AI w kardiologii

Dzień dobry państwu.Ja się nazywam Łukasz Kłodkowskii chciałem dzisiaj z państwem chwilępodyskutować na temat,tematu, który coraz częściej dotyka nasjako lekarzy, naszego środowiska medycznego,ale również naszych pacjentów.No nie tylko w całejmedycynie, ale również w obszarze kardiologii,a więc tematu sztucznej inteligencji.

Pojawia się pytanie, czy jestto przejściowy trend, pewnego rodzaju moda,czy być może coś, cozostanie z nami na dłużej?Czy należy wierzyć i ufaćkolejnym nagłówkom gazet, szumnym wywiadom, wypowiedziomi wykładom, być może takimjak ten, czy też, emm, jestto coś, co przejdzie iniedługo przestanie być elementem właśnie tychżedyskusji.

A więc czy jestto hit, czy jest to kit?Pewnie trochę z przymrużeniem okaja też nie będę wchodził wszczegóły wszystkich tych zagadnień.Pozostawię państwa z pewną-- niedosytem,zachęcając tym samym do refleksji, dopomyślenia, do doczytania i dodalszych dyskusji.Być może uda nam sięodpowiedzieć jeszcze na te pytania wkolejnym spotkaniu, w kolejnych spotkaniachi w kolejnych rozmowach.Zatem zaczynajmy.

Pierwsze pytanie jest takie czymedycyna to moda?Hasło moda mi osobiście kojarzysię tak naprawdę ze stylem bycia,z ubiorem, z tym,w jaki sposób jesteśmy postrzegani.I tu myślę, od razuchciałbym rozwiać wszelkie wątpliwości, że tonie dotyczy pewnego wycinka populacjiczy lekarzy, czy, czy pacjentów znowu,czy placówek medycznych, które pójdąw medycynę opartą czy wykorzystującą sztucznąinteligencję, a inne będą postępowaływ sposób konwencjonalny, tradycyjny.

To niekoniecznie też oznacza, żezostaniemy za-zalani przez roboty humanoidalne, em,a raczej mówimy o narzędziu,być może kolejnym narzędziu, które obokleków, obok wyrobów medycznych trafido naszego użycia po to, bylepiej dostarczać opiekę, po to,by mieć więcej czasu i poto, by skuteczniej leczyć idiagnozować choroby.

Zatem od razu odpowiadam, żenie o taką modę nam chodzi,a pewnie bardziej nam chodzio spojrzenie na sztuczną inteligencję jakona narzędzie, które ma pewnewymiary, w których może dorównywać człowiekowi.I tutaj pojawia się pytanie,czy już te modele, które mamydostępne, są w stanie wjakichś aspektach być tak samo skutecznejak człowiek, czy też gdzieśjeszcze odbiegają.No tutaj na tym grafie,który państwu pokazuję, mamy od zerado dziesięciu przyporządkowane kolejne szczeblezaawansowania w różnych wymiarach rozumowania i

przetwarzania danych, zdolności człowieka.A ta dziesiątka to jestto, co dzisiaj potrafi człowiek iodpowiednio porównanie ze sobą starszejlekko już generacji dużych modeli językowych,jakim dużym, jakim był ChatGPT,a z drugiej strony LLM ChataGTP5 opublikowanego w tym roku.Jak Państwo zobaczą, ten grafna pewno jest nie do końcafair, gdyż, no, pokazuje, żemaksymalnie te modele mogą być takdobre jak człowiek, a myślę,że coraz więcej będziemy mieli przykładów,gdzie jednak zaczynają one przewyższać.Ale spójrzmy, w którym kierunkute modele się przede wszystkim rozwijają.

No, przede wszystkim w kierunkuumiejętności przetwarzania tekstu, a więc czytaniai tworzenia tekstu, nazwijmy topisania, jak również takich zdolności matematycznych,rozwiązywania zadań, liczenia, tworzeniarozwiązań dla skomplikowanych, ale znowu całyczas zadań matematycznych, być możei zadań fizycznych.

