Sóhajtson, aztán köpjön a telefon mellé

Biztos mindenkinek van olyan rémálomszerű élménye, amikor órákat kellett várnia a sürgősségin egy orvosra, aki talán nem is tudta megmondani, hogy mi baja van – már ha egyáltalán tudott hozzá időpontot szerezni. Rüschlikonban vagyunk, az IBM Research zürichi kutatóközpontjában, de amikor a téma szóba kerül, egyetértő bólogatást látok, ahogy körbenézek. A kórházak túlterheltsége miatt a várakozási idő a fejlett társadalmakban is túl hosszú. Hogy jutottunk idáig?

Száz éve – mondja dr. Andy Fischer, a MedGate ügyvezető igazgatója – még az orvos látogatta meg a beteget, és nem fordítva. A népesség növekedésével és az urbanizálódással ez a modell fenntarthatatlanná vált. A gyógyászat a beteglátogató doktorok kézműves manufaktúrájából nagyüzemivé vált. Végül kialakult a rendszer, ami elvárta, hogy a beteg menjen az orvoshoz.

Ezt a normát többé nem vagyunk hajlandók elfogadni.

– mondja Fischer. A MedGate saját fejlesztése az internetre vinné a differenciáldiagnózist: a doktorok a jövőben ismét házhoz mennek, csak nem személyesen, hanem videotelefonon.

Fischer elnézést kér, amiért arrogánsnak tűnhet, hogy múlt időben beszél a mai egészségügyi modellről, de szándékosan fogalmaz úgy, hogy a tegnap (azaz a ma) egészségügye decentralizált, helyi, 1:1 (orvos-beteg) ellátást biztosító intézmény. A várótermekben átlagosan 50 percet várakozhatunk, hogy találkozzunk egy orvossal, akinek rengeteg sztenderd kérdést kell föltennie, és a tüneteink alapján fölállítania a diagnózist. Ez nem hatékony, viszont drága: az orvosok és akadémikusok taníttatása és megfizetése az egészségügy egyik legköltségesebb tétele. (A másik a kórházak fenntartása, ami az Egyesült Államokban az egészségügyi költések 40 százalékát teszi ki. Nem csoda, hogy a mai orvoslás inkább a megelőzésre helyezi a hangsúlyt, mivel ezzel tehermentesíthetők az egészségügyi intézmények.)

Fischer szerint a ma (azaz a holnap) egészségügye a centralizált, nem lokalizált, 1:1-es egészségügyi ellátás. Ez még mindig hagyományos orvos-beteg kapcsolatot jelent, de egy beteg ellátása csupán 7 percig tart. Nyilvánvaló, hogy ez a jövő zenéje, de Fishernek ez a jelen. És hogy szerinte milyen lesz a jövő? Decentralizált, automatizált, mesterséges intelligenciára épülő egészségügyi ellátás, ahol 1:n az ellátási arány: egy adatközpontú mesterséges intelligencia helyettesítheti az orvost, és tetszőleges számú beteget diagnosztizálhat egyszerre.

A MedGate által fejlesztett alkalmazások is ebbe az irányba mutatnak. A szolgáltatásaik listáján ott van a TeleClinic, a MedGate alkalmazás, a Mini Clinics intézmények, illetve a céggel együttműködő egészségügyi intézmények. A MedGate appjával időpontot foglalhatunk (akár 48 órával előre), feltölthetjük az orvosi dokumentumainkat (fotókat, videókat, hangfájlokat), videókonzultációt folytathatunk az orvossal, és akár a kedvenc orvosunkat is kiválaszthatjuk. Az app digitális kezelési tervet is kínál, megjeleníthető és szerkeszthető orvoslási alternatívákkal.

A bemutatón egy, a Facebook Messengert idéző applikációval végezték a differenciáldiagnózist; példaként egy fejfájásos esetet hoztak föl. Az alkalmazás rákérdezett a fejfájás típusára; arra, hogy a beteg milyen fájdalomcsillapítási módszerekkel próbálkozott (például bevett-e aszpirint); majd elérhető konzultációs időpontokat ajánlott. Ehhez nem nekünk kell tartanunk magunkat: az orvos fog visszahívni – ha személyesebb kapcsolatot szeretnénk, akár videotelefonon is –, és az előzetes információk alapján kezelési javaslatokat kínálhat.

