Dirbtinio intelekto diagnostika ligoninėse: galimybės ir rizikos

Dirbtinio intelekto (DI) diagnostika ligoninėse per kelerius metus iš nišinės naujovės tapo realiu kasdieniu įrankiu. 2026 m. vis daugiau Europos ir Lietuvos ligoninių testuoja arba jau naudoja DI sprendimus radiologijoje, laboratorinėje diagnostikoje, kardiologijoje ir net skubios pagalbos skyriuose.

Šioje apžvalgoje – kaip veikia DI diagnostika, kokias ligas ji padeda aptikti, kokią naudą ir rizikas mato gydytojai bei pacientai, ir kokių pokyčių galima tikėtis artimiausiais metais.

Kas yra dirbtinio intelekto diagnostika medicinoje?

Dirbtinio intelekto diagnostika – tai medicininiai sprendimai, kurie analizuoja klinikinius duomenis ir padeda gydytojams nustatyti ligas, įvertinti riziką ar parinkti gydymą. Dažniausiai naudojamos dvi technologijų grupės:

Mašininis mokymasis – algoritmai, kurie mokosi iš didelių duomenų kiekių (vaizdų, laboratorinių rezultatų, anamnezės) ir atpažįsta pasikartojančius modelius.
Gilusis mokymasis – neuroniniai tinklai, ypač tinkami medicininių vaizdų (rentgeno, KT, MRT, mamografijos) analizei.

Skirtingai nei žmogus, DI gali per kelias sekundes peržiūrėti tūkstančius vaizdų ar įrašų ir „nepavargti“. Tačiau jis nepriima galutinių sprendimų – atsakomybė tenka gydytojui, o DI veikia kaip „antra nuomonė“ ar išmanus filtras.

Kuriose srityse ligoninėse DI jau naudojamas?

Radiologija: nuo rentgeno iki MRT

Radiologija – viena pirmųjų sričių, kur DI įsitvirtino praktiškai:

Krūtinės ląstos rentgenogramos – algoritmai padeda aptikti plaučių uždegimą, navikus, tuberkuliozės požymius, širdies padidėjimą.
Kompiuterinė tomografija (KT) – ankstyvas insulto, kraujavimo, plaučių embolijos ir onkologinių pakitimų nustatymas.
Mamografija – DI padeda aptikti smulkius krūties vėžio pakitimus, kuriuos žmogus galėtų nepastebėti dėl nuovargio ar laiko stokos.

Praktinis scenarijus: DI automatiškai „užžymi“ įtartinas sritis vaizde, o radiologas sprendžia, ar tai tikras radinys, ar klaidingas signalas. Taip sutaupoma laiko ir sumažėja rizika praleisti svarbius pakitimus.

Laboratoriniai tyrimai ir patologija

Laboratorijose ir patologijos skyriuose DI padeda:

automatizuoti kraujo tepinėlių vertinimą (pvz., leukemijos požymiai),
analizuoti biopsijos mėginius (naviko tipas, agresyvumas),
aptikti retus radinius, kuriems reikia patyrusio specialisto akies.

Skaitmeninės patologijos sistemos su DI ypač aktualios didelėms ligoninėms, kur patologų trūkumas jaučiamas visoje Europoje.

Kardiologija ir intensyvioji terapija

Širdies ir kraujagyslių ligos išlieka viena pagrindinių mirties priežasčių Lietuvoje, todėl ankstyva diagnostika – kritiškai svarbi. DI čia padeda:

analizuoti EKG ir anksčiau pastebėti ritmo sutrikimus, išemijos požymius,
vertinti echokardiografijos vaizdus (širdies vožtuvų veikla, išstūmio frakcija),
prognozuoti širdies nepakankamumo paūmėjimus remiantis laboratoriniais ir klinikiniais duomenimis.

Intensyviosios terapijos skyriuose DI sistemos gali realiu laiku analizuoti dešimtis gyvybinių parametrų ir įspėti personalą apie artėjantį paciento būklės pablogėjimą.

Skubios pagalbos skyriai

Skubioji pagalba – chaotiška, triukšminga ir laiko atžvilgiu jautri aplinka. Čia DI naudojamas:

triavimui (pacientų rūšiavimui pagal būklės sunkumą),
insulto ir infarkto rizikos įvertinimui pagal simptomus, tyrimus ir anamnezę,
vaizdų prioritetizavimui (pvz., KT galvos tyrimai su galimu kraujavimu automatiškai iškeliami į eilės pradžią).