Trudności pojawiają się, jeżeli chodzio zasób wiedzy.Mimo tego, że modele zarównoczwórka, jak i piątka zawsze miałyduże zasoby wiedzy, to onenie są jeszcze doskonałe.Do-- dotarcie do wiedzy specjalistyczneji tu być może zaczynamy mówićbardziej o medycynie, bo niecała wiedza medyczna jest dzisiaj dostępna,jak państwo doskonale wiedzą, nawetw PubMedzie, nawet w takiej literaturzepopularnonaukowej szeroko dostępnej albo inawet specjalistycznej.Wiele wiedzy jest, yym, wgłowach lekarzy wymieniana w trakcie spotkań,konsultacji za zamkniętymi drzwiami, doktórych nie ma dostępu tak naprawdę,informatyk, ktoś, kto budujewiedzę i zbiera wiedzę dla ChataGPTi ta wiedza nie jestwiedzą ucyfrowioną i pewnie długo niebędzie.

Również trochę te modele mająwyzwań, jeżeli chodzi o wnioskowanie, ato wnioskowanie, znowu proszę spojrzeć,że w medycynie jest bardzo ważne.Stawianie diagnozy to nic innegojak zbieranie iluś wymiarów i danychna temat pacjenta, łączenie ich,przetwarzanie po to, by wyciągnąć konkluzje,wniosek i to wnioskowanie niedo końca w przypadku ChataGPT jużnawet 5 jest na najwyższympoziomie.

To, co państwo zobaczą równieżto, że możliwości zapamiętywania modeli językowychsą ograniczone, ale to niew tym celu one zostały stworzone.I należy tu pewnie postawićpewnego rodzaju wyjaśnienie dać, że zapamiętywanienie jest domeną modeli językowychper se.One bazują na wiedzy wcześniejwczytaną, ale nie zbierają wiedzy.Nie po to one zostałystworzone i zrobione.

I na pewno to, cokażdy z nas zauważy, to żenie są te modele idealnedo rozpoznawania obrazów czy rozpoznawania dźwięków,mowy.W tym celu są trenowaneinnego rodzaju sieci neuronowe i dotego być może należałoby korzystaćz innych troszeczkę technologii.

Na pewno też kwestia czasureakcji i czasu podania odpowiedzi jestdaleka od tej, jaką maczłowiek.A zatem ta, ta, taprędkość przetwarzania danych, szczególnie że tosą dane przetwarzane nie naurządzeniu, tylko w chmurze, pozostawia jeszczesporo do życzenia. Szanowni Państwo, jeżelipopatrzymy na taką obiektywną ocenę możliwościCzata GPT, to ta, któraobiegła nagłówki gazet, dotyczyła jego poziomuinteligencji mierzonej testami Mensy.Tak zwanego ilorazu inteligencji.To proszę spojrzeć zawrotny wyniksto czterdzieści osiem punktów.No nie dziwi nas topewnie trochę, jeżeli będziemy kontekst, któryprzed chwilą pokazałem.A więc te modele językowetrenowane są mocno pod kątem choćbyzdolności matematycznych, a takie tutajsą ważne, choć mogłoby troszeczkę naszaskoczyć ten wynik, bo niemają tych zdolności związanych ze wnioskowaniem.Tym niemniej jest to moimzdaniem pewnego rodzaju ocena subiektywna, ponieważdotyczy jednego albo kilku drobnychwymiarów funkcjonowania naszego życia, a równieżfunkcjonowania nas jako ludzi.

Bez wątpienia uruchomienie modeli językowych,które generują bardzo duże ilości treści,zaowocowało tym, że te treścizaczęły się wylewać w sferę internetu,w sferę treści onlinowych.I jak Państwo zobaczą, torok 2025, końcówka dwudziestego czwartego, tobył ten moment, gdzie tetreści zaczęły zbliżać się, a następnieprzewyższać treści generowane przez człowieka.

Powinniśmy wyciągnąć wnioski z tego.Oczywiście to głównie dotyczy treścionlinowych, a nie prac naukowych, nietreści recenzowanych, ale należy pewniez podwójną ostrożnością dzisiaj analizować to,co pojawia się w Interneciei to, co jest popularnie dostępnena witrynach internetowych.

