Boston Children’s wdraża AI OpenAI. Czy to zmieni diagnozowanie rzadkich chorób?

To nie jest historia o lekarzu, którego zastąpił chatbot. Boston Children’s Hospital opisuje raczej coś mniej widowiskowego, ale dużo ciekawszego: AI wszyte w codzienną pracę szpitala. Jeśli te deklaracje się obronią, mówimy nie o gadżecie, tylko o narzędziu, które może skrócić drogę do diagnozy tam, gdzie klasyczna ścieżka od lat się zacina.

John Brownstein tłumaczy, gdzie lekarzom kończy się przepustowość

John Brownstein, Chief Innovation Officer w Boston Children’s Hospital, stawia sprawę dość jasno: przy rzadkich chorobach problemem nie bywa brak zaangażowania lekarzy, tylko ilość rzeczy do połączenia naraz. Dane genetyczne, fenotyp, historia leczenia, wyniki badań i literatura medyczna tworzą mieszankę, której człowiek nie zawsze jest w stanie sprawnie ogarnąć. Według opisu samego szpitala placówka obsługuje blisko milion wizyt ambulatoryjnych rocznie w ponad 40 specjalnościach. W takim środowisku AI ma pełnić rolę dodatkowej warstwy porządkującej informacje, a nie cudownego automatu od odpowiedzi. To ważne rozróżnienie, bo właśnie tu przebiega granica między realnym wdrożeniem a pokazem slajdów.

Boston Children’s nie stawia na jednego chatbota, tylko na wspólną warstwę AI

Sednem projektu nie jest pojedyncze narzędzie do rozmowy z modelem, ale wspólna warstwa AI osadzona w procesach szpitala. Z opisu wynika, że rozwiązanie ma łączyć dane genetyczne, fenotypowe i wiedzę z literatury medycznej. To istotne, bo ogólne chatboty bez dostępu do właściwego kontekstu potrafią w medycynie zawodzić bardzo widowiskowo. Badanie opisane przez Nature Medicine pokazywało ograniczenia takich modeli w diagnostyce. Boston Children’s próbuje więc innego podejścia: mniej „zapytaj bota”, bardziej AI wpięte w obieg danych.

Jak OpenAI trafiło do codziennej pracy szpitala?

Według materiałów przypisywanych Boston Children’s i OpenAI system nie działa wyłącznie przy najtrudniejszych przypadkach. AI ma wspierać również zadania operacyjne: obsługę faktur w łańcuchu dostaw, kierowanie dokumentów do właściwych osób czy przygotowywanie odpowiedzi. W planowaniu chirurgii analizuje notatki kliniczne i pomaga ocenić pilność przypadków, co ma ułatwiać wykorzystanie sal operacyjnych. Z kolei lekarze i badacze używają modeli do syntezy informacji oraz pracy na kohortach danych. Szpital podaje, że ponad 50 automatyzacji przyniosło 60 tys. godzin oszczędności oraz wartość przekraczającą 7 mln dolarów. To akurat liczby z komunikacji samej organizacji, więc warto traktować je jako deklarację wdrażającego, a nie niezależny audyt.

Co właściwie oznacza 40+ diagnoz rzadkich chorób?

To najciekawszy fragment całej historii, ale też ten, przy którym trzeba zachować chłodną głowę. Boston Children’s deklaruje, że dzięki wykorzystaniu AI udało się dojść do ponad 40 diagnoz rzadkich schorzeń, które wcześniej pozostawały nierozwiązane. Brzmi mocno i pewnie dlatego ten wątek niesie się po mediach. Problem w tym, że sama liczba niewiele mówi bez szerszego tła: w jakim okresie zebrano te przypadki, jak wyglądała rola lekarza prowadzącego, czy AI wskazało trop, czy doprowadziło do pełnego potwierdzenia rozpoznania. To nie czepialstwo, tylko podstawowe pytania przy każdej medycznej deklaracji. Mimo to sam kierunek jest sensowny: przy chorobach rzadkich największą wartością bywa nie gotowa odpowiedź, lecz zawężenie pola poszukiwań.

Inne szpitale też testują AI, ale nie zawsze w tym samym miejscu procesu

Boston Children’s nie działa w próżni. Inne duże organizacje ochrony zdrowia także sprawdzają, gdzie AI daje realny zysk: w obrazowaniu, analizie danych genetycznych, dokumentacji czy organizacji pracy. Mayo Clinic i REDMOD skupiają się na wykrywaniu wzorców w danych medycznych, a NHS testuje AI m.in. w diagnostyce raka płuc. Różnica polega na tym, że Boston Children’s sprzedaje tę historię jako projekt infrastrukturalny: jedna warstwa dla wielu zastosowań, od diagnostyki po zaplecze operacyjne. W polskich realiach taki model oznaczałby nie tylko zakup modelu, ale też zgodność z procedurami szpitala, bezpieczeństwo danych i zgodę na to, że AI wymaga governance, a nie tylko licencji.

Dlaczego OpenAI i szpitale idą dziś w integrację, a nie w pokazowe demo?

To chyba najbardziej dojrzały element całego ruchu. Przez ostatnie dwa lata rynek medyczny widział już sporo prezentacji, w których model odpowiadał na pytania szybciej niż człowiek i wszyscy mieli być zachwyceni. Tyle że szpital nie działa jak scena konferencyjna. Liczy się zgodność z procedurami, ścieżka odpowiedzialności, możliwość sprawdzenia wyniku i to, czy narzędzie nie psuje pracy innym działom. Dlatego głęboka integracja z istniejącą infrastrukturą ma sens większy niż kolejny osobny asystent. To zmiana podejścia: z fascynacji modelem na myślenie o systemie.

Co dalej z AI w Boston Children’s i czy inni pójdą tą drogą?

Kolejny etap ma obejmować głębsze wsparcie decyzji klinicznych, wejście do następnych specjalności i dalsze dostrajanie rozwiązań we współpracy z OpenAI. Jeśli ten model się utrzyma, inne szpitale będą patrzeć nie tyle na samą technologię, ile na to, jak Boston Children’s poukładało proces wdrożenia. I tu moim zdaniem jest sedno. W ochronie zdrowia wygrywa nie ten, kto ma najbardziej błyskotliwe demo, tylko ten, kto potrafi połączyć model, dane, personel i odpowiedzialność w jedną całość. Bez tego AI zostaje dodatkiem. Z tym ma szansę stać się częścią infrastruktury.

Źródła:

openai.com/index/boston-childrens-hospital, aichatdaily.com, aiwins.news, startuphub.ai, LinkedIn John Brownstein, Puck.news, Boston Globe