Umelá inteligencia v patológii dnes skôr pomáha než nahrádza. O skúsenosti z Krajskej nemocnice Liberec a prístupe spoločnosti Roche k vývoju a nasadzovaniu algoritmov hovorili patolog a Jaroslav Vohánka. Zhrnuli prínosy pre diagnostiku aj prekážky – od chybovosti cez legislatívu až po integráciu nemocničných dát.
Bezpečnosť, chybovosť a úloha patológa
Posledné slovo má vždy patolog, preto sa celková chybovosť odvíja od jeho rozhodnutia. Cieľom algoritmov je znížiť rutinné omyly – napríklad upozorniť na podozrivú léziu, ktorú by človek pri vyrušení prehliadol. V štúdiách sa uvádza, že priemerná chybovosť ľudského hodnotenia sa pohybuje okolo 3–5 %, pričom algoritmy sa dostávajú pod túto hranicu. AI teda pridáva ďalšiu úroveň kontroly, nie náhradu odborníka.
Výrazný prínos vidno aj v zjednocovaní hodnotenia, napríklad pri Gleasonovom gradovaní karcinómu prostaty. Algoritmus hodnotí konzistentne bez ohľadu na to, či je „pondelok popoludní“ alebo „streda ráno“, a slúži ako druhý pohľad, keď si patolog nie je istý. Mladším kolegom tak fakticky „požičiava“ skúsenosti, čím uľahčuje učenie a zrýchľuje prácu. V digitalizovanom workflow to pomáha zvládať rastúci počet vzoriek bez nutnosti navyšovať personál.
Prekážky zavádzania a čo prinesie integrácia dát
Najväčšie brzdy sú právne a organizačné: GDPR, rozdiel medzi anonymizáciou a pseudonymizáciou či umiestnenie serverov mimo EÚ. Zmluvné a schvaľovacie procesy pri prepojení so službami tretích strán (napr. cloudovými) trvajú mesiace až roky; v uvedenom prípade zavádzanie trvalo približne rok a pol. Aj keď servery riešení Roche sídlia v EÚ, zapojenie ďalších poskytovateľov prináša zložité rokovania o ochrane dát a jurisdikcii. Pozitívnou správou je, že realizovateľné a bezpečné nastavenia existujú a už sa v praxi používajú.
Popri technológiách je kľúčová integrácia: prepojiť digitálnu patológiu, genetiku a onkológiu a vytvoriť bezpečné prostredie pre spoločné rozhodovanie. Cieľom je mať pre onkológa nástroj, ktorý na základe patológie, NGS a klinických údajov navrhne scenáre personalizovanej liečby a prehľad odporúčaní zo štúdií. Sľubne pôsobí aj automatické „patient summary“ – AI, ktorá z rozsiahlej dokumentácie vytvorí prehľad s najdôležitejšími údajmi v obmedzenom rozsahu. Do budúcna sa ráta s napojením na národné platformy, aby pacient neputoval s papierovou dokumentáciou, ale s bezpečne zdieľanými dátami.
