Paweł Ciesielka, CTO oraz wiceprezes Proacta, w rozmowie z ISBtech o sztucznej inteligencji w ochronie zdrowia i oczekiwaniach wobec obecności na giełdzie.
W jaki sposób sztuczna inteligencja może wspierać lekarzy i ratować życie pacjentom?
Sztuczna inteligencja (AI) ma ogromny potencjał do zrewolucjonizowania opieki zdrowotnej, przede wszystkim w zakresie dokładniejszej diagnozy i przewidywania zagrożeń zdrowotnych. AI może pomóc w tworzeniu spersonalizowanych planów leczenia na podstawie indywidualnej genetyki, stylu życia i responsywności na leki pacjenta, dodatkowo może przejąć rutynowe zadania, takie jak dokumentacja medyczna, co pozwala lekarzom skupić się na opiece nad pacjentami, a także monitorować stan zdrowia na odległość.
Idąc dalej AI może przyspieszyć proces odkrywania nowych leków i terapii, przeglądając ogromne zbiory danych w poszukiwaniu potencjalnych połączeń i celów leczenia. Ogólnie rzecz biorąc, AI ma potencjał do ułatwienia dostępu do opieki zdrowotnej, poprawy jakości tej opieki, a także zwiększenia efektywności i skuteczności leczenia, co w rezultacie może
prowadzić do ratowania więcej żyć.
Jak wygląda proces tworzenia takich algorytmów?
Tworzenie algorytmów sztucznej inteligencji (AI), zwłaszcza w kontekście analizy danych medycznych, jest skomplikowanym procesem. Na początku jest definiowanie problemu do rozwiązania, czy to predykcja określonej choroby, identyfikacja wzorców w danych medycznych czy automatyzacja rutynowych zadań. Dalej następuje proces gromadzenia danych, które służą do „nauczenia” algorytmów AI. W kontekście medycznym, mogą to być dane od pacjentów, dane z literatury medycznej, dane genetyczne czy obrazy medyczne.
Te dane muszą być odpowiednio przygotowane, co może obejmować czyszczenie danych (usunięcie błędów, uzupełnienie brakujących wartości), normalizację (przywrócenie danych do standardowego formatu lub skali) oraz segregację danych na zestawy do treningu, walidacji i testów. Gdy dane są gotowe, następuje projektowanie modelu AI. Model ten może przybierać różne formy, takie jak sieć neuronowa, maszyna wektorów nośnych, las losowy, model regresji, w zależności od problemu. Model jest następnie skonfigurowany z określonymi parametrami, które zostaną dostosowane podczas procesu uczenia.
Na czym dokładnie polega proces trenowania algorytmów?
Faza trenowania modelu polega na dostosowywaniu parametrów modelu tak, aby minimalizować błąd między prognozowanymi a rzeczywistymi wynikami. Następnie, model jest testowany na zestawie walidacyjnym i testowym, aby sprawdzić, jak dobrze radzi sobie z danymi, które nie były używane podczas procesu treningu. Po wytrenowaniu modelu jest on oceniany na podstawie różnych miar, takich jak dokładność, czułość, swoistość, pole pod krzywą ROC itp. Po optymalizacji modelu i osiągnięciu satysfakcjonujących wyników, model jest implementowany w rzeczywistym środowisku.
Należy stale monitorować wydajność modelu, aby upewnić się, że nadal działa poprawnie, gdy nowe dane są dodawane lub gdy zmieniają się warunki. Warto podkreślić, że proces ten jest iteracyjny. Modele AI często trzeba dostosowywać i ponownie szkolić, gdy pojawiają się nowe dane lub gdy zmieniają się cele biznesowe lub regulacje.
Jaki jest potencjał rynku sztucznej inteligencji w medycynie?
Rynek sztucznej inteligencji (AI) w medycynie ma ogromny potencjał i jest jednym z najszybciej rosnących sektorów technologii. Szacuje się, że rynek ten może osiągnąć wartość 163 miliardów dolarów do końca tej dekady. Ten imponujący wzrost jest napędzany przez szereg czynników. Przede wszystkim rosnące zapotrzebowanie na efektywne rozwiązania w ochronie zdrowia, spowodowane coraz większą liczbą pacjentów, rosnącymi kosztami opieki zdrowotnej i brakiem personelu medycznego, stwarza to idealne warunki dla implementacji technologii AI.