De Fischer szerint ez még mindig szükségtelenül körülményes. A betegek 50 százalékát időpont-egyeztetés után tudják ellátni, és végül el kell látogatnunk egy Mini Clinics intézménybe. Ennél jóval fejlettebb a mesterséges intelligenciára épülő modell, amihez 18 év 7,4 millió videós konzultációjából gyűjtötték össze a szükséges adatokat. Az adatok alapján az AI meghatározza, hogy pontosan milyen kezelésre lenne szükség, figyelembe véve, hogy hol történt a betegfelvétel; mert mást jelent, és más kezelési módszert igényel a magas láz egy ugandai betegnél, mint annál, aki München külvárosában él. (A legnagyobb nehézséget – mondja Fischer – a kontextuális információk kezelése és feldolgozása jelenti, amiről szinte egyetlen szakkönyv sem ír, pedig az orvosi döntéshozatalban óriási szerepe van.)

A MedGate egyik célkitűzése, hogy az időpontfoglalások arányát 10 százalék körülire csökkentsék; ez valóban páratlan tehermentesítés lenne az egészségügynek.

De nem lesz ez embertelen? Mikor fogja egy mesterséges intelligencia letenni a hippokratészi esküt? Hogy gondoskodhatna egy gép egy emberről? Fisher szerint ezek jogos kérdések – ugyanakkor elgondolkodtató, hogy az életünk több területén elfogadjuk az adatalapú elemzést. Az online társkeresőkben is megbízunk, pedig a párkapcsolat legalább olyan intim dolog, mint az egészségünk, és az adatokra épülő diagnosztika valójában a betegek biztonságát javítja.

Hogy ebből mikor láthatunk bármit a magyar egészségügyben, azt még nehéz megmondani. A MedGate technológiáinak klinikai tesztjei már most is zajlanak, az orvosi eszközeik regisztrációjával párhuzamosan; ha a tesztelés sikeres lesz, már jövőre élesíthetik a rendszert.

Köpjön, aztán menjen futni

Ugyancsak az orvosok tehermentesítését célozza az IBM Research és a svájci startup, a docdok.health közös fejlesztése, akik olyan szenzorokat fejlesztettek, amik gépi tanulással és szenzorokkal javíthatnak a krónikus obstruktív tüdőbetegségben (chronic obstructive pulmonary disease, COPD) szenvedők életminőségén.

A szóösszetétel talán idegenül hangzik, pedig a légszomjjal járó, főleg a dohányzás és a légszennyezettség miatt kialakuló betegség 2030-ra a harmadik leggyakoribb halálok lehet a világon. Bár a COPD-s esetek 90 százaléka az elmaradott és fejlett országokban alakul ki, a betegség éveken belül 90 milliárd dolláros terhet róhat a dohányzásellenes-fitneszfasiszta Egyesült Államok költségvetésére is. Ennek a pénznek a nagy része a szövődmények kórházi kezeléséből adódik össze, pedig nem törvényszerű, hogy így legyen. Az egészségügy jobb menedzsmentjével és személyre szabott betegtámogatással a költségek csökkenthetők, a betegség tünetei megelőzhetők lehetnének.

Az IBM kutatói és a docdok.heath 2018 elején kezdték meg a klinikai vizsgálatokat a Zürichi Egyetemi Kórházban. A célkitűzésük az, hogy legalább 100 beteget vonjanak be a kutatásba, akik IoT (internet of things) eszközökkel rögzíthetik a tüneteiket: a köhögés intenzitását és gyakoriságát, a felköhögött váladék színét, a tüdőfunkciókat, a légzésszámot, a szívritmust, a tartózkodási helyük oxigénszaturációját, illetve azt, hogy a betegek mennyire élnek aktív életet.

Thomas Brunschwiler, az IBM Research kutatója, a projekt vezetője szerint a szenzorokra azért van szükség, mert az emberek általában tartózkodóbbak az orvosokkal szemben. Az egyetemi kórházban végzett gyors felmérés alapján a betegek nem mindig adják meg a valós egészségügyi adataikat – ennek akár egészségbiztosítási okai is lehetnek. A szenzorokkal begyűjtött adatokat viszont feltölthetik a felhőbe, és a szimptómák ismeretében modellezni lehet, hogy mennyire előrehaladott a betegség. Az orvossal szemben a gépet nem lehet átverni – de nem is ez lenne a cél. Brunschwiler szerint

Az állapotfelméréshez szükséges viselhető eszközöket külsős partnerek, többek között a Biovotion, a Foobot és a Nuvoair gyártják, de a docdok.health szenzoregyüttese saját fejlesztés. Boltokban kapható termékekről van szó, de ezeket így együtt még sosem használták.

