Rövidebb várólisták, nagyobb hatékonyság: hol hoz az AI azonnali javulást a magyar egészségügyben?

A GE HealthCare idén idén ünnepli magyarországi jelenlétének 25. évfordulóját. Ha egyetlen példával kellene érzékeltetnie az elmúlt negyedszázad hatását, melyik történet, mérföldkő, bevezetett kulcseszköz vagy technológiai fejlesztés jut eszébe?

Számomra – emberként és munkavállalóként – a legfontosabb, hogy a diagnosztika kézzelfoghatóan emberközpontúbbá vált.

Ma páciensorientáltan tervezünk készülékeket és gyógyítási, illetve diagnosztikai folyamatokat, ennek köszönhetően a korábban hosszú, akár több órás vizsgálatok mára percekre rövidülhetnek. A kellemetlenségek is jelentősen csökkentek, a képalkotó diagnosztikában – gondolok itt a nagy berendezésekre, CT-re, MR-re – a páciensek jóval kevesebb időt töltenek az alagútban, mint 15 -20 éve. Ugyanez igaz a PET-vizsgálatokra is, a vizsgálati idő a töredékére rövidült.

Ez nemcsak a betegélményt javítja, hanem magát az orvoslást és a diagnosztikát is, hiszen egy hosszú vizsgálat során sokkal nehezebb mozdulatlanul feküdni vagy visszatartani a lélegzetet, ami sokszor feltétel a megfelelő képalkotáshoz. Ebben a fejlődésben a technológiai előrelépés szerintem hatványozott és nagyon is érezhető. Említhetem a mammográfiát is, hölgy kollégáim és családtagjaim egybehangzóan mondják, hogy ma egészen más – és sokkal elviselhetőbb – élmény, mint 25 évvel ezelőtt.

Ide kapcsolódik a gyerekek vizsgálata, a gyerekdiagnosztika is. Ma már kifejezett törekvés, hogy a környezet is barátságosabb legyen a legkisebbek számára is, színesre festett készülékek, tudatosan tervezett megvilágítás és hangélmény segít tompítani a gépek egyébként sokszor feszélyező zajait. Ezek nem pusztán dizájn- vagy tervezési részletek, hanem nagyon is konkrét eredményt hoznak – ahogy mondtam, nemcsak a betegélményben, hanem a vizsgálati minőségben és a diagnosztika eredményességében is.

Ma egy szívdobbanás alatt készítünk szívkoszorúér-képeket, a páciens bemozdulása okozta képelmosódás szinte teljesen megszűnt, a radiológus tisztább, jobb képből tud dolgozni, így pedig kisebb az esélye, hogy meg kell ismételni a vizsgálatot – ez a páciensnek is könnyebbség, az egészségügyi rendszernek és az orvosoknak pedig idő- és kapacitásmegtakarítás.

Ebben mérhető, kimutatható a technológiai fejlődés, és ebben Magyarországon nekünk is fontos szerepünk volt, nemcsak az itthon értékesített készülékekkel, hanem azoknak a csapatoknak a révén is, akik a fejlesztésekben – szoftver- és hardveroldalon – aktívan részt vesznek.

Az imént említette, hogy rövidültek a vizsgálati idők, javult a képminőség, így ritkábban kell azokat ismételni. Ezek a fejlesztések a napi rutinban miben jelentenek valódi könnyebbséget az orvosoknak és az asszisztenseknek?

Az egészségügy "határtalanságát" szeretnénk elérni. Ennek két kulcsszereplője van: a páciens és a felhasználó – az operátor, a radiológus, az egészségügyi szakember. Alapelvünk, hogy a készülékek könnyen és gyorsan használhatók legyenek.

Például egy mammográfiai szűrésnél a betegadatok előhívása nem igényel 20 kattintást, hanem a készülék integrálódik az ellátó intézmény informatikai rendszeréhez, az adatok automatikusan elérhetőek, így az operátor a páciensre figyelhet – megfelelően pozícionálja a készüléken, megnyugtatja, elmagyarázza, mi fog történni –, és nem a számítógép kezelése viszi el az idejét. Ez mind páciens-, mind ellátói oldalon kézzel fogható előny.

