Az Európai Bizottság július 1-jén bemutatott Európai készségfejlesztési programjára szerint napjainkban a munkahelyek legalább 85 százalékához szükséges digitális tudás, hiszen 2005 és 2016 között az új munkahelyek 40 százaléka a digitálisan intenzív ágazatokban jött létre, azonban 2019-ben a felnőttek csupán 56 százaléka rendelkezett az alapvető készségekkel.
Ez a megállapítás párhuzamban áll az EIT Health és a McKinsey&Company tanulmányával, ami szerint Európában nagy szükség van a digitális tudás fejlesztésére és alkalmazására az egészségügyi szektorban is, hiszen többek között az biogyógyászat, a data science, az adatelemzés és a genomika is jelentős szerepet kapnak, ha az AI és a gépi tanulás áttörést ér el az egészségügyben.
A digitális készségeket ritkán tanítják a hagyományos klinikai tudományok mellett. Ez nem is elvárható, hiszen jelenleg az egészségügyi dolgozók sincsenek még kellőképpen felkészülve a mesterséges intelligencia használatára.
"Az európai egészségügyi innováció élvonalában azonban egyre több hatékony és izgalmas AI-megoldást látunk, amelyek enyhíthetik az egészségügyi szolgáltatókra nehezedő nyomást. Itt az ideje, hogy foglalkozzunk a hiányosságokkal, és mindent megtegyünk annak érdekében, hogy Európa ne maradjon le a mesterséges intelligencia egészségügyi alkalmazásában" - mondta Jorge Fernández García, az EIT Health innovációs igazgatója és a tanulmány társszerzője.
Jelenleg a diagnosztika alkalmazza leginkább a mesterséges intelligenciát az egészségügyben. Az EIT Health és a McKinsey&Company felmérése alapján - amelyben 175 egészségügyi dolgozót és 62 döntéshozót kérdeztek meg - a szakemberek arra számítanak, hogy a következő 5-10 évben emellett a klinikai döntéshozatalban lesz kiemelkedő szerepe a mesterséges intelligenciának.
A tanulmány szerzői kiemelik, létfontosságú, hogy az egészségügyi szakemberek idejüket arra fordítsák, ami a legértékesebb: a betegek gondozására. A mesterséges intelligencia széles körű elfogadása és alkalmazása segítheti enyhíteni az erőforrás-kapacitások hiányából adódó problémákat és forradalmasíthatja az egészségügyi ellátást az automatizálás folyamatos fejlesztésével.
Ennek következtében javulhat a szakemberek munkavégzésének hatékonysága, hiszen kevesebb időt kell az adminisztratív feladatokra fordítaniuk, így jobban tudnak a betegekre összpontosítani. A radiológusok idejének legalább 20 százaléka felszabadítható a mesterséges intelligencia alkalmazásával, így az orvosok adminisztráció helyett a klinikai csapatokkal együtt személyre tudják szabni a gyógyítás további lépéseit, ezáltal a gyógyulási folyamatok is hatékonyabbá válhatnak.
Már létező megoldások
A mesterséges intelligencia használata viszont nemcsak a jövő zenéje, hiszen Európában egyre több ilyen alapú megoldás születik, és ezek egy részét az EIT Health támogatja: a magyar InSimu kifejlesztett egy programot, amely lehetővé teszi, hogy az orvostanhallgatók virtuális betegeken gyakorolhassák a diagnosztizálást, míg a szintén magyar Sineko Global Kft. a radiológiai jelentéseket fordító GRAID szoftverével a nemzetközi teleradiológia fejlesztésére törekszik.
A hazai GE Healthcare projektje a Deep MR-only RT, aminek célja, hogy a rákos betegek sugárterápiás kezelését fejlessze az MR képalkotásának fejlesztésével, így a CT-k elhagyhatóak lennének a vizsgálat során. A YogaNotch magyar start-up testre rögzíthető érzékelőket fejlesztett ki annak érdekében, hogy a jógázás alatt valós idejű, személyre szabott visszajelzéseket kapjon a használó a helyes testtartásról.
A Brainscan lengyel start-up a mesterséges intelligenciát használja az agyi CT-vizsgálatok értelmezéséhez. A projekt a diagnosztizálás hatékonyságának javításához járul hozzá azáltal, hogy az agyi patológiás változások osztályozására, lokalizálására és összehasonlítására mesterséges intelligenciát alkalmaz a radiológiai munkafolyamatban.
Egy másik sikeres példa az AI használatára az olasz PatchAi, ami az első kognitív platform, amelyen egy AI-alapú virtuális asszisztens segítségével azokat az adatokat gyűjtik és elemzik, amiket a betegek a klinikai vizsgálatok során bejelentenek. Portugáliában az iLof, az EIT Health Jumpstarter 2019 és a Wild Card 2019 győztese létrehozott egy mesterséges intelligenciára és fotonikára épülő, optikai ujjlenyomatokat tartalmazó felhő-alapú könyvtárat, ami 40 százalékkal tudja csökkenteni az Alzheimer-kórhoz kapcsolódó gyógyszerfejlesztések költségét és 70 százalékkal azok időigényét.