Tokie sprendimai padeda greičiau suteikti pagalbą pacientams, kuriems kiekviena minutė gali lemti gyvybę ar sunkų neįgalumą.

DI diagnostikos nauda ligoninėms ir pacientams

Greitesni tyrimų atsakymai

DI gali išanalizuoti tyrimus žymiai greičiau nei žmogus, todėl:

sutrumpėja pacientų laukimo laikas,
greičiau priimami sprendimai dėl gydymo ar hospitalizacijos,
mažėja eilių ir perkrovos didžiosiose ligoninėse.

Didesnis diagnostikos tikslumas

Daugelis DI sistemų mokomos iš šimtų tūkstančių ar milijonų atvejų. Tai leidžia:

aptikti itin subtilius pakitimus, kurie ankstyvose stadijose sunkiai pastebimi,
sumažinti žmogiškąsias klaidas, susijusias su nuovargiu, laiko stoka ar subjektyvumu,
užtikrinti nuoseklesnį vertinimą tarp skirtingų gydytojų ir pamainų.

Pagalba trūkstant specialistų

Lietuvoje ir daugelyje ES šalių trūksta radiologų, patologų, kardiologų. DI negali jų pakeisti, tačiau gali:

užimti rutininę ir pasikartojančią analizės dalį,
padėti jaunesniems gydytojams priimti sprendimus,
leisti patyrusiems specialistams susitelkti į sudėtingus atvejus ir pacientų konsultavimą.

Iššūkiai ir rizikos: ką būtina žinoti?

Duomenų kokybė ir šališkumas

DI tikslumas tiesiogiai priklauso nuo duomenų, kuriais jis mokytas. Problemos kyla, jei:

mokymo duomenys neatspindi Lietuvos pacientų (kitas amžiaus pasiskirstymas, ligų struktūra),
trūksta retų ligų pavyzdžių,
duomenys turi istorinių šališkumų (pvz., tam tikros grupės buvo rečiau tiriamos).

Tai gali lemti, kad DI vienoms pacientų grupėms bus tikslesnis, kitoms – klaidingesnis. Todėl diegiant sistemas būtina jas testuoti vietinėmis sąlygomis ir nuolat stebėti veikimą.

Duomenų apsauga ir privatumas

Medicininiai duomenys – jautriausi iš visų. Naudojant DI, būtina:

užtikrinti anonimizavimą (paciento tapatybė negali būti atsekama),
laikytis BDAR ir nacionalinių teisės aktų reikalavimų,
aiškiai informuoti pacientus, kaip ir kam naudojami jų duomenys.

Europos Sąjunga 2024–2026 m. etapais įgyvendina AI Act – dirbtinio intelekto reglamentą, kuris medicinos DI laikys „aukštos rizikos“ technologija ir numatys griežtus saugumo bei skaidrumo reikalavimus.

Atsakomybė: kas kaltas, jei DI klysta?

Šiandien galutinį sprendimą priima gydytojas, todėl teisiškai atsakomybė išlieka jam ir gydymo įstaigai. Tačiau praktikoje, kai DI tampa vis „protingesnis“, kyla klausimai:

ar gydytojas privalo sekti DI rekomendacijas?
ką daryti, jei DI ir gydytojo nuomonės skiriasi?
ar gamintojas turi atsakyti už sistemines DI klaidas?

Šiuos klausimus palaipsniui aiškinasi ir teismai, ir reguliuotojai, todėl ligoninėms svarbu turėti aiškias vidines taisykles, kaip naudojamas DI, kada galima juo pasitikėti, o kada būtina papildoma žmogaus peržiūra.

Kaip DI integruojamas į ligoninių kasdienybę?

Techninė integracija: nuo PACS iki e. sveikatos

DI sprendimai neveikia atskirai – jie turi „susikalbėti“ su esamomis sistemomis:

PACS (radiologinių vaizdų archyvai) – DI automatiškai analizuoja vaizdus iš karto po tyrimo.
LIS (laboratorinės informacinės sistemos) – DI vertina laboratorinius duomenis ir žymi anomalijas.
HIS ir e. sveikata – klinikinės informacijos integracija leidžia DI matyti visą paciento vaizdą, o ne tik vieną tyrimą.

Be sklandžios integracijos DI gali tapti dar viena „atskira programa“, kurią personalui bus sunku naudoti kasdien.

