AI od Google dorównało lekarzom rodzinnym w prowadzeniu leczenia pacjentów

Google opublikował w czasopiśmie Nature wyniki badania, w którym jego eksperymentalny system medyczny AMIE nie tylko stawiał diagnozy, ale prowadził pacjentów przez wiele wizyt, dostosowując leczenie do zmieniających się objawów i wyników badań. W symulowanych scenariuszach system dorównał lub przewyższył grupę 21 lekarzy rodzinnych.

AMIE, czyli Articulate Medical Intelligence Explorer, to projekt badawczy Google Research i Google DeepMind rozwijany od kilku lat jako system do prowadzenia rozmów diagnostycznych z pacjentami. Wcześniejsze publikacje testowały głównie jednorazowe konsultacje, w których AI stawiała wstępną diagnozę na podstawie opisu objawów. Nowe badanie idzie krok dalej i sprawdza, czy taki system poradzi sobie z opieką rozciągniętą w czasie, czyli tym, co w praktyce robi lekarz rodzinny prowadzący pacjenta przez tygodnie czy miesiące leczenia.

Jak działa system

Architektura AMIE opiera się na dwóch współpracujących modułach. Pierwszy, agent dialogowy, prowadzi rozmowę z pacjentem, zbiera informacje o samopoczuciu i reaguje na jego pytania w sposób empatyczny. Drugi, agent rozumowania zarządczego, analizuje zgromadzone dane w zestawieniu z obszerną bazą wytycznych klinicznych i proponuje konkretny plan postępowania.

Ten drugi moduł korzysta z długiego kontekstu modeli Gemini, przetwarzając za każdym razem około 627 dokumentów wytycznych klinicznych, co odpowiada mniej więcej 10,5 milionom tokenów. Dzięki temu system może na bieżąco uwzględniać aktualne rekomendacje terapeutyczne, zamiast opierać się wyłącznie na wiedzy zapisanej podczas trenowania modelu.

Wyniki testu

W badaniu wykorzystano formułę zbliżoną do egzaminu OSCE, standardowo stosowanego do oceny umiejętności klinicznych studentów medycyny. Sto scenariuszy pacjentów obejmowało siedem specjalizacji: kardiologię, pulmonologię, ginekologię i położnictwo, urologię, gastroenterologię, neurologię oraz ortopedię. Każdy scenariusz rozciągał się na trzy wizyty, w trakcie których zmieniały się objawy, wyniki badań i reakcja na wcześniej wdrożone leczenie.

Trzydziestu niezależnych lekarzy specjalistów oceniało jakość planów postępowania, nie wiedząc, czy pochodzą one od AMIE czy od lekarza rodzinnego. W ocenie trafności zaleceń terapeutycznych AMIE uzyskiwało wyniki rzędu 95-96 procent w kolejnych wizytach, podczas gdy lekarze rodzinni osiągali 62-67 procent. Podobna przewaga utrzymała się w ocenie precyzji zleceń badań dodatkowych.

Postawienie diagnozy to pierwszy krok w leczeniu pacjenta. Gdy diagnoza jest już ustalona, wyzwaniem staje się zarządzanie stanem zdrowia w czasie, śledzenie objawów na kolejnych wizytach, analizowanie aktualizowanych wytycznych i dostrajanie leków - Mike Schaekermann, lider badawczy, Google Research

Zastrzeżenia autorów

Zespół badawczy wyraźnie zaznacza, że wyniki nie oznaczają gotowości systemu do realnej pracy klinicznej. Symulacja opierała się na scenariuszach napisanych na potrzeby badania, aktorach odgrywających pacjentów oraz komunikacji tekstowej w krótkich odstępach czasu, bez elektronicznej dokumentacji medycznej, systemów wystawiania recept, udziału farmaceutów czy złożoności typowej dla codziennej praktyki lekarskiej.

Google nie udostępnił kodu ani wag modelu, tłumacząc to ryzykiem niekontrolowanego wykorzystania narzędzia medycznego poza nadzorem klinicznym. Firma podkreśla, że AMIE pozostaje projektem badawczym, a nie produktem gotowym do wdrożenia u pacjentów.

Co dalej

Google prowadzi już dwa kolejne etapy weryfikacji poza laboratorium. Jeden to ogólnokrajowe badanie opieki wirtualnej realizowane z partnerem klinicznym Included Health, drugie to test wykonalności prowadzony wspólnie z Beth Israel Deaconess Medical Center. Oba mają sprawdzić, czy system sprawdzi się w warunkach zbliżonych do rzeczywistej praktyki, z prawdziwymi pacjentami i realnym obciążeniem pracą personelu.

Równolegle Google Research i Google DeepMind rozwijają wariant AMIE zdolny do prowadzenia konsultacji wideo w czasie rzeczywistym, interpretujący sygnały wizualne i dźwiękowe oraz naprowadzający pacjenta przez podstawowe elementy badania fizykalnego.

Dla polskiego systemu ochrony zdrowia, gdzie deficyt lekarzy rodzinnych i długie kolejki do specjalistów są problemem od lat, wyniki tego typu badań mają znaczenie praktyczne, choć na razie odległe. System, który potrafi konsekwentnie stosować aktualne wytyczne kliniczne i precyzyjnie dobierać leki, mógłby w przyszłości odciążyć lekarzy od części pracy administracyjnej i dokumentacyjnej, zostawiając im więcej czasu na bezpośredni kontakt z pacjentem. Na razie jednak, jak podkreślają sami autorzy badania, droga od publikacji w Nature do bezpiecznego zastosowania przy łóżku pacjenta wymaga jeszcze lat testów regulacyjnych i klinicznych.