Prieš kelerius metus dirbtinis intelektas medicinoje Lietuvoje skambėjo kaip tolimos ateities projektas – kažkas, apie ką kalba konferencijose, bet realiai pacientas to nepajaučia. Šiandien padėtis kitokia. Kai kuriose ligoninėse algoritmas jau peržiūri rentgeno nuotrauką anksčiau nei ją pamato radiologas, o kardiologai gauna įspėjimus apie riziką dar prieš pacientui pajutus simptomus. Klausimas nebe „ar”, o „kiek greitai” ir „kokia kaina” – tiek finansine, tiek etine prasme.
Vaizdo diagnostika – ten, kur pokytis jau matomas
Radiologija tapo pirmąja sritimi, kurioje AI įrodė savo naudą ne teoriškai, o praktiškai. Lietuvos ligoninėse naudojami algoritmai, gebantys aptikti plaučių mazgelius kompiuterinės tomografijos vaizduose arba pažymėti įtartinas sritis mamografijoje. Svarbu suprasti – šie įrankiai neatstoja gydytojo, jie veikia kaip antra pora akių, kuri nepavargsta po aštuntos peržiūrėtos nuotraukos per dieną. Būtent nuovargio faktorius, o ne intelekto stoka, dažniausiai lemia praleistas diagnozes žmogaus darbe.
Diabetinės retinopatijos atpažinimas
Akių dugno nuotraukų analizė – sritis, kurioje algoritmai pasiekė beveik oftalmologo lygio tikslumą. Tai ypač aktualu regionuose, kur specialistų trūksta: šeimos gydytojas gali padaryti nuotrauką, o sistema per kelias sekundes įvertina riziką ir nurodo, ar reikia siųsti pas specialistą. Tokia sistema jau testuojama keliose Lietuvos poliklinikose, ir jos vertė ne tik greityje, bet ir tame, kad ligonis nebelaukia mėnesių eilėje tam, kad sužinotų – viskas gerai.
Sepsio ir kritinių būklių prognozavimas
Reanimacijos skyriuose duomenys kaupiasi kas minutę – pulsas, kraujospūdis, temperatūra, laboratoriniai rodikliai. Žmogus fiziškai negali visų šių srautų sekti vienu metu su vienoda įtampa. Algoritmai, apmokyti atpažinti sepsio ar širdies nepakankamumo pradžios požymius kelias valandas prieš klinikinę krizę, jau naudojami intensyviosios terapijos skyriuose. Skirtumas tarp įspėjimo prieš tris valandas ir įspėjimo tada, kai simptomai jau akivaizdūs, gali lemti, ar pacientas išeis iš ligoninės savo kojomis.
Onkologijos gydymo planavimas
Vėžio gydyme AI naudojamas ne diagnozei nustatyti, o gydymo planui optimizuoti – kokia spindulinės terapijos dozė, kokia trajektorija, kad būtų kuo mažiau pažeisti sveiki audiniai. Tai nuobodus, skaičiavimams imlus darbas, kurį algoritmas atlieka per minutes ten, kur žmogui reikėtų valandų. Onkologai šį įrankį vertina ne kaip sprendimų priėmėją, o kaip skaičiuoklę, kuri atlaisvina laiko pačiam svarbiausiam dalykui – pokalbiui su pacientu.
Virtualūs asistentai ir simptomų tikrinimas
Čia situacija dviprasmiškiausia. Chatbotai, padedantys pacientams įvertinti simptomus prieš kreipiantis į gydytoją, sumažina nereikalingų vizitų skaičių, bet kartu kelia klausimą – kiek žmonių pasitiki mašinos atsakymu labiau, nei turėtų. Lietuvoje tokie įrankiai diegiami atsargiai, dažniausiai kaip pirminio nukreipimo priemonė, o ne diagnostikos šaltinis. Tai protingas kompromisas, bet jo sėkmė priklauso nuo to, ar pacientai supranta ribą tarp patogumo ir tikros medicininės pagalbos.
Patologijos audinių analizė
Mažiau žinoma, bet ne mažiau reikšminga sritis – skaitmeninė patologija. Algoritmai, analizuojantys audinių mėginius mikroskopiniu lygiu, padeda patologams greičiau atpažinti piktybinių ląstelių sankaupas. Šioje srityje trūkumas ne technologijos, o infrastruktūros – reikia skaitmenizuoti stiklelius, o tai brangus ir lėtas procesas. Todėl nors technologija egzistuoja, jos taikymas Lietuvoje kol kas fragmentiškas.
Vaistų sąveikos ir dozavimo kontrolė
Paskutinė, bet praktiškai kasdieniausia technologija – sistemos, tikrinančios vaistų sąveiką ir dozavimą pagal paciento istoriją. Klaidos čia dažnai ne dėl žinių stokos, o dėl žmogiško faktoriaus – nuovargio, skubos, informacijos gausos. Algoritmas, kuris automatiškai pažymi galimą konfliktą tarp receptų, neatrodo efektingai kaip vėžio diagnostika, bet realiai išgelbėja daugiau gyvybių nei bet kuri kita šiame sąraše paminėta technologija, tiesiog tyliai.
Kas lieka žmogui, kai mašina mokosi matyti
Įdomu tai, kad visos šios technologijos veikia geriausiai ne tada, kai pakeičia gydytoją, o tada, kai atlaisvina jam laiko ir dėmesio tam, ko algoritmas padaryti negali – paaiškinti, paguosti, priimti sprendimą neapibrėžtumo sąlygomis. Lietuvos sveikatos sistema, dažnai kritikuojama dėl lėtumo diegiant naujoves, šiuo atveju juda atsargiai, bet ne be pagrindo – medicinoje klaidos kaina per didelė, kad technologija būtų diegiama vien dėl mados. Galbūt būtent tas atsargumas, o ne skubėjimas, ir yra tikrasis požymis, kad pokytis vyksta rimtai, o ne dėl vitrinos.