Jeżeli byśmy mieli powiedzieć, jakijest rozwój modeli sztucznej inteligencji, szczególniemodeli językowych, ale nie tylko,bo kolejnych generacji, to zauważą Państwo,żeśmy zaczęli od tak zwanychchatbotów, a więc takiej możliwości konwersacji.Z czasem zaczynają się pojawiaćmodele, które są przystosowane do tego,by powoli zacząć coraz lepiejwnioskować, rozwiązywać zadania, rozwiązywać, odpowiadać naproblemy, dokonywać takiego bardziej głębokiegoresearchu.I dzisiaj jesteśmy na takimetapie przechodzenia z tego poziomu drugiego,który tak został nazwany napoziom agentów, a więc rozwiązań opartychna sieciach neuronowych, gdzie zarządzasię konkretnymi działaniami, a więc temodele zaczynają wykonywać za nasdziałania takie jak choćby przeszukiwanie stroninternetowych, bookowania biletów, bookowania restauracji,interakcji z petentem.Na przykład w medycynie możemymówić tutaj o pacjencie, który jestobsługiwany.To, co jest przed nami

i myślę, że to jest kwestiakolejnych naj-naj-naj-najdłużej kilku lat, amoże i w przyszłym roku zaczniemycoraz częściej słyszeć o sieciachneuronowych, które będą wynajdywały, które będąpoznawały, które będą kreowały różnegorodzaju nowości, różnego rodzaju wynalazki.Być może albo takie takichkandydatów do, do wynalazków.

I ostatni poziom, który jestpoziomem, być może, kiedy ta sztucznainteligencja, jeżeli ją osiągnie, będziena najwyższym przynajmniej w tym, coOpenAI, a więc organizacja tworzącaCzata GPT miała w swojej liście.To sytuacja, w której siecineuronowe będą w stanie zarządzać organizacjamido zarządzania organizacjami czy tofirmami, czy jednostkami naukowymi, czy organizacjaminon profit.Będzie to moment, w którym,w którym te modele będą wymagały,będziemy od nich wymagali złożonychumiejętności nie tylko wnioskowania, nie tylkokonwersacji, nie tylko wymyślania, byciaagentami, ale też takich zdolności operacyjnychi patrzących w pewnym sensiepewnie i w przyszłość, tak byosiągać cele i być wstanie kolejne zadania delegować.

Zobaczymy, w jaki sposób tosię rozwijało.Ta ścieżka jest mocno, wydajesię, że dalej przed nami, choćprędkość, z jaką rozwijają sięmodele sztucznej inteligencji pokazuje, że możeto się wydarzyć wcześniej niżpóźniej.

Szanowni Państwo, jeżeli patrzymy narozwój rynku generatywnego AI jeszcze AI,jeszcze nie mówię o agentachAI, tylko o tych o tympodejściu wcześniejszym czy generative AIwidzimy, że predykcja jest zdecydowanie wkierunku dynamicznego wzrostu.

Głównym miejscem do wykorzystywania tychmodeli jest cała sfera obrazowa, awięc analizy obrazu, obrazów radiologicznychpozyskiwanych w trakcie badań radiologicznych, pochodzącychrównież w trakcie zabiegów czyteż zabiegów operacyjnych, jak również procedurradiologicznych, kardiologicznych, neurologicznych, diagnostyki, aleteż nawigacji, identyfikacji struktur.

Duże nadzieje pokładamy w obszarzewynajdywania nowych molekuł, nowych kandydatów namolekuły, a więc leki.Już mamy takie przykłady identyfikcjębiałek, których dotychczas nie udało sięodkryć, a właśnie w mechanizmieposzukiwania na modelach sieci neuronowych topowstaje, jak również stawiania rozpoznańmedycznych, analizy danych pacjentów i innychróżnych innych zastosowań, które dzisiajpewnie jeszcze nie do końca sązdefiniowane.

Tak wygląda przyszłość, tak onasię rysuje.Ale jak dziś wygląda sztucznainteligencja w kardiologii?

No, jeżeli popatrzymy na publikacjenaukowe, to niewątpliwie to jest wykładniczywzrost.

