A mesterséges intelligencia alapú megoldások fejlesztése és bevezetése az egészségügyben – kézműves manufaktúrától a gyártósorig?

Absztrakt:

Az adatalapú, digitális megoldások jobb megelőzési, terápiás, és jóléti ajánlásokkal segíthetik az egészségügy szereplőit, hozzájárulnak a mesterséges intelligencia alapú döntéstámogatás fejlesztéséhez és bevezetéséhez a diagnosztikában és a terápiában, és támogatják az orvosbiológiai kutatások fejlődését, különös tekintettel a személyre szabott terápiák és diagnosztikumok fejlesztésére. Az egészségügyi mesterséges intelligencia kutatások
áttekintésének egyik meghatározó tapasztalata, hogy kevés az olyan rendszerszintű vizsgálat, amely a fejlesztést a későbbi digitális ellátási modellekbe történő integráció szempontjából közelíti meg. A Semmelweis Egyetem Tématerületi Kiválósági Programja keretében megvalósuló referenciaprojektben elkészül a mesterséges intelligencia algoritmus gyártósora. Jelen cikkben arra keressük a választ, hogy milyen kérdések előkészítésével tehetjük lehetővé több mesterséges intelligencia modul párhuzamos fejlesztését hosszú időn át, a megfelelő jogi és finanszírozási környezetben? Kialakítható-e
a fejlesztési és bevezetési folyamat rendszerszinten is úgy mint egy professzionális és megbízható minőségben működő gyártósor? A folyamat lépései modalitásonként változhatnak, esetenként felcserélődnek, vagy összeérnek, de lényegében a következő főbb szakaszokra bonthatók: (1) koncepció kialakítás, (2) metszet- és adatgyűjtés megszervezése, annotációs módszertan és felület kialakítása, (3) szakmai validáció (4) integráció (5) felhasználói
validálás és bevezetés. A folyamat összetettsége holisztikus megközelítést igényel, mivel már a fejlesztési szakaszban át kell gondolni a kiválasztott technológia innovatív aspektusait, az általa nyújtott hozzáadott értéket, a minősítés és a klinikai vizsgálatok, valamint a technológiaértékelés mentén. Ennek megfelelően kell megtervezni és megszervezni a folyamatot és be kell vonni és professzionálisan támogatni a finanszírozót, az egészségügyi szolgáltatókat, a technológiai fejlesztőket, a szabályozókat, a polgárokat/pácienseket, a tudományos kutatókat: a digitális ökoszisztéma szereplőit. A 2022-ben induló Egészségbiztonság Nemzeti Laboratórium Adatvezérelt Egészségügy Divíziójában (D2H) ezen cikk eredményeire építve szeretnénk (1) bemutatni a mesterséges intelligencia fejlesztések és applikációk elterjedtségét az egészségügyben nemzetközi szinten, (2) összefoglalni a rendszerszintű bevezetésben rejlő kockázatokat Magyarországon és (3) azonosítani a széleskörű hazai bevezetéshez szükséges lépéseket.

Abstract:

Data-driven digital solutions can help healthcare actors with better preventive, therapeutic and welfare recommendations, contribute to the development and implementation of artificial intelligence-based decision support in diagnostics and therapy, and advance biomedical research, in particular the development of personalised therapies and diagnostics. Health artificial intelligence research predominantly focuses on technological
or ethical aspects, and there are few system-level studies investigating the future integration of artificial intelligence developments into digital health care mo dels. In a reference project within the framework of Semmelweis University’s Thematic Excellence Programme, the production line of the artificial intelligence algorithm is being completed. In this article, we seek to answer the question: how can we enable the parallel development of multiple artificial intelligence modules over a long period of time in the right legal, regulatory and funding environment? Can we design the development and deployment process at system level as one or more production lines? In principle, this process is comprised of the following main steps: (1) designing the concept (2) organising the collection of data and histological sections as well as creating the platform and the methodology for annotation (3) obtaining validation by experts (4) integrating the solution into the existing system (5) validation for use and deployment. Though there might be variations in these steps depending on the different artificial intelligence modalities. The complexity of the process requires a holistic approach,
as it is necessary to consider the innovative aspects of the chosen technology, the added value it brings, along the lines of the qualification and clinical trials and the technology assessment, already at the development stage. We have to plan and organise the process ac cordingly, and to involve the funder, healthcare providers, technology services, regulators, citizens/patients, academic researchers: the actors of the digital ecosystem. In the Data-Driven Health (D2H) Division of the National Laboratory for Health Security, which is being launched in early 2022, we aim to build on the results of
this paper to (1) provide a picture of the international uptake of artificial intelligence developments and applications for health, (2) summarise the risks of systemlevel adoption and their specifics in Hungary, and (3) attempt to identify the steps required for widespread domestic adoption.