W trakcie zawodów organizowanych w Pekinie sztuczna inteligencja pokonała lekarzy w diagnozowaniu chorób neurologicznych, wykazując się o 20 proc. wyższą skutecznością. Z kolei naukowcy ze Stanford University zaprezentowali algorytm oparty o sztuczną inteligencję, który w ciągu dwóch miesięcy nauczył się rozpoznawać 14 chorób na podstawie zdjęć RTG, wykazując się większą skutecznością niż radiolodzy. Tego typu przykłady wytrącają z ręki argumenty sceptykom, którzy w nowych technologiach widzą więcej zagrożeń niż szans.
Sztuczna tchawica
Biorąc pod uwagę tempo zmian i inwestycji w nowe technologie, możemy przewidywać, że w przyszłości w medycynie pojawią się m.in. nowe zastosowania autonomicznych robotów.
– Już dziś przełamywane są dotychczas nieprzekraczalne bariery, jak np: tworzenie sztucznych biomateriałów przy użyciu drukarek 3D albo wręcz sztucznych narządów (tchawicy, pęcherza moczowego) dzięki hodowlom komórkowym i biomatrycom, operacje kardiologiczne bez otwierania klatki piersiowej, nowe materiały kościozastępcze czy protezy kończyn z mikroprocesorami – wymienia Piotr Czauderna, prezes Agencji Badań Medycznych.
Coraz istotniejszym zagadnieniem jest zastosowanie robotyki w chirurgii. – W ostatnim roku liczba robotów chirurgicznych da Vinci wzrosła w Polsce wręcz lawinowo – potwierdza prezes. Dodaje, że rozwój sztucznej inteligencji i robotyki może w znaczącym stopniu ograniczyć problem niedostatecznej liczby personelu medycznego, a także zmniejszyć koszty związane z jego zatrudnieniem. Przy czym trzeba pamiętać, że to zawsze lekarz podejmuje ostateczną decyzję o podjęciu terapii, a nowoczesne technologie mogą mu jedynie pomóc w dokonaniu najlepszego wyboru.
Deficyt lekarzy to bolączka nie tylko Polski. Skarży się na nią wiele krajów. Nowe technologie mogą im pomagać nie tylko w leczeniu, ale również w stawianiu diagnozy. – Wspólnie z Instytutem Kardiologii w Aninie realizujemy projekt badawczy, którego celem jest wspieranie lekarza w diagnozowaniu pacjentów – mówi Piotr Kramek, ekspert z SAS Polska. Dodaje, że bazując na danych z ostatnich lat, zbudowano modele uczenia maszynowego, które na podstawie tysięcy cech dotyczących pacjenta i jego pobytu w szpitalu są w stanie wskazać i podpowiedzieć lekarzowi, jakie potencjalne choroby występują u danej osoby, a także zapewnić lepszy poziom leczenia i efektywniejsze rozliczenie zrealizowanych świadczeń.