Natomiast jeżeli popatrzymy na to,co dzisiaj ludzie najczęściej noszą naswoich rękach, to są różnegorodzaju smartwatche i te smartwatche mająjuż coraz częściej wbudowane funkcjewyrobów, urządzeń medycznych.Proszę spojrzeć wykrywanie migotania przedsionków,identyfikacja pacjentów z potencjalnie nadciśnieniem tętniczym,jeżeli chodzi o smartwatche, alemamy też opaski, które na podstawiedanych i znowu sieci neuronowejrozpoznają aktualny poziom ciśnienia tętniczego bezfizycznego pomiaru metodą Korotkowa, aletylko na podstawie fotooletyzmografii.

To, co pewnie jest bardzociekawe to możliwość analizy EKG.EKG jest najczęściej wykonywanym badaniemkardiologicznym.Zapis elektrycznej funkcji serca z12 odprowadzeń służy między innymi dorozpoznawania zawałów.I tutaj jeden z modelimodel Queens of Hearts pokazuje namumiejętność wykrycia na podstawie EKGzamkniętej tętnicy wieńcowej. O tym pewnie wielokrotniesłyszeliśmy, ponieważ wiemy, że uniesienieodcinka ST jest takim znakiem, awięc mamy pewne, pewne rozpoznania,pewnego rodzaju zmiany w EKG, którelekarz jest w stanie zidentyfikowaćjako te, które są tożsame zzawałem serca i zamknięciem tętnicy.

Ale okazuje się, że tenmodel wyprzedza człowieka pod tym kątem.Jest w stanie rozpoznać napodstawie takich zapisów, gdzie człowiek niewidzi zamkniętej tętnicy, mówiąc kolokwialnie,rozpoznać okluzję.I proszę spojrzeć, że tojest pierwszy model w kardiologii, któryjest lepszy od kardiologa iktóry jest dzisiaj w użyciu ima certyfikację medyczną, jest wużyciu, nie chcę powiedzieć, że powszechnym,ale może być stosowany powszechniew szpitalu, w przychodniach, w opieceambulatoryjnej.Proszę spojrzeć, ten model wyprzedzajakościowo nie tylko klasyczne kryteria stemin stemi, ale również ekspertóww tym badaniu, które Państwu tutajpokazuję.A zatem mamy do czynieniaz pewnego rodzaju wyjściem poza tąramę dziesięciopunktową, którą Państwu pokazałemna początku dzisiejszego spotkania.

To, co ciekawe, to sąmodele predykcyjne, modele, które biorą poduwagę dane kliniczne.My bardzo często stosujemy kalkulatorykliniczne do predykcji wystąpienia szczególnie zdarzeńsercowo naczyniowych, udarów mózgu, zawałówserca, zaostrzenia niewydolności serca, konieczności hospitalizacji.To jest model identyfikujący incydentsercowo-naczyniowy, przede wszystkim niedokrwienny, a więcwłaśnie zawał serca, który bazujena danych klinicznych, bazuje na danychobrazowych z tomografii komputerowej, analizującpewnego rodzaju parametry, które nawet dzisiajnie są standardowo analizowane, awięc informacje o stanie aktywności zapalnejtkanki okołotłuszczowej, jak również wolumetrycznejdanych blaszki miażdżycowej w tętnicach wieńcowych.Taka predykcja ośmioletnia okazuje siębyć znacznie lepsza od tradycyjnych modeliryzyka.I proszę spojrzeć, zastosowanie tego

modelu sieci neuronowej daje nam reklasyfikacjęryzyka, zazwyczaj w kierunku wyższegoryzyka u trzydziestu jeden procent pacjentów.Ale też są tacy pacjenci,których reklasyfikacja jest w kierunku niższegoryzyka.Więc mimo tego, że pacjentjest obciążony cukrzycą, nadciśnieniem tętniczym, okazujesię, że dobre prowadzenie tychchorób sprawia, że tak naprawdę bezpośredniemarkery incydentu sercowo naczyniowego właśniestan zapalny około tkanki okołotłuszczowej czyskład i objętość blaszki miażdżycowejnie są zaawansowane, a więc pozwalanam to na reklasyfikację pacjentaw kierunku niższego ryzyka.Bardzo ciekawy aspekt, myślę mocnorozwijający się.

