Umjetna inteligencija u zdrastvu. Nova aplikacija mogla bi mjeriti rizik od ponovne hospitalizacije

(Snimila Emica Elvedij / Pixsell)

Čak 97 posto podataka koji se prikupe u zdravstvenom sustavu neiskorišteno je, a zahvaljujući primjeni umjetne inteligencije, zdravstvene bi ustanove u narednim godinama na temelju boljeg korištenja podataka mogle postići značajne uštede. U tom smjeru idu i rješenja predstavljena na jučerašnjoj Godišnjoj konferenciji Europskog digitalnog centra inovacija (EDIH) »’Umjetna inteligencija za pametno zdravstvo i medicinu – AI4HEALTH.Cro«, gdje su dodijeljene i nagrade za najbolja rješenja u primjeni UI tehnologije u zdravstvu, usmjerena na rješavanje problema rane rehospitalizacije.

Inovacijski natječaj

Ponovni prijemi pacijenata u bolnicu nakon što su jednom bili hospitalizirani pa otpušteni kući, i to u kratkom roku od samo 30 dana nakon prvotnog otpusta iz bolnice, ne samo da stvaraju značajan financijski pritisak na zdravstvene sustave, već utječu i na oporavak pacijenata te na kvalitetu života. Podaci govore da se čak 10 posto pacijenata po izlasku iz bolnice ponovo hospitalizira u roku kraćem od 30 dana. Ovaj problem u SAD-u, primjerice, godišnje generira trošak veći od 25 milijardi dolara. Brojne studije sugeriraju da bi se optimizacijom procesa korištenja kliničkih podataka te zdravstvenim intervencijama, poput prijelazne ili dodatne skrbi, čak 50 posto rehospitalizacija moglo spriječiti.

Upravo tome je bio usmjeren AI4Health.Cro inovacijski natječaj, na koji se javilo čak 99 timova sa svojim IT rješenjima, a u samom natječaju sudjelovalo je 28 timova. Riječ je o timovima koji su od 29. veljače marljivo radili na rješenju problema rane rehospitalizacije primjenom računarstva i UI tehnologije. Tri najbolja rješenja, koja su izradili timovi MediBoost, SiraćHC i ZMF, dobili su i novčane nagrade u iznosima od 1.000 do 5.000 eura. Njihov je proizvod aplikacija za predviđanje rizika ponovne hospitalizacije koja zdravstvenim ustanovama može pomoći da smanje broj pacijenata koji će se iz nekog razloga ubrzo ponovno vratiti na bolničko liječenje. Osim razvoja modela za predviđanje rizika rane rehospitalizacije, od natjecatelja se tražilo da provedu kvalitativnu analizu za bolje razumijevanje podataka i interpretaciju rizika te da razviju prototip korisničkog sučelja koje bi zdravstvenim radnicima omogućilo ne samo da vide predviđeni rizik za svakog pacijenta, već i da razumiju uzroke tog povećanog rizika.

Nekoliko dijagnoza

– Primijetili smo da je nekoliko dijagnoza povezanih s bolestima srca izrazito rizično za ponovnu hospitalizaciju. Aplikacija koju smo izradili može biti korištena u bolnicama, a može se integrirati i u druge postojeće sustave koji postoje u zdravstvu, rekao je Andrija Štajduhar iz pobjedničkog tima MediBoost, koji je odnio nagradu od 5.000 eura. Uz Štajduhara, u timu su i Jan Kolić te Karlo Pintarić. Za njihov proizvod sada predstoji dodatno testiranje i validacija modela u suradnji s liječnicima u kliničkom okruženju, nakon čega će se vidjeti koliko su aplikacije pouzdane i iskoristive u svakodnevnoj skrbi o pacijentima.

Iz pobjedničkog tima MediBoost ističu kako im je tijekom procesa najviše koristilo što svi članovi tima imaju i medicinska i računarska znanja – Jan Kolić je završio studij medicine i na diplomskom je studiju na FER-u, Karlo je doktor medicine i radi kao podatkovni znanstvenik u farmaceutskoj industriji, a Andrija je matematičar s doktoratom iz računarstva te radi kao docent na Medicinskom fakultetu u Zagrebu.

O važnosti boljeg korištenja podataka kojima u sustavu zdravstva raspolažemo, govorila je i Kristina Gotovac Jerčić iz Zavoda za personaliziranu medicinu KBC-a Zagreb, gdje se o trošku HZZO-a danas provodi sekvencioniranje oko 5.000 klinički relevantnih gena.

– Našu dijagnostiku najčešće koristimo kod pacijenata koji godinama idu od specijalista do specijalista bez prave dijagnoze, kod pacijenata s različitim atipičnim problemima, kao i kod sumnje na tumore. Gotovo da nema grane u medicini koja dosad nije kontaktirala naš laboratorij, objasnila je Gotovac Jerčić. U početku su, kaže, išli dužim putem u dijagnostici, a sada, zahvaljujući umjetnoj inteligenciji, postižu daleko bržu analizu podataka. Kod svakog se pacijenta, naime, u prosjeku među 35.000 do 40.000 genskih varijanti mora pronaći jedna ili dvije koje su povezane s određenom bolešću.«Imamo cijelu hrpu kliničkih podataka, a 97 posto ih je potpuno neiskorišteno. Ideja je da oni budu što dostupniji, da napravimo veliku bazu gdje bi oni bili dostupni svima, od pacijenata, do liječnika i drugih instanci«, kazala je Gotovac Jerčić.