Umjetna inteligencija ulazi u europske bolnice
Umjetna inteligencija u zdravstvu u Europskoj uniji više nije laboratorijski eksperiment. Ona postaje dio stvarnih bolničkih procesa – od trijaže u hitnoj službi do planiranja terapije za kronične bolesnike. Europska komisija kroz programe AICare@EU i EU4Health pokreće val projekata čiji je cilj jasno definiran: sigurno i kontrolirano uvesti AI sustave u kliničku praksu.
Za razliku od ranijih pilot-projekata, naglasak je sada na širenju u rutinski rad. To znači integraciju u postojeće informacijske sustave, prilagodbu radnih procesa i jasna pravila odgovornosti. AI više nije dodatak „sa strane“, nego potencijalni sastavni dio bolničke infrastrukture.
AICare@EU: od pilot-projekata do kliničke prakse
AICare@EU zamišljen je kao kišobran-program za razvoj i testiranje AI rješenja u zdravstvu na razini cijele Unije. U praksi to znači financiranje projekata u kojima bolnice, sveučilišta, startupi i javne agencije zajednički razvijaju i ispituju modele na stvarnim kliničkim slučajevima.
Primjeri primjene obuhvaćaju:
- trijažu u hitnim službama uz pomoć modela koji procjenjuju hitnost slučaja na temelju simptoma i povijesti bolesti
- podršku pri očitavanju radioloških snimki, gdje AI označava sumnjiva područja za dodatnu provjeru
- prediktivne modele za rizik od komplikacija kod kroničnih bolesnika
- optimizaciju rasporeda operacijskih sala i bolničkih kreveta na temelju povijesnih podataka i sezonskih trendova
Ključni uvjet svih projekata je da modeli ne ostanu u fazi demonstracije, već da se testiraju u stvarnom okruženju. To podrazumijeva rad s heterogenim podacima, različitim bolničkim sustavima i stvarnim ograničenjima vremena i resursa.
Podaci kao glavna prepreka: kvaliteta, interoperabilnost i pristup
Najveći izazov više nije samo izgraditi sofisticiran model. Problem je kako osigurati pouzdane, interoperabilne i pravno dostupne podatke. Zdravstveni podaci raspršeni su po bolnicama, laboratorijima, specijalističkim klinikama i nacionalnim registrima, često u nepovezanim sustavima.
EU projekti u okviru AICare@EU i programa EU za zdravlje zato se usredotočuju na nekoliko ključnih točaka:
- Standardizacija podataka – usklađivanje formata i kodiranja (npr. HL7 FHIR, SNOMED CT) kako bi modeli mogli koristiti podatke iz različitih izvora.
- Pseudonimizacija i zaštita privatnosti – korištenje tehnika kojima se identitet pacijenta skriva, ali se zadržava klinička vrijednost podataka.
- Sigurni pristup – definiranje tko, kada i pod kojim uvjetima može pristupiti zdravstvenim datasetovima za treniranje i testiranje modela.
- Praćenje kvalitete – kontinuirano mjerenje performansi modela na novim podacima kako bi se otkrile degradacije i pristranosti.
Bez rješavanja tih pitanja, ni najnapredniji AI algoritmi ne mogu biti pouzdano korišteni u bolničkoj praksi. Zato su infrastrukturni projekti i standardi jednako važni kao i sami modeli.
Povjerenje, odgovornost i uloga kliničara
Tehnički napredak nije dovoljan ako liječnici, medicinske sestre i pacijenti ne vjeruju sustavu. Studije koje podržava Europska komisija pokazuju da se prepreke često javljaju na razini organizacijske kulture i pravnog okvira.
Ključna pitanja su:
- Objašnjivost – može li AI sustav pokazati na temelju kojih podataka i obrazaca je donio preporuku?
- Odgovornost – tko snosi pravnu odgovornost ako se liječnik osloni na AI preporuku, a ishod bude loš za pacijenta?
- Uloga stručnjaka – ostaje li liječnik krajnji donositelj odluke ili se AI koristi poluautomatski, primjerice u trijaži ili odabiru terapije?
U novim projektima zato se inzistira na su-dizajnu – kliničari sudjeluju od početka u razvoju alata. To uključuje definiranje korisničkih sučelja, pragova upozorenja, načina prikaza rizika i integracije u postojeće radne tokove. Modeli se ne uvode kao „crne kutije“, već kao alati čije se odluke mogu preispitati i dokumentirati.
GenAI4EU i HealthData@EU: zajednička infrastruktura za AI u zdravstvu
EU nastoji izbjeći scenarij u kojem razvoj medicinske AI ostaje u rukama nekolicine globalnih tehnoloških divova. Inicijative GenAI4EU i HealthData@EU grade europsku infrastrukturu za razvoj, treniranje i validaciju modela.