Gydytojų ir slaugytojų mokymai

Sėkminga DI diagnostika neįmanoma be žmonių:

gydytojams reikia suprasti, ką DI gali ir ko negali,
mokytis kritiškai vertinti algoritmų išvadas,
slaugytojos ir administracija turi žinoti, kaip DI keičia darbo srautus ir prioritetus.

Praktikoje geriausiai veikia modelis, kai DI diegimas derinamas su nuosekliais mokymais ir aiškia vidine komunikacija, o personalas įtraukiamas į sprendimų pasirinkimą.

Dirbtinio intelekto diagnostika Lietuvoje

Lietuva, kaip ir kitos ES šalys, aktyviai skaitmenina sveikatos sistemą. Nors dauguma pažangių DI diagnostikos sprendimų dar testuojami pilotiniuose projektuose, jau matyti kelios tendencijos:

didžiosios universitetinės ligoninės diegia radiologijos DI insulto ir onkologijos diagnostikai,
privačios klinikos eksperimentuoja su mamografijos ir dermatologijos algoritmais,
vyksta diskusijos dėl nacionalinių gairių ir standartų, kaip saugiai naudoti DI klinikinėje praktikoje.

Artimiausiais metais tikėtina, kad DI diagnostika bus vis dažniau minima ir oficialiose sveikatos politikos dokumentuose, o reguliuotojai detaliau apibrėš, kokius sprendimus ir kokiomis sąlygomis galima naudoti.

Ateitis: nuo pagalbininko iki personalizuotos medicinos variklio

DI diagnostika ligoninėse juda trimis kryptimis:

Daugiau sričių – nuo radiologijos ir laboratorijos iki genetikos, psichiatrijos, reabilitacijos.
Gilesnė integracija – DI ne tik analizuos atskirus tyrimus, bet ir sujungs laboratorinius, vaizdinius, genetinius ir gyvenimo būdo duomenis.
Personalizuotas gydymas – prognozės ne tik „ar yra liga“, bet ir „koks gydymas konkrečiam žmogui veiks geriausiai“.

Tačiau kartu augs ir reikalavimai skaidrumui, aiškinamumui bei etikai. Pacientai vis dažniau norės suprasti, kodėl algoritmas priėjo tam tikrą išvadą, o gydytojai – galėti tai paaiškinti.

Išvados

Dirbtinio intelekto diagnostika ligoninėse – ne ateities vizija, o jau šiandien vykstantis pokytis. Ji padeda greičiau ir tiksliau aptikti ligas, sumažinti specialistų trūkumo padarinius ir gerinti pacientų patirtį.

Tuo pat metu DI kelia rimtų klausimų dėl duomenų apsaugos, šališkumo ir atsakomybės. Todėl svarbiausia taisyklė, kurią šiandien pabrėžia tiek gydytojai, tiek reguliuotojai – DI turi būti įrankis gydytojo rankose, o ne jo pakaitalas.

Praktiniai patarimai pacientams

Jei jūsų tyrimus vertina DI sistema, drąsiai klauskite gydytojo, ką tai reiškia ir kaip naudojami jūsų duomenys.
DI nereiškia „roboto gydytojo“ – galutinius sprendimus vis tiek priima žmogus.
Jei kyla abejonių dėl diagnozės, galima prašyti antro specialisto vertinimo, net jei naudotas DI.

DUK: Dažniausiai užduodami klausimai

Ar DI gali pakeisti gydytojus ligoninėse?

Ne. Dabartiniai DI sprendimai skirti padėti gydytojams – jie analizuoja duomenis, siūlo galimas diagnozes ar rizikas, tačiau galutinį sprendimą priima žmogus. Teisiškai ir etiškai atsakomybė išlieka gydytojui ir gydymo įstaigai.

Ar saugu, kad mano medicininiai duomenys naudojami DI mokymui?

Jei laikomasi BDAR ir nacionalinių teisės aktų, duomenys turi būti anonimizuojami, o pacientai – informuojami apie jų naudojimą. Svarbu, kad ligoninė ir technologijų tiekėjas aiškiai nurodytų, kaip duomenys saugomi, kas turi prieigą ir kokiu tikslu jie naudojami.

Ar DI diagnostika visada tikslesnė už žmogaus?

Ne visada. Kai kuriose siaurose srityse (pvz., tam tikrų radiologinių vaizdų analizėje) DI gali pasiekti ar net viršyti žmogaus tikslumą, tačiau jis gali klysti netikėtais atvejais ar susidūręs su duomenimis, kurių anksčiau „nematė“. Todėl svarbiausia – DI ir gydytojo bendras darbas, o ne vieno ar kito dominavimas.