Cyfrowa transformacja i dane. Jak Data Science i sztuczna inteligencja zmieniają branżę medyczną

Czy w twojej firmie przyda się Data Science? Czy sztuczna inteligencja mogłaby przynieść ci realną wartość? Jak oba te koncepty mają się do potrzeb sektora medycznego i farmaceutycznego? Niniejszy artykuł przedstawia obszary, w których szeroko pojęty rynek medyczny korzysta z nowych możliwości Data Science i AI. Przedstawiamy też rozwiązania z dziedziny data science stworzone przez Consonance dla klientów z branży medycznej.

Sztuczna inteligencja jest dziś bardzo modna. Tak modna, że czasami wydaje się czymś, co powinno znaleźć się niemal w każdym projekcie digitalowym. Jednakże, choć “wszyscy idą w AI”, być może zastanawiasz się, w jaki sposób obecne trendy są adekwatne do potrzeb twojej firmy. Są to pytania, które warto sobie zadać. Świadczą one o świadomym podejściu do własnych projektów. W powiedzeniu, że „dane to ropa XXI wieku”, prawdopodobnie nie ma przesady. A nawet można by powiedzieć, że dziś dane to coś więcej niż ropa. Łatwo wskazać produkty, które od konceptu do pojawienia się na rynku nie potrzebują ropy. Czy natomiast jesteśmy w stanie wyobrazić sobie jakikolwiek rozwój produktu bez danych?

Czym jest Data Science?

W największym uproszczeniu, koncept Data Science odwołuje się do analizy danych dotyczących produktu, firmy, klientów, zachowań odbiorców i wszelakich innych danych gromadzonych podczas projektu. Kluczową kwestią jest związek tej analizy z tzw. Business Intelligence. Zbieranie danych dla samego zbierania rzadko wystarcza – istotne jest to, by nastąpiło przekształcenie danych w informacje, a informacji w wartościową wiedzę. I właśnie tym analitycy danych zajmują się na co dzień. Mając dane – masz wiedzę. Musisz tylko umieć ją znaleźć.

Realne bazowanie na analizie danych danych oznacza wykorzystanie ich do rozwoju firmy. Związek Data Science z Business Intelligence jest więc ścisły. Dane powinny wspierać różnorodne procesy związane z odblokowywaniem nowych możliwości, lepszym zrozumieniem klientów i ich potrzeb oraz podejmowaniem lepszych decyzji w oparciu o te minione.

Relację pomiędzy Data Science i Business Intelligence można uznać za tradycyjnie silną w branży medycznej. Wszak dane stanowią podstawę organizacji systemu opieki zdrowotnej, jak również produkcji leków. Jednakże czynniki takie jak olbrzymi postęp technologiczny ostatnich dekad, jak również postępująca cyfryzacja służby zdrowia, sprawiły, że związek ten należy dziś uznać za silniejszy niż kiedykolwiek. W przemówieniach podczas szkoleń Data Science czy AI mogą czasami wybrzmieć jak tzw. buzzwordy, ale trzeba przyznać, że to nie wzięło się z niczego. Jak podaje McKinsey, w samych Stanach Zjednoczonych umiejętne wykorzystanie danych mogłoby przełożyć się na oszczędności dla całego sektora rzędu, bagatela, od 300 do 450 miliardów dolarów. Błędy i zaniedbania wynikające ze złych danych kosztują samą amerykańską opiekę zdrowotną około 3,1 biliona (!) dolarów rocznie. W pewnym sensie, to, jak ważne jest dobre wykorzystanie danych uwidacznia się wtedy, gdy danych nie zbieramy lub gdy zbieramy je źle.

Dlatego jeśli zadajesz sobie pytanie, czy w firmie, w której pracujesz, potrzebujesz Data Science lub czy algorytmy sztucznej inteligencji mogłyby wesprzeć niektóre procesy, równie dobrze może zacząć zadawać pytania nieco innego typu. Zastanów się na przykład, czy posiadasz bazy danych, z których nie wyciągasz żadnych interesujących informacji. Albo czy Twoja firma wypuściła kiedyś produkt na rynek, aby ostatecznie nie dowiedzieć się niczego o tym, jak klienci go używają. Albo czy pracownicy mogliby spędzać mniej czasu nad niektórymi działaniami w Excelu.

screen AI 4

Zastosowanie Data Science w branży medycznej i farmaceutycznej

Obszary zastosowania Data Science w sektorze opieki zdrowotnej są bardzo zróżnicowane. Analiza danych o pacjencie i jego zachowaniu to oczywiście podstawa każdego badania rynku i marketingu w branży medycznej. Przetwarzanie języka naturalnego i wyszukiwanie w korpusie dokumentów jest z kolei często wykorzystywane przez firmy farmaceutyczne i organizacje badawcze na zlecenie (CRO) do wszelkiego rodzaju analiz tekstowych. Szczególną rolę odgrywa tutaj wyszukiwanie tekstów o żądanej treści, klasyfikacja według określonych kryteriów lub ekstrakcja wyszukiwanych fraz. W przypadku firm z branży medycznej, w których pojawia się komponent produkcyjny, algorytmy służą do automatyzacji i optymalizacji procesów produkcyjnych przy użyciu technik uczenia maszynowego. Analiza danych wykorzystywana jest również na potrzeby wykrywania anomalii i przewidywania awarii.

