Az Elektronikus Egészségügyi Szolgáltatási Tér (EESZT) lehet az alapja a betegellátásban az adatvezérelt mesterséges intelligencia alkalmazásának. Ez a még strukturálatlan laboradatok vagy képdiagnosztikák kiértékelésében segítheti az orvosokat, ahogy a tünetek alapján a súlyosság és kórkép szerinti triázsolásban, és a betegútmenedzsmentben. Több ilyen hazai fejlesztést tesztelnek itthon, amelyek jó eredményekkel szolgálnak – hangzott el a Budapesten rendezett Digital Health egészségipari csúcstalálkozón.
Ötmillió felnőtt önkéntes résztvevőt toboroznak az Our Future Health (Jövőnk Egészsége) projekt keretében az Egyesült Királyságban, hogy segítségükkel forradalmasítsák a betegségmegelőzést, -felismerést és -kezelést. A programhoz csatlakozóktól engedélyt kérnének arra, hogy az általuk megadott információkat és mintákat összekapcsolják a róluk már meglévő egészségügyi dokumentációkkal, beleértve a genetikai adatokat is. Ennek révén olyan méretű és részletességű adatbázis jönne létre, ami segítene átfogóbb képet alkotni a különböző betegségek kialakulásának kockázatáról.
A szigetországban jelenleg a 65 évesnél idősebb emberek 54 százaléka két vagy több súlyos egészségügyi problémával él. Olyan (nagyon kockázatos és az életminőséget jelentősen rontó) betegségekkel, mint a rák, az Alzheimer-kór, a szívbetegség, a cukorbetegség vagy a stroke.
Magyarországon sem jobb a helyzet: az Eurostat idei jelentése szerint a nyugdíjkorhatár felettiek 78 százalékának van valamilyen krónikus betegsége, ebben az uniós tagállamok sorában Ciprust és Észtországot követjük a listán.
A Synlab 2022-es felmérése szerint az irodai dolgozók 40,8 százaléka egészséges, 20,1 százalékuk még nem, 39,1 százalékuk már krónikus beteg, utóbbiak 50 százaléka már a mindennapokat megnehezítő tünetekkel fordul orvoshoz. „A betegség megjelenésének kockázatára nem elég menedzserszűrést végezni, egy egyszerű vérvétellel vagy nyálteszttel elvégezhető genetikai vizsgálattal jobban kimutatható a hajlam” – emelte ki Póda Tamás az okosleleteket kiállító magánlabor kereskedelmi igazgatója a konferencián.
Az elöregedő társadalmakban egyre több betegséget kell véges számú orvosnak kezelni, Magyarországon évente 60 millió eset jut 40 ezer orvosra. A mesterséges intelligencia akár személyre szabottan meg tudja határozni, hogy kinek milyen gyógyszerhatóanyagot hogyan bont le a szervezete. Ennek segítségével a felesleges terápiák kiküszöbölhetők, az esetszámok csökkenthetők.
Mindehhez persze nagy mennyiségű megbízható adatra van szükség, ami Magyarországon az Elektronikus Egészségügyi Szolgáltatási Tér (EESZT) és a nemzeti betegségregiszterek alkalmazásával rendelkezésre áll. Ehhez nincs szükség kutatási célból emberek toborzására, mint az említett példa alapján az Egyesült Királyságban – erről beszélt Ujhegyi András, az egészségügyi rendszereket integráló Delta Systems stratégiai igazgatója.
Becságh Péter a Magyar Személyre Szabott Egészségügy Fejlesztéséért Alapítvány (SZEFA) kuratóriumi tagja úgy véli, a különböző, egyszerre fennálló betegségeknél párhuzamos betegorientált betegútkövetésre lenne szükség, anonimizált, kódolt adatok kellenek az Európai Adattérre készüléssel. „Az Európai Egészségügyi Adattér létrejötte után a betegadatok továbbra is a magyarországi adatvagyon részei maradnának, amit a belépő piaci szereplőknek tiszteletben kell tartani” – jelentette ki Takács Péter, a Belügyminisztérium egészségügyért felelős államtitkára a Digital Heath konferencián. Helyettese, Bidló Judit arról beszélt, hogy ma már naponta több millió egészségügyi adat keletkezik az ország ellátórendszerén belül.
Az Országos Mentális, Ideggyógyászati és Idegsebészeti Intézet informatikai és stratégiai igazgatója elmondta: az adatok ma már szinte a feldolgozhatatlanság határát érintő mértékben állnak rendelkezésre, ezért megbízható döntéstámogató rendszerre lenne szükségük az orvosoknak. A laboratóriumokból származik az adatok 94 százaléka, ami a klinikai döntések 60-70 százalékát befolyásolja – ismertette Kovács L. Gábor, a Pécsi Tudományegyetem Szentágothai János Kutatóközpont tudományos vezetője. Előadásában kiemelte: a laborvizsgálatok több mint fele a betegek halála előtt fél évvel történik.
Az Our Future Health célja, hogy a kockázati profilok alapján olyan betegségkockázati pontszámokat számítsanak ki a kutatók, amelyek révén könnyebben, gyorsabban megcélozhatóak azok, akiknél nagyobb a kockázata bizonyos betegségek kialakulásának. Ez lehetőséget nyújt majd arra, hogy új diagnosztikai eljárásokat vagy kezeléseket teszteljenek az érintettek részvételével, így javítva a terápiás megoldások hatásfokát, közvetve pedig az emberek jóllétét.