To, co mam dla Państwaabsolutnie świeże, bo dosłownie sprzed tygodniamoże ciut więcej.To informacje o tym, cosię wydarzyło w trakcie Kongresu ZdrowiaCyfrowego, a w zasadzie kardiologiicyfrowej i sztucznej inteligencji w kardiologii,w ramach szczytu Europejskiego TowarzystwaKardiologicznego roku 2025.Proszę spojrzeć na listę rozwiązań,które zostały zademonstrowane jako upcoming albojuż wdrożone w opiekę zdrowotnączy to w Europie, czy tow Stanach Zjednoczonych.Ale również mieliśmy przedstawicieli Azji,Japonia, Chiny i Korea Południowa.

To są rozwiązania w zakresieanalizy EKG, coś, co przed chwiląPaństwu pokazałem w zakresie obrazu,analizy obrazów echokardiografii, w zakresie obrazowaniawewnątrznaczyniowego i tomografii komputerowej, awięc tych badań nieinwazyjnych.Bardzo ciekawe technologie tworzące takzwanego cyfrowego bliźniaka, więc pacjenta, któregoanalizujemy, badamy, zbieramy dane itworzymy jego wirtualną kopię tego pacjentaz punktu widzenia funkcjonowania jegoorganizmu, po to, żeby symulować odpowiedźna leki albo testować podejściado analizy celem postawienia rozpoznania.

Bardzo ciekawa jest również sferaanalizy biomarkerów, jakim jest głos.Takie pojawiły się również rozwiązaniaw celu wykrywania zaostrzenia niewydolności sercaalbo przewlekłe obturacyjne choroby płuc,analizy danych hemodynamicznych, analizy również ćwiczeń,treningów dla pacjentów w obszarzenie tylko sztucznej inteligencji, ale teżrzeczywistości rozszerzonej.

Przygotowywanie i zbieranie wywiadu dlapacjenta, z pacjentem przed wizytą dlalekarza.Takie rozwiązania typu previsit, gdziewywiad z pacjentem jest właśnie prowadzonyprzez chatbota, a następnie podsumowaniejest przekazywane lekarzowi.To jeszcze pewnie Państwu będęmiał chwilę czasu, żeby pokazać.I wreszcie rozwiązania typu pointof care, a więc analizy wmiejscu, gdzie pacjenta widzimy, opartewłaśnie na sieci neuronowych.Bardzo często takie tak zwanerozwiązania on premise.

Ale dlaczego kardiologia jest bardzociekawa w sztucznej inteligencji?No, kardiologia jest ciekawa ztego względu, że mamy dane właśniete obrazowe, których mamy dużo,a tam właśnie sieci neuronowe nie

mówią o językach, o rozwiązaniachLLM, ale sieci neuronowe trenowane wcelu rozpoznawania obrazów są bardzodobre.To dochodzi do elektrokardiogramów, echokardiogramów,jak również zapisów z badań nieinwazyjnychi coraz częściej stosowane rozwiązaniaw kardiologii inwazyjnej śródzabiegowe.

Zatem jak będzie wyglądała sztucznainteligencja w kardiologii?Czy to będą znowu asystencihumanoidalni?Tacy jak ci choćby zUnitree, mamy kolejne generacje takich robotów.Dzisiaj o nich myślimy trochęjako efekt, jako, jako coś, cojest elementem przyszłości.Ale powiem państwu niekoniecznie.W medycynie mamy już pierwszetesty.Proszę spojrzeć humanoidalnych robotów, którechoćby badają pacjenta.One zaczęły się bardzo mocnorozwijać w okresie pandemii COVID 19,ale ich zastosowanie w dalekich,w dalekich odległościach od szpitali mogłobybyć ciekawe.A z drugiej strony multiplikująpracowników medycznych.To nie tylko badania, aleto również wykonywanie procedur.Proszę spojrzeć szycie, intubacja, podawanieleków, znieczuleń, zakładanie wkłuć czy wentylowaniepacjenta.Przetestowane i testowane coraz częściej,więc myślę, że jest to coś,co jest realną szansą.A przypomnijmy, że mamy jużdzisiaj pierwsze roboty humanoidalne, które możnazamówić, a więc wchodzą dosprzedaży oczywiście nie w sferze medycznej,tylko w sferze opieki naszymdomem i pewnego rodzaju gospodarstwem wkontekście czynności domowych.Ale to już naprawdę zaczynasię dziać w sferze komercyjnej.