Szybki rozwój technologii, takich jak uczenie maszynowe, analiza big data i technologia chmurowa, umożliwia tworzenie zaawansowanych systemów AI, które mogą przetwarzać ogromne ilości danych medycznych i dostarczać precyzyjne prognozy. Na dodatek, organizacje regulacyjne na całym świecie, takie jak FDA w USA, zaczynają akceptować i regulować użycie AI w medycynie, co dodatkowo stymuluje wzrost rynku. Wreszcie, coraz większa świadomość i akceptacja ze strony lekarzy i pacjentów przyczynia się do popularyzacji tych technologii w sferze medycyny. W sumie, AI ma potencjał do rewolucjonizowania wielu aspektów opieki zdrowotnej, od diagnostyki i leczenia, poprzez zarządzanie danymi pacjentów, aż po badania kliniczne. Możliwości są ogromne, a sektor ten jest dopiero na początku swojej drogi.
Na czym polegają Wasze rozwiązania za zakresu Bioinformatyki?
W naszej firmie w zakresie działań związanych z bioinformatyką opracowujemy zaawansowane algorytmy, które mają na celu analizowanie i przetwarzanie ogromnych ilości danych medycznych. Te algorytmy są oparte na technologiach takich jak sztuczna inteligencja (AI), uczenie maszynowe (machine learning) oraz sieci neuronowe. Nasze algorytmy są trenowane na rzeczywistych danych medycznych, które pochodzą ze szpitali oraz jednostek medycznych w Polsce oraz za granicą. Dzięki tym informacjom nasze modele uczą się rozpoznawania schematów, związków i zależności między różnymi parametrami medycznymi. W procesie trenowania, algorytmy poddawane są wielokrotnym iteracjom, co pozwala na optymalizację ich skuteczności oraz dopasowanie do potrzeb pacjentów i lekarzy.
Kolejnym elementem działalności Proacta jest wielofunkcyjna platforma analiz diagnostycznych DataBion, która służy do gromadzenia i przetwarzania na własnych serwerach danych medycznych i genetycznych. W tworzenie i rozwój platformy DataBion zaangażowany jest zespół multidyscyplinarny. Eksperci z różnych dziedzin współpracują ze sobą, aby stworzyć najlepsze możliwe rozwiązania, które będą służyły zarówno lekarzom, jak i pacjentom. Jest to w pełni gotowy produkt, który wkracza w etap komercjalizacji. Prowadzimy zaawansowane rozmowy dotyczące współpracy z jednym z liderów z branży diagnostyki laboratoryjnej. Jesteśmy w również w kolejnych procesach z innymi podmiotami zainteresowanymi wykorzystaniem rozwiązań naszej platformy.
Jak planujecie rozwijać się w tym obszarze?
Jako firma, która proces R&D ma wpisane w swoje podstawy, stale dążymy do doskonalenia się w obszarze bioinformatyki, skoncentrowanej na przyszłościowej wizji usprawniania procesów diagnostycznych i terapeutycznych. Stawiamy na ciągły rozwój i poprawę jakości naszych algorytmów, które są kluczowym elementem naszej platformy. Jednym z kluczowych aspektów naszej strategii rozwoju jest nieustanne pozyskiwanie nowych danych medycznych. Rozumiejąc wagę różnorodności i aktualności danych w podejmowaniu trafnych decyzji medycznych, stale inwestujemy w rozszerzanie naszej bazy danych. Aktywnie wykorzystujemy produkty takie jak GPT od OpenAI.
Obecnie, nasze wysiłki skupiają się na treningu prywatnego modelu LLM (Large Language Models) do zastosowań medycznych. Ten nowoczesny i potężny model pozwoli nam na jeszcze lepszą interpretację danych medycznych i dalsze ulepszanie naszych usług.
ZOBACZ RÓWNIEŻ:
Udziałowcy Proacta podpisują umowy objęcia akcji Codeaddict
W czym pomoże Wam obecność na giełdzie?
Nie ukrywam, że mamy ambitne plany dotyczące rozwoju naszej platformy i innych produktów i usług dla ochrony zdrowia. Dlatego też zdecydowaliśmy się na połączenie z innym podmiotem, który jest obecny na giełdzie. Liczymy, że dzięki wsparciu inwestorów znacznie szybciej wyskalujemy nasz biznes. Chcielibyśmy również wykorzystać doświadczenie Codeaddict w rozwoju swoich produktów i usług na rynkach zagranicznych, między innymi w USA, gdzie tego typu rozwiązania spotykają się z dużym zainteresowaniem odbiorców.
