Lekarze
Czy sztuczna inteligencja zabierze mi pracę?
Udostępnij
%201.svg){kind=small}
W ostatnich latach hasło "Sztuczna inteligencja w medycynie" przestało być jedynie nośnym nagłówkiem futurystycznych artykułów. Sztuczna inteligencja (AI) coraz mocniej wkracza do codziennej praktyki lekarskiej: analizuje obrazy radiologiczne, przewiduje ryzyko chorób, a nawet komunikuje się z pacjentami jako chatbot.
Zastąpienie specjalistów przez maszyny i technologie to realna obawa w środowisku medycznym, zarówno wśród studentów, jak i doświadczonych klinicystów. Ale czy automatyzacja i AI muszą rzeczywiście stanowić zagrożenie dla zawodu lekarza? O tym przeczytasz w tym artykule.
Sztuczna inteligencja w ochronie zdrowia nie jest pieśnią przyszłości. To funkcjonujące rozwiązania, które wspierają lekarzy w wielu dziedzinach.
Radiologia stanowi najbardziej zaawansowany obszar wdrożeń AI. Algorytmy analizujące obrazy, uczą się na milionach przypadków, dzięki czemu potrafią z ogromną precyzją wykrywać zmiany patologiczne na obrazach RTG, TK czy MR. Przykładem jest system “AI-Rad Companion” firmy Siemens Healthineers [8], który wspomaga analizę tomografii klatki piersiowej, automatycznie oznaczając zmiany podejrzane o nowotwór, złamania żeber czy rozedmę płuc. To rozwiązanie, skraca czas opisu i zwiększa czułość detekcji zmian patologicznych.
W podstawowej opiece zdrowia AI wspiera selekcję objawów i decyzję o konieczności konsultacji lekarskiej. System Infermedica i inne aplikacje “symptom-checker” analizują obrazy kliniczne na podstawie dużych zbiorów danych, a następnie przedstawiają możliwe rozpoznania lub dalsze kroki. Lekarz może używać ich do selekcji oraz edukacji pacjentów [5].
Sztuczna inteligencja wspiera lekarzy onkologów w doborze terapii celowanej na podstawie analizy genomu, histopatologii oraz danych klinicznych. Program PathAI osiąga trafność porównywalną z patomorfologami [9]. Narzędzie ”Perception” wykorzystuje dane pojedynczych komórek nowotworu (single-cell RNA-seq) do przewidywania odpowiedzi na leki [6]. Model “Enlight-DEEP-PT” zaprezentowany w lipcu 2024, korzysta z obrazów guzów bez konieczności sekwencjonowania, pomaga przewidywać skuteczność terapii, dzięki czemu przyspiesza decyzje terapeutyczne [6].
Nie opieramy się wyłącznie na twardych danych, patrzymy również przez pryzmat własnych doświadczeń i obserwacji. Widzimy przyszłość, w której lekarz nie zostaje zastąpiony przez sztuczną inteligencję, lecz zyskuje nową, jeszcze ważniejszą rolę: tłumacza, przewodnika i powiernika pacjenta.
Sztuczna inteligencja nie odbierze pracy tym lekarzom, którzy potrafią się do niej dostosować, rozumieją jej potencjał i ograniczenia oraz wykorzystują ją jako narzędzie zwiększające skuteczność leczenia. Może natomiast z czasem zastąpić tych, którzy nie chcą się rozwijać, nie aktualizują wiedzy i opierają się zmianie.
To nie technologia sama w sobie jest zagrożeniem. Zagrożeniem jest brak zrozumienia, jak działa, jakie ma ograniczenia i gdzie może zawieść. AI działa na podstawie danych, często zredukowanych, uproszczonych i pozbawionych kontekstu. Nie uwzględnia niuansów rozmowy z pacjentem, jego historii rodzinnej, preferencji, lęków. Nie wyczuje ironii, nie rozpozna mimiki twarzy, nie wyjaśni sensu terapii paliatywnej. Dlatego w centrum relacji z pacjentem nadal pozostaje człowiek, empatyczny, uważny i potrafiący nadać sens nawet najtrudniejszym decyzjom terapeutycznym.