GenAI4EU: generativni modeli u službi zdravlja
GenAI4EU usmjeren je na razvoj generativnih modela koji se mogu prilagoditi različitim sektorima, uključujući zdravstvo. U bolničkom okruženju to može značiti:
- automatsko sažimanje medicinske dokumentacije
- generiranje nacrta otpusnih pisama na temelju strukturiranih podataka
- podršku pri izradi kliničkih izvješća i komunikaciji s pacijentima
- pametne asistente koji pomažu liječnicima u pretraživanju smjernica i znanstvene literature
Ključno je da se takvi modeli treniraju i fino podešavaju na europskim, reguliranim datasetovima, uz jasna pravila o zaštiti podataka i nadzoru kvalitete.
HealthData@EU: europski prostor zdravstvenih podataka
HealthData@EU dio je šireg Europskog prostora zdravstvenih podataka (EHDS). Cilj je omogućiti da se zdravstveni podaci koriste za istraživanje, inovacije i razvoj AI modela, ali uz stroge uvjete pristupa.
U praksi to znači:
- uspostavu nacionalnih i prekograničnih data access centara koji odobravaju projekte i nadziru korištenje podataka
- rad u sigurnim okruženjima (tzv. secure data processing environments) gdje istraživači i developeri mogu trenirati modele bez iznošenja podataka iz sustava
- jasne procedure za anonimizaciju, pseudonimizaciju i minimizaciju podataka
Takva infrastruktura omogućuje europskim istraživačima, startupima i javnim ustanovama da razvijaju vlastite modele, bez potpunog oslanjanja na komercijalne platforme izvan EU.
Akt o umjetnoj inteligenciji: stroga pravila za visokorizične medicinske sustave
Istodobno s razvojem projekata, u primjenu postupno ulazi Akt o umjetnoj inteligenciji (AI Act). U zdravstvu se većina kliničkih AI sustava smatra visokorizičnima, što povlači niz obveza za proizvođače i korisnike.
Za takve sustave predviđeno je:
- procjene sukladnosti prije stavljanja na tržište ili u uporabu
- registracija u europskim bazama kako bi se znalo gdje se i u koju svrhu koriste
- upravljanje rizicima i dokumentiranje cijelog životnog ciklusa modela, od dizajna i treniranja do nadogradnji
- nadzor nakon stavljanja u uporabu – praćenje performansi i prijava ozbiljnih incidenata
Za bolnice to znači da će morati birati rješenja koja su usklađena s regulatornim zahtjevima i moći dokazati da sustav radi unutar definiranih granica. Dobavljači će morati transparentno prikazati korištene datasetove, metode treniranja i načine kontrole pristranosti.
Iako takav okvir usporava brzu komercijalizaciju, on dugoročno donosi veću pravnu sigurnost i predvidljivost za sve sudionike – od proizvođača do pacijenata.
Što to znači za pacijente?
Političke i tehničke rasprave u Bruxellesu pacijentima se mogu činiti dalekima. No učinci na svakodnevnu skrb mogli bi biti vrlo konkretni:
- brža dijagnostika – modeli koji pomažu u ranom otkrivanju tumora, srčanih bolesti ili rijetkih stanja na temelju snimki i laboratorijskih nalaza
- personaliziranija terapija – alati koji analiziraju povijest bolesti, genetske podatke i komorbiditete kako bi predložili optimalne kombinacije terapija
- manje administrativnog opterećenja – automatizirano ispunjavanje dijela dokumentacije oslobađa vrijeme medicinskog osoblja za rad s pacijentima
- bolje planiranje resursa – prediktivni modeli koji pomažu bolnicama da rasporede krevete, osoblje i opremu prema očekivanom priljevu pacijenata
Istodobno, sustavi nadzora i regulacije trebali bi smanjiti rizik od pogrešaka i zlouporabe podataka. Pacijenti bi trebali imati jasne informacije kada se u njihovoj skrbi koristi AI, uz mogućnost postavljanja pitanja i dobivanja objašnjenja.
Polagani, ali namjerno kontrolirani napredak
Pitanje više nije hoće li umjetna inteligencija ući u europske bolnice, nego kako i pod kojim uvjetima. EU se, kroz AICare@EU, GenAI4EU, HealthData@EU i Akt o umjetnoj inteligenciji, pozicionira kao prostor u kojem se AI u zdravstvu razvija sporije nego u nekim drugim regijama, ali s naglaskom na povjerenju, javnom interesu i dugoročno održivim modelima inovacija.
Za zdravstvene sustave to znači dodatni administrativni i tehnički teret, ali i jasniji okvir za ulaganja. Za industriju to je prilika da razvije rješenja koja su od početka usklađena s visokim standardima. A za pacijente – mogućnost da koristi prednosti AI-a uz snažnu zaštitu svojih prava i sigurnosti.