A mesterséges intelligencia ebben rengeteget segít, és a jövőben még többet fog. Az automatizáló megoldások – mondjuk egy CT-nél mennyezetre szerelt kamera AI-támogatással – segíti a betegpozícionálást, nem kell a konzol és a beteg között ingázni, a helyes beállítás nagy fokú automatizmussal és pontossággal elvégezhető. Ennek eredménye, hogy ritkábban kell a vizsgálatokat újra elvégezni, pontosabb lesz a felvétel, és gyorsabban halad a folyamat.

A radiológusoknál továbbá a távdiagnosztika adja meg azt a rugalmasságot, amellyel több készüléket is le lehet fedni kevesebb humánerőforrással. A leletek felhőalapon gyorsan elérhetők, a leletező orvos a világ bármely pontjáról meg tudja nézni a képeket, fel tudja állítani a diagnózist, és javasolni tudja a következő kezelési lépéseket. Ez a fajta rugalmasság közvetlenül az eredményességet és a hatékonyságot növeli.

Maradva a mesterséges intelligenciánál: hol látja a legnagyobb nyereséget, és hol a leginkább kezelendő kockázatokat az egészségügy digitális átalakulásában?

A mesterséges intelligenciát tekintve két fókuszunk van. Egyrészt a betegközpontúság erősítése és az egészségügyi dolgozók terheinek csökkentése, másrészt a diagnosztika pontosságának növelése, ahol már most valósak az eredmények. Másrészt kezelni kell az adatmennyiség robbanását is: egyre több diagnosztikai kép készül, ezt automatizáció nélkül nem lehet feldolgozni.

A rutinlépéseket az AI gyorsítja és javítja, a döntéstámogatásban ma már javaslatot ad arra, hol lehet a kóros elváltozás. Ma ezt radiológus erősíti meg, de a jövőben nagy bizonyosságú diagnózisjavaslatok is érkezhetnek. Különösen a szűrésekben nő majd ennek a szerepe. Így az orvos több időt tölthet a pácienssel, miközben a leletezés egyre több automatizmussal készül.

Ezek alapján tehát reális forgatókönyv, hogy a human‑in‑the‑loop, vagyis az emberi megerősítés szerepe bizonyos helyzetekben visszaszoruljon, sőt, esetenként el is maradjon?

Már ma is vannak ilyen megoldások. Nálunk például az egyik első röntgenen futó AI a légmell gyanúját jelzi azonnal az operátornak – ez kritikus állapot, gyors beavatkozást igényel. Ilyen célzott algoritmusokból egyre több lesz különféle kórképekhez, bizonyos lépések automatizálhatóvá válnak. A betegút ezzel felgyorsul: kimaradhat egy plusz kör, és hamarabb indulhat a kezelés.

Milyen lépések vezetnek odáig, hogy a nyers betegadatból klinikailag használható, személyre szabott kezelési terv szülessen?

A személyre szabott orvoslás már nemcsak a jövő, hanem a jelen része. Minden páciens más, ugyanarra a kezelésre is eltérően reagál.

Ahhoz, hogy valakinek a teljes, személyes kórképét felrajzoljuk, rengeteg – nem csak képalkotó – adatra van szükség: a genetikai információk, a laboreredmények, a diagnosztikai képanyag, a kórelőzmény, sőt az életmódadatok összekapcsolása adja azt a komplex képet, amely alapján a terápiát valóban személyre lehet szabni, meg lehet tervezni és nyomon lehet követni.

Ekkora adatmennyiség kezelése mesterséges intelligencia nélkül elképzelhetetlen. A különböző modalitások adatai közti összefüggések felismerése – úgy gondolom – áttörő eredményeket hoz, és már most is sok pozitív példát látunk.