Niezbędna staje się znajomość podstaw uczenia maszynowego (machine learning) i sztucznej inteligencji w kontekście medycznym. Obejmuje to rozróżnienie pomiędzy modelami nadzorowanymi a nienadzorowanymi, zrozumienie wskaźników jakości predykcyjnej (takich jak czułość, swoistość, wartość predykcyjna dodatnia i ujemna, AUC – area under the curve), a także świadomość zjawisk takich jak “bias” danych. Lekarz, który korzysta ze wspomagania decyzyjnego opartego na AI, powinien być w stanie zadać krytyczne pytania:
Gdzie można zdobyć takie umiejętności? Poniżej przedstawiamy listę kursów dla lekarzy, profesjonalistów z branży medycznej i farmaceutycznej oraz menedżerów zdrowia o tematyce AI w medycynie:
Pacjenci coraz częściej przychodzą do gabinetu po wcześniejszym kontakcie z chatbotem, aplikacją symptom-checker lub generatywnym modelem językowym. W takich sytuacjach lekarz nie tylko musi umieć zinterpretować wcześniejsze sugestie AI, ale przede wszystkim w sposób zrozumiały i empatyczny wyjaśnić pacjentowi, że wynik generowany przez algorytm nie jest ostatecznym rozpoznaniem, lecz jedynie hipotezą wymagającą weryfikacji w kontekście indywidualnym. Współczesna relacja kliniczna nie opiera się już wyłącznie na przekazywaniu informacji, lecz coraz częściej na odbudowywaniu zaufania w środowisku przesyconym niepewnymi i niezweryfikowanymi źródłami wiedzy. Umiejętność rozmowy w warunkach „cyfrowej dezinformacji” staje się kluczową kompetencją kliniczną XXI wieku. Poniżej przedstawiamy zestawienie rekomendowanych kursów, książek i programów edukacyjnych dla lekarzy, które pomagają rozwijać umiejętność komunikacji z pacjentem w obliczu cyfrowej dezinformacji:
Trzecim filarem adaptacji do rzeczywistości medycyny cyfrowej jest aktywne uczestnictwo lekarzy w procesie projektowania, wdrażania i ewaluacji narzędzi opartych na AI. Obecność przedstawicieli zawodów medycznych przy tworzeniu systemów klinicznych gwarantuje, że będą one uwzględniały realia pracy w placówkach ochrony zdrowia, potrzeby pacjentów oraz specyfikę pracy zespołów terapeutycznych. Z kolei na poziomie edukacji akademickiej konieczne jest, aby podstawy działania i zastosowania AI zostały włączone do programów kształcenia lekarzy nie jako element techniczny, ale jako integralna część profesjonalizmu zawodowego. Coraz więcej inicjatyw umożliwia medykom zaangażowanie w kształtowanie cyfrowej przyszłości opieki zdrowotnej, zarówno na poziomie krajowym, jak i międzynarodowym:
Zrozumienie, jak funkcjonuje algorytm wspomagania decyzji, staje się dziś równie istotne, jak znajomość zasad EBM (evidence based medicine), ponieważ bez tej wiedzy lekarz nie będzie w stanie ocenić, kiedy można na AI polegać, a kiedy należy zakwestionować jej rekomendacje. Dzięki zaangażowaniu w takie inicjatywy, specjaliści mogą nie tylko rozwijać własne kompetencje, ale też realnie wpływać na kierunek, w jakim zmierza cyfrowa medycyna.
W książce Deep Medicine, amerykański kardiolog i wizjoner medycyny cyfrowej, dr Eric Topol, stawia ważną tezę: sztuczna inteligencja nie odbierze lekarzowi pracy. Wręcz przeciwnie, może przywrócić mu to, co w jego zawodzie najcenniejsze: czas, relację z pacjentem i głębię klinicznego myślenia.
Topol argumentuje, że współczesna medycyna uległa dehumanizacji. Lekarz spędza dziś zaledwie kilkanaście minut na pacjenta, z czego znaczna część pochłaniana jest przez dokumentację elektroniczną i zadania administracyjne. Pacjent staje się zapisem w systemie, a lekarz, operatorem klawiatury. W tym kontekście sztuczna inteligencja jawi się nie jako zagrożenie, lecz jako narzędzie umożliwiające „odzyskanie człowieczeństwa” w medycynie.
Topol zauważa, że algorytmy mogą skutecznie przejąć zadania powtarzalne: analizę obrazów, przeszukiwanie dokumentacji, tworzenie streszczeń konsultacji, czy przewidywanie ryzyka na podstawie danych liczbowych. Ale są trzy obszary, w których AI nie ma szans zastąpić lekarza:
Eric Topol nie postuluje medycyny bez lekarzy. Przeciwnie, opowiada się za medycyną głęboką (deep medicine), w której lekarz, wspierany przez AI, odzyskuje sens swojej pracy. Nie chodzi o rywalizację, lecz o synergię człowieka i maszyny, gdzie człowiek wyznacza kierunek, a maszyna wspiera decyzję.
Sztuczna inteligencja nie odbierze pracy tym lekarzom, którzy potrafią się do niej dostosować, rozumieją jej potencjał i ograniczenia oraz wykorzystują ją jako narzędzie zwiększające skuteczność leczenia. Może natomiast z czasem zastąpić tych, którzy nie chcą się rozwijać, nie aktualizują wiedzy i opierają się zmianie.
To nie technologia definiuje przyszłość zawodu, ale sposób, w jaki człowiek z nią współdziała. Przyszłość medycyny nie należy do maszyn. Przyszłość medycyny należy do lekarzy, którzy potrafią pracować z maszynami z korzyścią dla pacjenta. Zatem pytanie nie brzmi już: czy AI zabierze mi pracę?, lecz: Co mogę zrobić już dziś, żeby moja praca dzięki AI była jeszcze lepsza jutro?