• A rendszer központi eleme egy közönséges okostelefon, egy külsős fejlesztésű alkalmazással, ami olyan tüneteket is figyelemmel kísérhet – például a köhögés intenzitását és gyakoriságát –, amit orvosi vizsgálatokon nehéz ellenőrizni.
• Van egy beépített inhalátora, ami a tüdőfunkciókat és a kilégzést ellenőrzi.
• A köpőtálca (sputum tray) a felköhögött váladék színét vizsgálja: minta képanalízisét a telefon kamerájával végzik.
• A rendszerhez tartozik egy környezetfigyelő (environmental monitor) is, ami a szoba légminőségét vizsgálja, illetve azt, hogy valaki dohányzik-e a szobában. (Brunschwiler szerint ez utóbbi elég lehangoló eredményeket hozott a vizsgálatok során.)

A tüneteket összesítő és elemző, gépi tanulásra képes algoritmus a begyűjtött adatok alapján összefüggéseket találhat a betegség különböző tünetei között. A jövőben arra is használható lehet, hogy meghatározza a betegség előrehaladottságát, és megelőzze az akut tünetek súlyosbodását. A rendszer ezenfelül tanácsokat is ad a pácisenseknek; figyelembe veszi a fizikai és mentális állapotukat, a családi körülményeiket (mert nem mindegy, hogy a betegeknek vannak-e segítői), és mindezek függvényében életvezetési tanácsokat is ad – például javasolja, hogy mozogjanak többet, vagy töltsenek több időt szabad levegőn.

A ráksejtek logisztikája

A sajtónap harmadik orvostudományi prezentációját az IBM Research kutatója, Maria Rapsomaniki tartotta, aki egy igen szokatlan irányból közelítette meg a rákkutatást: a logisztika felől. Rapsomanikit az gondolkoztatta el, hogy a beszállítói láncok áruellátási optimalizációja és raktárkezelése olyan analitikai módszereket használnak, amikkel a szervezet sejtciklusainak működése is leírható lehet.

Maga a sejtciklus az egyes sejtek élettartamát és osztódását jelenti. A szervezetünk minden sejtjének megvan a maga várható élettartama: egyesek csak néhány napig élnek (például a belekben található egyes sejtek), míg mások, például a csontok sejtjei akár 20-30 évig is megmaradhatnak. A sejtciklus az a szigorúan koordinált folyamat, amikor egy eseménysor beindítja a sejtosztódást, és egy sejtből két hasonló sejt jön létre.

A tudománynak azért fontos, hogy ezeket a sejteket azonosíthassák és rendszerezhessék, mert így csoportosíthatók lennének a hasonló működésű sejtpopulációk. A hagyományos módszerekkel ez rémisztően bonyolult folyamat, de Rapsomanikinak föltűnt, hogy a logisztikai központok árurendezési stratégiája is hasonló folyamat; kíváncsi lett, hogy a logisztikában használt mesterséges intelligencia használható lenne-e a rákkutatásban is.

A biológiában nem irányítószámok alapján szortírozunk csomagokat. A biológusok a sejteket akarják csoportosítani az alapján, hogy hol tartanak az életciklusukban. Az algoritmusok viszont közömbösek azzal szemben, hogy egy sejtről vagy egy csomagról van-e szó, így gondoltam, megérhet egy próbát.

Az IBM két kutatója – Stefan Woerner és Marco Laumannns – a szállítmányozás optimalizálásában már sok tapasztalatot szereztek algoritmusokkal. Kezdetben úgy vélték, kissé elrugaszkodott ötlet ezt a módszert sejtszintű folyamatokra alkalmazni, de Rapsomanikit ez nem tántorította el a céljától. A felhő alapú technológia használatával a kutatók kidolgoztak egy új módszert, ami a tömegcitometria és a modern számítástudomány módszereit egyesíti – ez a CellCycleTRACER. A módszerről szóló tanulmányt februárban a Nature Communications publikálta.

Nem ér meglepetésként, hogy az IBM ekkora hangsúlyt fektet az orvostudomány és a mesterséges intelligencia határterületeinek kutatására; ez már a három évvel korábbi látogatásomkor is nyilvánvalóvá vált. Viszont az eredmények azt mutatják, hogy ezek a fejlesztések tényleg megkönnyítik mind az orvosok munkáját, mind a betegek életét. Ma még ijesztőnek tűnhet, hogy gépekre bízzuk a szakemberek munkáját – ráadásul egy olyan fontos és intim munkát, mint az orvosoké. Hiszen élet-halál kérdésről van szó!

De az a helyzet, hogy a differenciáldiagnózis, a kutatás és az eredmények elemzése egyaránt adatokra épül, a gépi adatfeldolgozás sebességével pedig egy ember soha nem versenyezhet. És azt is be kell látni, hogy egy gép talán sosem lesz olyan empatikus, mint egy ember, de annyira bunkó se, mint egy intravénás feketekávén élő agyonhajszolt magyar orvos, se olyan korrupt, mint a hálapénzen hizlalt orvosbárók.