Szanowni Państwo, jeżeli popatrzymy nate. Te miejsca, gdzie rozwiązania o-o sztucznąinteligencję czy generyczną, czy agentowąmoże przynieść korzyści dla lekarza, tona pewno w obszarze koordynacjii opie-- koordynacji, opieki i komunikacjiz pacjentem.A więc ten cały obszarpodsumowywania wizyt, tworzenia epikryzy, tworzenia notatki,tworzenia obserwacji i zbierania danychod pacjenta, jak na przykład wramach prewizyt, wczesnego wykrywania pogorszeniastanu pacjenta, szczególnie jeżeli mamy monitorowaniewielu pacjentów, pielęgniarki nie majączasu zawsze, żeby patrzeć na monitorbez przerwy.Alarmy mają względną czułość iswoistość.Natomiast AI okazuje się, możemieć tutaj większą zdolność, ale równieżwykrywanie pogorszenia stanu zdrowia choćbyna podstawie zapisów EKG czy echokardiografii,czy pletyzmografii u pacjenta monitorowanegow domu, wsparcie w prowadzeniu dokumentacjimedycznej, szczególnie w zgodzie zprawem i z RODO, a więcpoprawianie lekarza, kiedy tworzy tądokumentację, usprawnianie procesu kwalifikacji pacjenta doprocedur, identyfikowanie braków w badaniach,na przykład przed zabiegiem i dolecaniealbo propozycje dolecania badań takichjak morfologia krwi u pacjenta, któryma wywiad krwawienia, bo mamywywiad niedokrwistości, sprawdzenie TSH u pacjenta,który znowu ma wywiad, możebyć podejrzany o na przykład uczuleniena kontrast.Wsparcie w zakresie farmakoterapii, identyfikowanie

ryzyk w przedawkowaniu, dawkowaniu leków wniektórych grupach pacjentów albo winterakcjach czy monitorowanie leczenia w celuanalizy trendów, choćby takich jaklipidogram, wskaźniki glikemii emm czy adherencjido leków.Tych obszarów jest bardzo dużoi kilka przykładów, to jest właśnieto rozwiązanie prewizyt, o którympaństwu mówiłem.

Bardzo ciekawe rozwiązanie, w którympacjent ma czas na to, żebyz agentem AI porozmawiać.Za-agent zadaje mu kolejne pytaniazgodnie z tym, co skroiliśmy, zgodniez tym, co jako lekarzi tak byśmy chcieli zadać, alew zaciszu swojego domu możeznaleźć odpowiedzi na pytania o leki,o dawkowanie, o przebyte choroby,o pomiary, o wyniki badań itak dalej, i tak dalej.

A my jako lekarze otrzymujemypodsumowanie ze wstępnego wywiadu klinicznego doweryfikacji w trakcie wizyty napewno, ale ono już nas zaczynanakierowywać.Dużo szybciej jest skopiować listęleków i wypytać o nie niżprzepisywać je od nowa, tudzieżskopiować znowu informacje o paleniu, oprzyjmowaniu alkoholu, o diecie, potwierdzićto z pacjentem, dopytać i skorygować,niż pisać to wszystko odpoczątku.

Czy zatem mówimy o czymś,co jest hitem czy kitem?Czy mówimy o czymś, gdziemamy duże zainteresowanie i mamy hypewokół tego wytworzony?Czy coś, czego powinniśmy siębać?Czy powinniśmy się bać sztucznejinteligencji?

To pierwsze pytanie pojawia siętakie, czy AI nam zabierze pracę?I proszę spojrzeć, możemy dywagowaćo mechanizmach, ale liczby pokazują jedno,że zwiększa się zapotrzebowanie przedewszystkim na te działki, gdzie ta--gdzie sztuczna inteligencja pierwsza podobnomiała wyeliminować radiologów.Takie były głosy.Okazuje się, że zapotrzebowanie naradiologów rośnie i będzie rosło.Predykcja najbliższych dziesięciu lat pokazuje,że to zapotrzebowanie będzie stale rosłona radiologów i jeżeli porównamyto z rozwojem rynku AIowego wradiologii, to te dwa trendybynajmniej nie eliminują się.One są spójne.Czyli wraz z rozwojem sztucznejinteligencji rozwija nam się też ryneki większe zapotrzebowanie na radiologów.

