Kiedy systemy informatyczne zastąpią lekarzy?

Dzisiaj w Polsce na 1000 osób przypada zaledwie 2,2 lekarza. Jest to najniższy wskaźnik w całej Unii Europejskiej, gdzie średnio jest ich dwa razy więcej. Ciekawe jest to, że nawet brzmiący dla nas dość egzotycznie Kazachstan, może poszczycić się statystykami na poziomie 3,6 lekarza przypadającego na jednego pacjenta. Biorąc pod uwagę aktualny profil demograficzny Polski widać wyraźnie, że wskaźnik ten z roku na rok będzie nadal spadał. Coraz bardziej starzejące się,  a co za tym idzie coraz bardziej schorowane społeczeństwo, będzie otrzymywało opiekę medyczną na coraz niższym poziomie. Mamy tutaj do czynienia z realnym zagrożeniem.

Czy zatem należy widzieć przyszłość naszego społeczeństwa w ciemnych barwach?

Niekoniecznie. Są sposoby aby ten niekorzystny trend spowolnić, lub wręcz być może zahamować. Już w tej chwili w szpitalach działają systemy informatyczne wspomagające pracę lekarzy. Badania laboratoryjne są zautomatyzowane, a ich wyniki gromadzone w bazach danych, do których natychmiastowy dostęp mają lekarze. Łatwy dostęp do pełnej historii zdrowia pacjenta sprawia, że mogą oni  szybciej i efektywniej podejmować decyzje. W końcu okazuje się, że dzięki takim systemom informatycznym lekarz jest w stanie leczyć większą ilość pacjentów. Może też dzięki nim zwiększać swoją efektywność oraz podnosić skuteczność terapii.

Czy rozwiązuje to problem spadku ilości lekarzy w Polsce?

Niestety nie, deficyt jest zbyt wielki. Potrzebujemy radykalnych rozwiązań.

Uczenie maszynowe, to koncepcja, która pojawiła się na przełomie lat 50-tych i 60-tych,  opiera się na koncepcji, według której system komputerowy można doskonalić (lub nawet że sam może się doskonalić) w oparciu o zdobywane doświadczenia, analogicznie jak w przypadku ludzi. Od wielu lat istnieją systemy informatyczne, w których synapsy i neurony ludzkiego mózgu mają swoje algorytmiczne odwzorowanie. Okazuje się, że dzięki procesowi samoszkolenia, komputer jest w stanie podejmować zadziwiająco słuszne decyzje. Przykładowo, autonomiczne pojazdy są w stanie same dotrzeć do wybranej lokalizacji, a systemy rozpoznawania twarzy potrafią na podstawie zdjęcia wyjątkowo trafnie określić wiek i płeć danej osoby. Decyzje podejmowane przez te systemy będą tak dobre, jak dobrze je tego nauczymy. Uczenie polega na przetwarzaniu olbrzymich ilości danych, obserwowaniu decyzji systemu, a następnie “nagradzaniu” go za dobre decyzje.

Od samego początku problemem była niska ilość i jakość danych będących materiałem do nauki. Na szczęście to, co było problemem w latach 60-tych, w chwili obecnej przestaje nim być. Aktualnie co dwa dni ludzkość wytwarza, przechowuje i przetwarza tyle danych, ile zostało wygenerowanych od zarania dziejów do roku 2000. Sztuczna inteligencja dostaje pożywkę, która pozwala jej podejmować decyzje często bardziej trafne niż te, które podejmują ludzie. Lekarz onkolog oceniający zdjęcie tkanki jest w stanie z 82% trafnością stwierdzić, czy występuje w nich nowotwór. Dobrze wyuczony system informatyczny robi to ze skutecznością większą niż 90%.W dzisiejszych czasach firmy IT są więc w stanie tworzyć systemy informatyczne, które diagnozują  i leczą ludzi. Przy aktualnych trudnościach z powszechną dostępnością specjalistów w dziedzinie medycyny, stanowią doskonałe narzędzie wspierające.

Czy trendy demograficzne wpływają na poziom kształcenia?

Od 2005 roku radykalnie maleje liczba kandydatów na studia. W pierwszych latach demograficznego spadku problem udawało się rozwiązać poprzez likwidację mało interesujących kierunków. Zamknięto też kilka gorzej prosperujących uczelni, jednak z każdym rokiem problem niedoboru kandydatów narasta.

Źródło: GUS

Pieniądze idą za studentem – w obecnym systemie finansowania oświaty każdy student przynosi pieniądze niezbędne do opłacania kadry naukowej i utrzymania infrastruktury uczelni. Aby uniknąć utraty płynności finansowej – uczelnie obniżają kryteria przyjęcia kandydatów i wymagania wobec studentów, ponieważ więcej studentów to więcej pieniędzy dla szkoły. Co to oznacza dla zdolnego i ambitnego studenta? Studia nie oferują mu możliwości wykorzystania własnego potencjału. Taka sytuacja dla przeciętnego absolwenta jest niekorzystna, ponieważ szukając pracy będzie miał trudność z przejściem przez proces rekrutacyjny i otrzyma mniej interesujące stanowisko, mniejsze zarobki i ograniczone możliwości rozwoju.

Co oznacza to dla naszego kraju?

W ostatnich latach w Polsce otwiera siedziby coraz więcej zagranicznych firm realizujących najbardziej zaawansowane projekty informatyczne. Niestety w związku z niedoborami dobrze wykształconych ludzi, najciekawsze projekty trafiają do krajów, gdzie system edukacyjny jest bardziej wydajny i oferuje najwyższy poziom kształcenia. W praktyce największe budżety są konsumowane nie w Polsce, tylko u naszych europejskich sąsiadów.

Czy można sprawić, że zaawansowane systemy informatyczne mimo niskiego poziomu oświaty będą powstawać właśnie w Polsce?

Istnieje taka możliwość. W latach 60-tych David A. Kolb, amerykański teoretyk metod nauczania, stworzył model uczenia się przez doświadczenie. Model zakłada istnienie czterech cyklicznych kroków: poznawanie teorii, stosowanie jej w praktyce, doświadczenie, które jest efektem praktycznych działań i w końcu refleksja, która pozwala uogólniać doświadczenie do nowych teorii. Taki model uczenia się stosuje z powodzeniem w praktyce CompuGroup Medical. W lubelskiej siedzibie CGM powstaje system HIS trzeciej generacji, którego konstrukcja minimalizuje ryzyko błędów lekarskich. Stanowi on podstawę dla kolejnej generacji systemu-asystenta lekarza. CompuGroup Medical Polska prowadzi płatne praktyki, staże i prace dyplomowe dla studentów. Studenci mogą stosować w realnych projektach wiedzę zdobytą w trakcie nauki, a zdobytym  doświadczeniem wzbogacać swoje osobiste umiejętności.

Czy w takim razie możemy patrzeć w przyszłość z optymizmem?

Odpowiedź jest prosta – tak.

Autor: Marcin Grabowiecki