku z Wielkiej Brytanii* ma przewidywać na podstawie dokumentacji medycznej i genetycznej ponad 3000 różnych schorzeń. Dla jednych wykazuje bardzo wysoką trafność, dla innych mniejszą. Co jednak symptomatyczne, dla wielu chorób jest skuteczniejszy niż ocena ryzyka poligenicznego, czyli jest skuteczniejszy w przepowiadaniu przyszłości zdrowotnej niż testy genetyczne. (8)
Ostatnie doniesienia - z 2025 roku - mówią o modelu DELPHI-2M, który ma przewidywać ryzyko zachorowania na ponad 1000 chorób. (9) Jakkolwiek jest to imponująca liczba, trzeba mocno wczytać się w artykuł żeby dowiedzieć się, że dla części chorób trafność prognoz jest zbliżona do standardowej oceny ryzyka za pomocą skal medycznych. Jest to najpewniej spowodowane małą liczbą danych analizowanych (podstawowe dane metryczkowe + choroby), a dokładność algorytmu z pewnością by wzrosła gdyby przetwarzał więcej informacji.
Wreszcie, są pewne kontrowersje związane z wykorzystaniem algorytmów AI do przewidywania zdrowia. Jeden z algorytmów został stworzony, aby przewidywać ryzyko zgonu pacjenta leżącego na oddziale intensywnej opieki medycznej w ciągu następnych 72h. Intencja twórców algorytmu była taka, żeby lekarz miał czas zintensyfikować leczenie u pacjenta, który - jeśli leczenie nie byłoby zmienione - najpewniej by umarł. Ze względu na całkiem niezłą trafność przewidywań algorytmu narosły wątpliwości etyczne związane z tym, że taka informacja może spowodować dokładnie odwrotny efekt: zniechęcić lekarza do podejmowania dodatkowych działań, bo pacjent i tak umrze. (10)
AI w kształtowaniu polityki zdrowotnej kraju
Analityka predykcyjna wzbogacona AI może pomóc Ci na poziomie indywidualnym, ale może też dyktować działania w zdrowiu publicznym.
Jeszcze przed wojną byłam w Izraelu na konferencji medtech’owej.** W tej podróży nauczyłam się dwóch rzeczy: że można zaprojektować cały system tworzenia i wdrażania innowacji w szpitalach (gdzie każdy pracownik szpitala, nawet personel sprzątający, może być innowatorem - i jest do tego zachęcany) oraz że już w teraźniejszości w niektórych krajach jest wdrażana analityka predykcyjna dla całej populacji, która zapobiega zgonom przez przewidywanie zachorowań u zdrowych ludzi.
Jeden z największych ubezpieczycieli w Izraelu w czasach pandemii COVID-19 przeskanował algorytmem AI dokumentację medyczną całej swojej populacji, żeby zidentyfikować pacjentów, którzy mają największe ryzyko zgonu i poważnych komplikacji po zakażeniu covidem. Do tych pacjentów (a było ich 200 tysięcy) zadzwonił lekarz rodzinny informując o sytuacji i zachęcając do pozostania w domu. Dzięki temu dramatycznie obniżono liczbę nadmiarowych zgonów.
Co masz zrobić z tymi informacjami?
Polecam zainteresować się standardowymi, uznanymi skalami medycznymi, nawet jeśli nie są tak sexy jak sztuczna inteligencja. Zachęcam też do śledzenia na bieżąco przełomów w zastosowaniu AI do analityki predykcyjnej. AI istotnie poprawi jakość opieki zdrowotnej w każdym obszarze medycznym. Jeśli jednak chodzi o analitykę predykcyjną, tu zmiana będzie dramatyczna i zupełnie odmieni ona nasze myślenie o zdrowiu. I dzieje się to już teraz - tylko nie wszyscy o tym wiedzą, bo przyszłość jest dziś, tylko nierówno rozdystrybuowana.