Można powiedzieć jak to?Przecież AI ma czy miałbyzastąpić radiologa?Dlaczego tak się dzieje?Wydaje mi się, że tutajmamy do czynienia z adaptacją paradoksuehm Je-Je-Jam-Jamsona, a więc pewnegorodzaju paradoksu, który mówi o tym,że zapotrzebowanie na daną usługę,na daną technologię wraz ze zwiększeniemefektywności tej technologii również rośnie.

Z czego to wynika?Proszę spojrzeć.Ta adaptacja, której tutaj dokonałem,pokazuje, że efektywność pracy lekarza wrazz tym, jak się będziezwiększała, będzie oczywiście wpływała na zapotrzebowaniena pracę lekarza.I proszę spojrzeć na tąkrzywą, którą tu państwu namalowałem.Ta krzywa-- po tej krzywejbędzie się przemieszczało zapotrzebowanie pracy-- napracę lekarza wraz ze zmianąefektywności.Jeżeli mamy punkt pierwszy, dzisiejszyna przykład, gdzie efektywność lekarza toopisanie, zbadanie, zdiagnozowanie, załóżmy pięciu

pacjentów na dobę, daje nam zapotrzebowaniena tego lekarza grupy okołodwustu pacjentów.To jest pewnego rodzaju hipoteza.Można przyjąć lekarza rodzinnego, którywykonuje kilkadziesiąt badań, wizyt dziennie danegopacjenta i ma pod swojąopieką dwa, trzy, pięć tysięcy pacjentówna stałe.

Okazuje się, że jeżeli to,ta efektywność nam się zwiększy dodziesięciu pacjentów na dobę, naprzykład wskutek stosowania sztucznej inteligencji, tozapotrzebowanie na pracę lekarza teżwzrośnie, ale ono wzrośnie nie dwukrotnie,tak jak dwukrotnie wzrosła efektywność,tylko ono wzrośnie kilkukrotnie.Jak tutaj w tym przypadkupaństwo widzą nawet trzykrotnie.To nie jest proporcjonalne, aleto jest obserwacja, jaką już dzisiajmamy w medycynie i obserwację,jaką mamy w innych branżach, gdzieefektywność wza-wzrastała.

A zatem należy się spodziewać,że będziemy mieli do czynienia zjeszcze większym zapotrzebowaniem na usługizdrowotne, ponieważ więcej pacjentów będzie chciałosię leczyć, bo więcej pacjentówchodziło-- będzie stało i będzie staćna te usługi, a teusługi będziemy mogli bardziej dysseminować.Widzą państwo te zmiany.

Pojawia się pytanie, czy sztucznainteligencja zastąpi kardiologów?Czy maszyny będą leczyć?Już państwu pokazałem, jak tobyło z rolo-- z radiologami.I myślę, że takie podsumowanietutaj brzmi tak: nie.Na pewno maszyny będąpomagały nam, ponieważ one są lepszenawet od lekarzy, choćby wrozpoznawaniu zapisów EKG.

Natomiast one niestety nie majątego elementu wnioskowania cały czas.Kwestia empatii jest dyskutowana, kwestiekontekstu, w jakim się spotykamy zpacjentem i ten szerokikontekst, to szerokie spojrzenie na pacjenta,ten kontakt osobistym cały czasbędzie po stronie kardiologów, więc będziebardziej pomocnikiem, a nie zamiennikiem.I mówimy o takiej przyszłościkardiologa jako kardiologii rozszerzonej, która ma

więcej kompetencji, ale niezautomatyzowanej. Czy możemyufać naszym algorytmom sztucznej inteligencji?Jeżeli ich nie rozumiemy, tomamy z tym problem, ale okazujesię, że coraz cie-- częściejsięgamy po rozwiązania, które tłumaczą, wjaki sposób AI działa.Nowe narzędzia stosujące tak zwanąsztuczną inteligencję wyjaśnialną albo mapę istotnościpokazują, w którym miejscu ijakie decyzje sieci neuronowe podjęły.