AI oraz Data Science w diagnostyce medycznej

W dobie cyfrowej transformacji, Data Science wspiera procesy diagnostyczne szczególnie w tych obszarach opieki zdrowotnej, które borykają się z problemami systemowymi.

Przykładem takiego obszaru jest okulistyka. W najbardziej zaludnionych krajach świata wielkim wyzwaniem stało się to, by zapewnić możliwość diagnozy chorób układu wzrokowego ogromnej liczbie osób przy niedostatecznej ilości personelu i środków. Każda oszczędność systemowa, polegająca na przykład na przejęciu części diagnostyki przez zautomatyzowane systemy i sztuczną inteligencję, ma tutaj dużą wagę, ponieważ przyczynia się do tego, że więcej osób objętych jest leczeniem.

W Indiach, kraju, który dziś może uchodzić za sztandarowy przykład wyzwań okulistycznych i diabetologicznych, Google i Verily uruchomiły program do szybkiego diagnozowania jaskry przy użyciu sztucznej inteligencji. Oparta o Data Science technologia identyfikuje dziś retinopatię, cukrzycę i obrzęk plamki, a także interpretuje wyniki. Do podobnego celu służy zatwierdzone przez FDA rozwiązanie IDx-Dr. Proces zajmuje mniej niż minutę. W tej części diagnozy specjalista praktycznie nie jest już potrzebny.

Wykorzystanie możliwości analizy danych i AI do objęcia większej ilości pacjentów leczeniem widać również na przykładzie rozwiązania Cardiomatics Cardiomatics. Jest to narzędzie do automatycznej analizy zapisu EKG wykorzystujące algorytm sztucznej inteligencji i uczenia głębokiego (deep learning). Znacząco przyspiesza ono pracę lekarzy, którzy w codziennej pracy zmagają się z analizą długoterminowych zapisów EKG (24h lub więcej). System działa w chmurze, co gwarantuje dostępność usługi. Z rozwiązania korzystają klienci z m.in. Szwajcarii, Niemiec i Danii. Cardiomatics jest certyfikowanym wyrobem medycznym klasy IIa.

cm

Poza oczywistą oszczędnością czasu, na przykładzie tej technologii dobrze widać, jak Data Science realnie może wesprzeć Business Intelligence. Dowodem tego jest nawiązana w Niemczech współpraca firmy Cardiomatics z Pfizerem. Dlaczego wielka firma farmaceutyczna miałaby być zainteresowana taką technologią? Otóż automatyzacja procesu oceny sygnałów sprawia, że analiza ECG może wyjść poza gabinety kardiologów i trafić również do lekarzy ogólnych. A teraz dwie liczby: za nasza zachodnią granicą są trzy tysiące kardiologów i ponad sześćdziesiąt tysięcy tzw. “general practitioners”. Innymi słowy, dla Pfizera dzięki takiej technologii otwiera się znacznie większy rynek.

Zastosowanie sztucznej inteligencji do predykcji zachowań pacjentów

Ważnym obszarem zastosowania Data Science i AI w ochronie zdrowia jest również predykcja. Na podstawie wspomnianych wcześniej przykładów widać, że gromadzenie danych o pacjentach i ich zachowaniu to niezwykle istotna gałąź analizy danych. Na tym jednak możliwości się nie kończą, bo przecież na tej podstawie można by przewidzieć prawdopodobieństwo wystąpienia określonych zdarzeń w przyszłości.

W przypadku niektórych produktów, predykcja stanowi podstawę tworzenia przewagi konkurencyjnej. Przyjrzyjmy się choćby produktowi dla diabetyków Guardian Connect firmy Medtronic. Głównym komponentem w zestawie jest urządzenie do ciągłego monitorowania poziomu glukozy, wspierane przez aplikację do zbierania danych. Gdyby ograniczyć się tylko do tego, produkt byłby niezwykle zbliżony do setek innych na rynku, a propozycja wartości, mimo że zdefiniowana i konkretna, nie wyróżniałaby się niczym szczególnym.

Jednak w tym konkretnym wypadku oprogramowanie bazujące na Data Science zapewnia bardzo interesującą funkcjonalność. Guardian Connect może przewidzieć moment, w którym glikemia zbliży się do wartości krytycznej, z godzinnym wyprzedzeniem. To ważne wsparcie dla diabetyka, w życiu którego niezbędna jest samoobserwacja.