Zachęcam też do odwiedzenia strony www.aiwzdrowiu.pl. Jako Koalicja AI i innowacji w zdrowiu mamy mnóstwo projektów pomagających zrozumieć toczącą się rewolucję, w tym raporty o innowacyjnych startupach medycznych.
Bądź tym, który wykorzysta najnowsze osiągnięcia technologii i medycyny aby dożyć do 22 wieku.
A prywatnie w teraźniejszości…
W tym tygodniu miałam niestety nieprzyjemność odwiedzić SOR z moją córeczką. Wszystko na szczęście dobrze się skończyło, ale przypomniało mi to moją pracę w nocnej i świątecznej pomocy lekarskiej, w której przyjmowałam i dorosłych, i dzieci.
Przyjmując małe dzieci kierowałam się złotą zasadą. Nawet jeśli dziecko wydawało mi się względnie zdrowe (np. było wesołe i aktywne podczas badania) kierowałam je na SOR żeby pilnie wykonać badania laboratoryjne jeśli usłyszałam, że rodzic dziecka mówi: “moje dziecko inaczej się zachowuje, tak nie jest standardowo, coś się dzieje”. Małe dzieci nie powiedzą co im dolega, a ich stan zdrowotny może się pogorszyć dosłownie z godziny na godzinę. Rodzice najlepiej znają swoje dziecko, bo je obserwują cały czas.
I tak sobie myślę, jak można byłoby poprawić jakość opieki nad pacjentem gdyby mieć czas nie tylko go słyszeć, ale i aktywnie wysłuchać.
*UK Biobank to zbiór danych medycznych i próbek biologicznych dużej grupy pacjentów. Dzięki tej bazie danych można prowadzić szerokie badania, w tym nad sztuczną inteligencją w zdrowiu. Mam nadzieję, że i Polska doczeka się takiej bazy danych stworzonej dla celów naukowych.
**Od Dubaju po Niemcy, na każdej konferencji byłam dumna z polskiej cyfryzacji i miałam się czym chwalić. Konferencja w Izraelu była jedną jedyną konferencją, na której czułam, że zostajemy w tyle: Izrael od dekad ma elektroniczną dokumentację medyczną, jej analizy wykorzystuje w politykach zdrowia publicznego, a hierarchia szpitalna jest zastąpiona ciekawością odkrywania innowacji. Nieprawdopodobna sprawa.
(1) https://www.mp.pl/kalkulatory/288285,ocena-ryzyka-sercowo-naczyniowego
(3) https://www.mdcalc.com/calc/4000/findrisc-finnish-diabetes-risk-score
(4) https://pubmed.ncbi.nlm.nih.gov/9747868/
(5) https://bcrisktool.cancer.gov/
(6) https://pl.wikipedia.org/wiki/Czułość_i_swoistość
(7)
(8) https://www.nature.com/articles/s41588-024-01898-1
(9) https://www.nature.com/articles/s41586-025-09529-3
(10) https://arxiv.org/pdf/2110.04186.pdf
Jesteś nowym czytelnikiem? Zacznij tutaj: Chodżmy na kawę w 22 wieku
Jestem lekarką i popularyzuję naukę. Żadna z treści zawartych w newsletterze nie stanowi jednak porady lekarskiej. Zanim wdrożysz jakiekolwiek działania diagnostyczno-terapeutyczne, polecam kontakt z lekarzem. Jeśli chcesz otrzymać poradę lekarską w zakresie zdrowia i długowieczności ode mnie, zapraszam do indywidualnego kontaktu.
A co z weryfikacją, trochę żartobliwie, ale czy nie powinniśmy poczekać 10 lat aż 3 z 10 wujków umrze?
Wiem że można ćwiczyć i weryfikować na danych historycznych, niemniej środowisko się zmienia, warunki się zmieniają... Tak na szybko mi się pomyślało w analogii do testów klinicznych