To wynika z koleiz wymagań instytucji, które, które będącertyfikowały algorytmy.Takie mapy zaznaczające, w którymmiejscu EKG było na przykład interpretowaneprzez AI, pomaga nam zrozumieć,jak i w jaki sposób byłypodejmowane decyzje i też weryfikowaćte decyzje.A więc interpretowalność będzie ula--óúú-ulegała, poprawie.I ten aspekt czarnych skrzynekmyślę, że z czasem będzie równieżzanikał.

Kolejny mit, myślę, to jesttaki, że im więcej danych,zostanie włożonych do modeli sztucznejinteligencji, tym lepiej.Im więcej EKG nazbieramy, tymbędzie on lepszym algorytmem.Okazuje się, że tak niejest.My dzisiaj modele językowe inie tylko modele AI-owe musimy karmićróżnorodnymi danymi pochodzącymi od naszych

pacjentów, bo ta różnorodność wpływa napoprawę jakości.A więc to nie jesttak, że więcej danych, tylko tedane bardziej zróżnicowane.

I właśnie następny mit to,że AI nie może być lepszaod danych, w których zostaławytrenowana.Mówi się o tym ita zasada generalnie funkcjonuje - garbagein, garbage out.Jeżeli mamy złe dane, nieczystedane, brudne dane, to one niedadzą nam dobrych odpowiedzi.

Ale proszę państwa, chcę pokazać,że zaczynają się pojawiać modele, wktórych mamy uczenie samonadzorujące się,gdzie ja jakby odkrywa ukrytą strukturęw surowych danych, być możetakich danych, które dla nas niesą do końca czyste, aletak naprawdę one są wystarczająco dobre,żeby sieci znalazły tam pewnegorodzaju wzorce i się na nichwytrenowały.Choć nie zawsze się takdzieje, dlatego należy je weryfikować kliniczniei walidować.Uczenie przez wzmocnienie, gdzie poprawiasię metodą prób i błędów itestuje strategie, trochę takjak optymalizujemy dzisiaj nasze terapie, gdzietestujemy różne hipotezy i wybieramyte najlepsze, podobnie modele potrafią torobić.I wreszcie samokształcenie podobne dotego jak w AlfaZero, państwo pamiętajągry, gdzie, gdzie sztuczna inteligencjabyła lepsza od bardzo wyrafinowanych,graczy, uczy się wzorców iwykracza poza tradycyjne modele wzorów ruchów.Te metody mamy winnych branżach.One również zaczynają dyscynować wobszarach kardiologii i w obszarach medycyny.

Zatem myślę, że zaczną przekraczaćmożliwości nawet i ludzkie.Zatem sztuczna inteligencja, myślę, żenie zastąpi lekarzy per se, alebez wątpienia ci z nas,którzy będą korzystali z tych narzędzi,będą zastępowali lekarzy, z którychni-- którzy z nich nie korzystają,bo będą mniej efektywni, będąbyć może wolniejsi, będą mniej precyzyjni.Ale należy uczulić, myślę, żewszystkich, że powinniśmy weryfikować.I to jest taki humancentric AI, gdzie to lekarz jestw centrum zainteresowania.On tworzy te technologie, alerównież z nich korzysta i weryfikuje,a nie daje im funkcjonowaćsamym w sobie.

Aby wejść w szczegóły naszychdzisiejszych dywagacji, myślę, że powinniśmy spędzićze sobą znacznie więcej czasu.Szczególnie że co kolejny rokw ramach szczytu, takiego jak szczytESC dotyczący AI oraz innychkongresów i konferencji, liczba dowodów naukowychzwiązanych ze sztuczną inteligencją iich zastosowań lawinowo rośnie.Obserwuję to od około pięciulat i patrząc na ten przyrost,myślę, że dzisiaj naprawdę każdyz nas powinien przynajmniej poświęcić chwilęna zrozumienie zasad działania sztucznejinteligencji, poznać w jego obszarze, wjego subspecjalizacji, kardiologii, a możei szerzej medycyny, gdzie te technologiejuż dzisiaj są i któresą certyfikowane i zacząć próbować znich korzystać, by wyrobić onich swoje własne zdanie.Czy to hit, czy tokit?Dziękuję państwu bardzo za uwagę.Do zobaczenia.