A technológia nem mindenre és nem egyszerre ad választ, a fejlődés sokszor nem lineáris. A gyártók, a tudomány, az orvosok és a kutatók is priorizálnak, és azokon a területeken haladnak gyorsabban, ahol a kutatási erőfeszítések erősítik ezt a szemléletet.

Onkológiában már látszanak az eredmények, olyan radiotracereket fejlesztettünk – vagyis enyhén radioaktív, a szervezetben nyomon követhető anyagokat, amelyek célzottan kötődnek bizonyos sejtekhez, szövetekhez/folyamatokhoz, és láthatóvá teszik azokat a képalkotásban – amelyek ezáltal pontosan megmutatják a tumor helyét és kiterjedését. Ez lehetővé teszi a célzottabb sebészi vagy sugárterápiás beavatkozást: a sugár pontosan oda és olyan dózisban érkezik, ahol a daganat visszaszorítása a cél, miközben a környező egészséges szövetek jobban védhetők.

Ma már akár másnap mérhető, milyen mértékben zsugorodott a tumor, mennyire volt hatékony a kezelés, és ha kell, gyorsan lehet módosítani a terápián. Ami korábban hetekbe telt – például egy PET‑CT‑vel igazolni a gyógyszeres kezelés hatékonyságát hatásosságát –, az ma sokszor napokra rövidül. Onkológiában ez már realitás, ezt hívjuk teranosztikának, vagyis a diagnosztika és a terápia összekapcsolásának. Úgy gondolom, ez a gondolkodásmód más betegségekben is teret nyer, neurológiában például nagyon ígéretes fejlesztések és technológiai áttörések zajlanak mind a képalkotásban, mind a gyógyszeres terápiákban – én ebben kifejezetten bizakodó vagyok.

A főváros - vidék különbség jól mérhető a háziorvosi lefedettségben, az orvosellátottságban és a műtéti várakozási időkben. A lakosságarányos orvoslétszám például Budapesten és az egyetemi központokban a legmagasabb. Mit gondol, mivel lehet a leghatékonyabban csökkenteni a főváros és a vidék közötti különbségeket a diagnosztikában és a várakozási időkben?

Ez egy nehéz és kényes kérdés. Mi egészségügyi technológiát fejlesztő, gyártó és forgalmazó vállalatként ugyanazokat a megoldásokat, technológiákat fejlesztjük és tesszük elérhetővé mindenhol. A mi fókuszunk az, hogy a készülékek rugalmasan kezelhetők legyenek, kevesebb és gyorsabb betanítással is eredményesen működjenek, és – ahol lehet – távolról üzemeltethetők, frissíthetők, javíthatók legyenek. Különbségek viszont vannak. Egy kisebb városban jellemzően alacsonyabb a betegforgalom és szűkebb a szükséges vizsgálati spektrum, mint egy egyetemi központban. Ennek megfelelően ajánlunk konfigurációt kisvárosi kórháznak vagy nagy klinikának – de az alapelvek mindenhol azonosak: hatékonyság, elérhetőség, megbízhatóság.

Mivel a képek és leletek a felhőben bárhonnan elérhetők, a beteg és a szakorvos között megszűnik a távolság: az orvos azonnal ránézhet az anyagra, visszajelezhet, elindulhat a kezelés.

Emellett fontos trend, hogy a csúcstechnológiát elérhetővé tegyük egyszerűbb, kedvezőbb árú készülékekben is – ott is, ahol a hozzáférés korlátozottabb. Tizenöt-húsz éve például az elsők között vittünk piacra telefonméretű kézi ultrahang készüléket, amivel a kezelőorvosnak távoli térségekben akár a beteg otthonában is lehetősége van a vizsgálat elvégzésére.

Térjünk rá az egyetemi és klinikai együttműködésekre: mely közös projektek hoztak valódi áttörést a mindennapi betegellátásban, és hogyan épülnek be az egyetemi kutatási eredmények a GE HealthCare globális termékfejlesztésébe?

