Kdyby se v tuhle chvíli český stát rozhodl, že do zdravotnického systému integruje telemedicínské nástroje pro dlouhodobé sledování dat o vývoji zdravotního stavu, stálo by to miliardy. „Ale kolik přesně, se nedá říct. Z dlouhodobého hlediska péče o pacienta by se to určitě vyplatilo. Nikdy to nebude super výdělečné jako herní software, ale nám jde o spokojenost pracovníků, podklady pro správnou péči a kvalitu života vůbec,“ říká přesvědčeným hlasem docentka Lenka Lhotská. Na letošní konferenci Lifmat 2022 vystoupila s přednáškou, v níž představila telemedicínský výzkum Českého vysokého učení technického v Praze.
To je totiž fáze, kde se aktuálně léčení na dálku v tuzemsku nachází – v laboratořích. Ačkoli by dlouhodobé sledování dat mohlo prospět kupříkladu kardiakům, diabetikům nebo lidem, kteří by měli v rámci rehabilitace doma cvičit, než se dočkáme jeho uvedení do praxe, uběhnou ještě roky.
Financování přitom není jedinou překážkou. Samotné vybavení totiž může mít podobu fitness náramků, jaké dnes dobrovolně používá 17 procent populace. Horší by bylo sjednotit informační systémy jednotlivých nemocnic, které se vyvíjely v rámci jednotlivých oddělení často nezávisle na sobě, a tak nejsou kompatibilní.
„Totéž platí i o kyberbezpečnosti. Jakmile přenášíme na dálku citlivá data pacientů, tak musíme garantovat, že všechny přenosy budou dobře zabezpečené. Když navrhujeme, že by se telemedicínská data měla sbírat i na úrovni praktických lékařů, tak se požadavky na kybernetickou bezpečnost posouvají směrem k ambulancím, kde v dnešní době vůbec nejsou řešené. Tam vidím největší problém, protože kdyby mělo všechno splňovat legislativní předpisy, bude to vyžadovat další finance,“ komentuje Lhotská.
Druhá věc je vyhodnocovací software. „Není v silách žádného lékaře ani sestry denně procházet záznamy všech pacientů. Cílem je, aby software, který budou mít k dispozici, ukazoval už zpracované informace – tedy poukazoval na abnormality, které je třeba řešit, nebo naopak schválil, že je všechno v pořádku. Řadu dat může mít k dispozici i sám pacient,“ doplňuje vědkyně.
Poradní hlas
Jako první by se měli k telemedicínským nástrojům dostat pacienti se srdečními potížemi. Právě data o srdci se měří už desítky let pomocí EKG, což dává umělé inteligenci, jež má lékařům radit, nepřeberné množství tréninkového materiálu. Ani po přelouskání statisíců profesionálními kardiology popsaných snímků však robot nikdy nebude rozhodovat o léčbě. Pouze pomůže personálu se zorientovat v hromadách údajů, jaké každý pacient se senzorem na těle den za dnem generuje. Zda se však jedná o nemoc, nebo o šum vzniklý například pohybem, musí rozeznat přirozená inteligence sestry či doktora. Systém si určení diagnózy nikdy nenárokuje.
Kdyby totiž vynášel závěry, musel by projít přísnou certifikací, jakou by mu přichystaly legislativní orgány, a během ní předvést přesnost mnohem vyšší než současných 90 procent a konzistentnost v závěrech. Nicméně pokud ČVUT nechce uvést na trh jen další chytré hodinky, je potřeba takový schvalovací proces podstoupit. Proto je důležité splnit požadavek na transparentnost ohledně metod, jimiž se umělá inteligence při rozhodování řídí.
Trénink je základ
Z popsaného důvodu se vědcům příliš neosvědčily neuronové sítě připomínající černé skříňky. Volí proto jiné algoritmy či jejich kombinace, výjimečně pak staví systémy na zelené louce. Výsledek práce přitom stojí a padá na vhodném datasetu – a ten se liší v závislosti na cíli výzkumu. „Vždycky záleží, jestli budeme předpokládat, že mezi měřenými pacienty budou i zdraví jedinci, nebo jestli cílím vyloženě na lidi, u kterých už byl nějaký problém diagnostikován. Ve chvíli, kdy tam budu mít i ty zdravé, měla bych zahrnout polovinu zdravých dobrovolníků a polovinu lidí s diagnózami,“ přibližuje Lhotská.
„Když se zaměřím na diferenciální diagnostiku, měla bych mít v trénovacích datech pokryté co největší spektrum diagnóz a zároveň co nejvíc lidí s každou z nich, abych dobře identifikovala rozdíly mezi nimi. Pravda je, že vzácná onemocnění se hledají hůře, takže každá desítka pacientů se počítá. Výhoda umělé inteligence tkví v tom, že existují i modely, které umí pracovat i s tak malým počtem pacientů a hledají analogie s těmi, které už máme,“ pokračuje ve výkladu.
Syndrom bílého pláště
Nejužitečnější budou modely v případě, že člověk bude své zařízení používat denně. Pak mnohem snáze najdou odchylku od jeho normálu – nesmíme totiž zapomínat na ,syndrom bílého pláště‘. To jde pacient například na vyšetření, o němž ví, že může dopadnout buď jen trochu špatně, nebo velmi špatně. A bude to nepříjemné. Moc toho nenaspal, pak vyšel pět pater do ordinace a zahlédl přísného doktora. Tlak mu v tu chvíli vyletěl mimo všechny tabulky, a tak dostane léky, které by, jak by vyplynulo z monitoringu, za klidnější situace vůbec nepotřeboval.
Obrácený postup platí pro lidi, o nichž si zdravotníci myslí, že by mohli trpět například epilepsií, ale přímo v nemocnici zkrátka záchvat nikdy nedostali. Sledování dat v rozumné míře by zároveň mohlo představovat lehký bič na 68 procent populace, která nenavštěvují preventivní prohlídky.
„U zdravého jedince to zase nesmíme přehnat, abychom se snažili ho ověsit senzory a chodit tak každý den. Nicméně každý si jednou za čas může své parametry změřit sám, samozřejmě definovaným způsobem, a poslat je svému lékaři. Tím nic nezkazí,“ uzavírá Lhotská.