Franciaországban, ahol 2018 óta a mesterséges intelligencia fejlesztésének egyik kiemelt ágazata az egészségügy, hasonló célokat szolgál a Health Data Hub. Az adatközpont egy biztonságos platformon keresztül – a szabályozásoknak és az állampolgári jogoknak megfelelően – egyszerű hozzáférést biztosít azon kutatások számára, amelyek célja az ellátás minőségének javítása és a betegek támogatása. Szócska Miklós a kórházszövetség konferenciáján a hazai fejlesztések egyik követendő irányaként említette a francia példát.
Egyre több állam kapcsolódik hozzá vagy indít be hasonló projekteket, a jövő ugyanis a digitális és a mesterséges intelligencia által nagyban támogatott egészségügy felé vezet – mutattak rá az egészségipari találkozón szakértők, ahol az államtitkárság előadói is megjegyezték, hogy hazánk sem marad ki a digitális versenyből.
Magyarországon az újraiparosítási stratégia részeként került a kulcságazatok közé az egészségipar, pontosabban a gyógyszeripar, az orvostechnikai ipar és a biotechnológia.
A SZEFA már 2021 óta fejleszti a Dr.BetMen nevű, digitális betegútmenedzser web-applikációt. Az alkalmazás célja a betegutak egyértelműsítése a teljes ellátási folyamat során a prevenciótól az alapellátáson át a rehabilitációig, illetve a gondozásig. A folyamat a beteg bevonásával történik, a háziorvosa által a telefonjára küldött szakellátási időpontok visszaigazolásával, a vizsgálati eredmény megosztásával, mindezt pedig végig tudja követni az orvos, így láthatja, hogy a beteg hol jár a rendszerben; mindez az utógondozáshoz hasznos információkkal szolgál számára.
Az ellátórendszer szakmai eredményességének és financiális hatékonyságának formálása mellett szeretnék a lakosságot is aktívan bevonni saját betegútjaik menedzselésébe – jelentették ki a fejlesztők.
„A beteg kooperációja nélkül nincs gyógyulás, ehhez pedig minden lépésnél tájékoztatni kell” – emelte ki Horváth Zsolt a Bács-Kiskun Vármegyei Oktatókórház Onkoradiológiai Központjának vezető főorvosa.
Az alkalmazást majd az EESZT-be integráltan működtetik, ahogy a már 2,5 millió magyar által letöltött EgészségAblakot is, amivel a 200 óránál nagyobb kapacitású rendelőkbe lehet időpontot foglalni vagy módosítani. Az új Járóbeteg Időpontfoglalási Rendszer (JIR) részeként eddig 90 intézményben indult el, ezzel kívánják 30 perc alá redukálni a vizitre való maximális várakozási időt.
Jelenleg is működik egy pilotprogram a Belügyminisztérium támogatásával, aminek keretében a mesterséges intelligenciát a vastagbélrák-szűréseknél, az eltávolított polipok szövetmintáinak kiértékelésénél használják. Az EESZT-be integrált PACS-képalkotó továbbítóban, a röntgen, az MRI- a CT-felvételek kiértékelésénél az algoritmus hasznukra lehet az orvosoknak, ugyanis gyorsan tanul, egyre jobb teljesítménnyel, már 85-90 százalékban kiszűri a még csak kezdeti stádiumú elváltozást.
„A szoftveres kiértékelés hamarabb megtalálhatja a mellrákot, mint hogy a radiológus diagnosztizálná” – mutatott rá Tamás-Mohácsi Ádám, az MI-alapú analízist szolgáltató Gamax Laboratory képviselője. A szoftver az Alzheimer-kór korai felismerésére is alkalmas az MRI-felvételek alapján. Az előadó leszögezte: minden esetben az orvos hozza meg a végső döntést, az MI csak ajánlást tesz a diagnózisra.
A magyar–osztrák egészségügyi startup XUND tünetellenőrző alkalmazását pedig a Semmelweis Sürgősségi Klinikáján tesztelik. A váróban a betegek önkéntes alapon digitális kérdőívet töltenek ki tableten, az algoritmus a tünetek alapján több száz lehetséges diagnózisból választja ki az adott esetre a legrelevánsabbat. Ezzel az anamnézis felvételén megspórolt idő a betegellátásra fordítható, s a beérkezett adatok szerint az eset sürgőssége határozhatja meg az ellátás sorrendjét.
A ChatGPT egészségügyi alkalmazását is vizsgálják a kutatók. Külföldön, Izraelben egyelőre szöveges dokumentációk, kórlapok, zárójelentések létrehozására használják, a Delta System ugyanakkor nem tartja kizártnak, hogy az egyszerűbb eseteknél a beteggel való kommunikációba is besegíthet, ami az átlag napi 80-100 szakrendelői vizit esetében hatalmas könnyebbséget jelenthetnek az orvosnak, aki az így felszabadult idejét a 20 százalékkal bonyolultabb esetek megoldására fordíthatja. Az egészségügyi intézményben való koordinációt is képes megoldani a chatbot.
Az automatizált kórházban akár önjáró hordágyakat is el tudnak képzelni. Ujhegyi András elmondása szerint erre megvan a technológia, a kivitelezés az intézményi működőképességétől és a vezetéstől függ. Szentgyörgyi Balázs a Neumann Technológiai Platform ügyvezető igazgatója megemlítette: számos kiváló digitális egészségügyi fejlesztés van itthon, a radiológia, a szemészet, EKG-monitorozás területén, de a több tucat különálló licencet a közellátásba nehéz integrálni.
(Borítókép: Index)