A Szegedi Tudományegyetemmel termékfejlesztésben és sugárterápiában dolgozunk, dolgoztunk együtt, MR‑képalkotási, valamint MR‑szoftver‑ és hardverfejlesztési projektjeinkből olyan megoldások születtek, amelyek ma már a világpiacon elérhetők, és sok ember életére hatnak pozitívan.

A Debreceni Egyetemmel onkológiai folyamattervező szoftverünk klinikai kiértékelését végezzük. A debreceni csapat kulcsfontosságú visszajelzéseket ad arról, mennyire hatékony a folyamatvezérlési megoldás, és hol tudunk rajta finomítani, hogy még hasznosabb legyen.

Pár hete Chicagóban, az RSNA-n – az Észak‑Amerikai Radiológus Társaság éves, nemzetközi radiológiai kongresszusán – vett részt. Az idei bemutatók alapján mely friss trendek és áttörések formálják a radiológia jövőjét, és mely megoldások hozhatnak a legrövidebb távon érdemi javulást a hazai ellátásban?

A látogatók nagyjából 60%-a észak‑amerikai, 40%-a pedig nemzetközi - orvosok, radiológusok, fejlesztők és gyártók érkeznek a világ minden tájáról. Ez mindig különleges élmény, a szakma színe‑java gyűlik össze, és mindenki megmutatja, egy év alatt merre jutott a kutatás és a technológia, az egészségügyi innováció, hol tartunk az elérhető készülékekben.

Tapasztalt, sok RSNA‑t megjárt radiológussal beszélgetve feltűnő, hogy ami korábban klasszikus orvostechnológiai kiállítás volt, ma szinte digitális, AI‑központú esemény. Alig van stand, ahol ne az AI‑ról és az adatról esne szó. Ez jól tükrözi, merre tart a világ. Személyes benyomásom, hogy a mesterséges intelligenciával kapcsolatos szkepszis az elmúlt három évhez képest látványosan csökkent, ma már az eredményekről és a "hogyan továbbról” beszélünk.

A fókusz azon van, hogyan lesznek a képek még informatívabbak és gyorsabban elérhetőek, miként értelmezzük a növekvő képmennyiséget egyszerűbben és automatizáltabban, és hogyan csökkentjük a humán terhelést az egészségügyben.

Gyártóknál és kutatócsoportoknál egyaránt láthatók a tényszerű eredmények és a meglehetősen konkrét jövőtervek.

Lát reális esélyt arra, hogy az AI‑vezérelt megoldások – döntéstámogatás, automatizáció, távdiagnosztika és adatintegráció – láthatóan mérsékeljék a szakemberhiányt és rövidítsék a várakozási időket?

Személyes véleményem, hogy önmagában nem. Ezt orvosok és kutatók is rendre megerősítik, hogy

az AI önmagában nem fogja megoldani a szakemberhiányt.

Képzésre szükség van, és máshogyan kell képezni a jövő szakembereit, mint tíz éve – mert a technológia és a lehetőségek is megváltoztak. Hiszek abban, hogy az ilyen szakmai fórumok – mint az RSNA – és az ott zajló párbeszédek segítenek abban, hogy a szakma, a döntéshozók és a technológiai vállalatok közösen alakítsák a jövőt, legyenek világos tervek és konkrét lépések minden oldalon a jelenlegi kihívások kezelésére.

Az AI egy eszköz, felelősen kell használni – de csak egy eleme a mai orvoslásnak. Mellé kell tenni a forrásokat, a kapcsolódó technológiákat és az emberi erőforrást, ebben a képzés kulcskérdés.

A szakma vonzerejének fenntartása is nagyon fontos. Az RSNA‑n például inspiráló volt látni, ahogy szenior professzorok beszélgetnek huszonéves kutatókkal, jó volt megtapasztalni ezt az – úgymond – diverz korcsoportú tudásmegosztást, és hogy együtt dolgozunk azon, hogyan nézzen ki a jövő, és hogyan legyen jobb, mint a ma.

A cikk megjelenését a GE HealthCare támogatta.

Címlapkép forrása: Portfolio