Duży potencjał sztucznej inteligencji na cele predykcji uwidacznia się również w obszarze zdrowia psychicznego. Tutaj również mamy duże i ważne wyzwania systemowe, choć o nieco innym charakterze niż w okulistyce.

Przede wszystkim, wielu pacjentów nie rozpoczyna terapii wystarczająco wcześnie. Wśród przyczyn braku decyzji o rozpoczęciu leczenia wymienia się tradycyjne postrzeganie chorób i zaburzeń psychicznych oraz uzależnień jako wstydliwych. Nowoczesne technologie pozwalają zaadresować te wyzwania. Co więcej, chatboty mogą być realnie dobrym źródłem pre-screeningu.

Trzy lata temu reporterka amerykańskiej telewizji CNBC zamieściła na Twitterze interesującą ankietę. Zapytała, co woleliby zrobić ludzie, gdyby mieli jakieś bardzo kłopotliwe schorzenie. Czy woleliby zwierzyć się botowi sterowanemu przez sztuczną inteligencję czy żywemu lekarzowi? Liczba głosów na obie opcje była niemal identyczna.

Funkcjonalności związane z predykcją są sercem innego sztandarowego projektu realizowanego przez Consonance – Helping Hand. Helping Hand to wieloletnie przedsięwzięcie realizowane we współpracy z producentem aplikacji mobilnej Helping Hand, wspomagającej terapię uzależnień. Zespół specjalistów Consonance przygotowuje w tym przypadku algorytm, który na podstawie danych zbieranych przez aplikację dostarczy wiarygodnych prognoz wystąpienia nawrotu choroby alkoholowej. Prognoza ułatwi trafną reakcję terapeutyczną i tym samym zwiększy skuteczność terapii. W dalszej części projektu zostanie stworzony również chatbot, który opierając się na wynikach predykcji będzie podejmować interwencyjne konwersacje terapeutyczne.

HH24

Inne zastosowania AI w branży medycznej

Wiele badań dotyczących predykcyjnych cech sztucznej inteligencji jest obecnie prowadzonych w środowisku akademickim i odnosi się do różnych obszarów ochrony zdrowia. W czołowym czasopiśmie kardiologicznym „Circulation” niedawno opisano największe dotychczas badanie z udziałem obrazowania sercowo-naczyniowego rezonansu magnetycznego (CMR) i AI. Wniosek z badania był taki, że sztuczna inteligencja może być używana do przewidywania zawału serca i udaru mózgu.

Nauka o danych była również szeroko badana pod kątem przewidywania chorób neurodegeneracyjnych, takich jak choroba Alzheimera. Kanadyjscy naukowcy wyszkolili algorytmy w oparciu o neuroobrazowanie i rozpoznawanie twarzy. Koreańscy naukowcy zbadali z kolei możliwość zbudowania zautomatyzowanego modelu przewidywania ryzyka choroby, badając pacjentów z chorobą Alzheimera. W obu tych wypadkach wyniki są bardzo obiecujące.

Podając jeszcze jeden przykład z dziedziny okulistyki na koniec – w niedawnych badaniach na University College London oparta o AI technologia diagnostyki siatkówki była w stanie nie tylko dostarczyć lekarzowi szybki raport podczas badań przesiewowych, ale także osiągnęła możliwość przewidzenia jaskry na 18 miesięcy przed pojawieniem się pierwszych “tradycyjnych” objawów.

Data Science: przyszłość jest teraz?

Czy potrzebujesz Data Science w swojej firmie medycznej? Najbardziej prawdopodobna odpowiedź brzmi „tak”. Mimo to, najważniejszym pytaniem, na które należy odpowiedzieć, jest to, gdzie dokładnie możesz skorzystać na zaawansowanej analizie danych.

Ostatnio pojawiło się sporo udanych wdrożeń Data Science i sztucznej inteligencji w firmach farmaceutycznych i startupach medtechowych. Postępująca cyfryzacja i cyfrowa transformacja systemu opieki zdrowotnej wzmacnia cały ten proces. Na dziś zakres wdrożeń jest zatem bardzo szeroki, a wymienione w tym artykule obszary zastosowania stanowią tylko część możliwości.

O firmie Consonance

Consonance Sp. z o.o. to firma specjalizująca się w pracach badawczo-rozwojowych dla branży MedTech. Jej usługi obejmują prace inżynierskie i rozwojowe w dziedzinie urządzeń medycznych, elektroniki medycznej oraz digital health, rozwijanie algorytmów sztucznej inteligencji do zastosowań medycznych, doradztwo w procesie certyfikacji CE dla wyrobów medycznych oraz wdrażanie systemu ISO 13485:2016. Klientami Consonance są firmy farmaceutyczne, startupy medyczne i inne podmioty działające na rynku medycznym.

Jeśli planują Państwo realizację podobnego projektu i byliby Państwo zainteresowani otrzymaniem oferty, prosimy o kontakt z Działem Sprzedaży Consonance: sales@consonance.tech.
Wojciech Bieroński
LinkedIn
Share