AI w medycynie po praktycznym teście. Podcast: wracamy do wniosków z Poland Healthcare Datathon 2025
:quality(90)/)
Sztuczna inteligencja w ochronie zdrowia najczęściej opisywana jest językiem możliwości: może przyspieszać analizę danych, porządkować dokumentację, wspierać decyzje kliniczne i usprawniać pracę zespołów medycznych. Poland Healthcare Datathon 2025 pozwolił spojrzeć na ten potencjał z innej strony – przez praktyczny test, pracę na zanonimizowanych danych klinicznych i sprawdzenie dużych modeli językowych w polskojęzycznym kontekście medycznym.
Do wniosków z wydarzenia wracamy dziś w podcaście Roche „LLMathon: How AI Can Serve Healthcare”. Uczestnicy i organizatorzy przyglądają się temu, jak współczesne modele językowe radzą sobie z wymaganiami sektora ochrony zdrowia: od precyzji znaczeniowej, przez bezpieczeństwo informacji, po możliwość integracji z istniejącymi systemami szpitalnymi.
Podczas Poland Healthcare Datathon 2025 interdyscyplinarne zespoły pracowały na rzeczywistych, zanonimizowanych danych klinicznych z Uniwersyteckiego Centrum Klinicznego w Gdańsku. Analiza koncentrowała się na identyfikacji zależności między nieplanowanymi hospitalizacjami a czynnikami demograficznymi, historią przebytych chorób oraz innymi zmiennymi klinicznymi. Równolegle, w ramach LLMathonu, testowano duże modele językowe na polskojęzycznych przypadkach neurologicznych (stwardnienie rozsiane), sprawdzając nie tylko trafność odpowiedzi, ale także ograniczenia technologii.
Skuteczność modelu to dopiero punkt wyjścia. O wartości rozwiązania decyduje również to, czy może zostać bezpiecznie włączone w środowisko kliniczne, do istniejących systemów, sposobu pracy zespołów medycznych i procesów opieki nad pacjentem.
Dlatego tak ważny jest kontekst, w którym technologia ma być wykorzystywana. Rodzaj danych, język dokumentacji medycznej, organizacja pracy szpitala oraz sposób prowadzenia pacjenta w danym systemie wpływają na to, czy rozwiązanie będzie użyteczne w codziennej praktyce. Globalnie rozwijane narzędzia muszą więc przejść test lokalnej rzeczywistości – języka, systemu dokumentacji i składowania danych medycznych, organizacji pracy i procesów opieki.
W podcaście do tych doświadczeń wracają osoby patrzące na rozwój sztucznej inteligencji w medycynie z różnych perspektyw: technologicznej, diagnostycznej, projektowej i akademickiej. Dzięki temu rozmowa obejmuje nie tylko możliwości dużych modeli językowych, ale także warunki ich odpowiedzialnego wykorzystania – jakość danych, bezpieczeństwo informacji, integrację z systemami szpitalnymi oraz potrzeby personelu medycznego, pacjentów i organizacji ochrony zdrowia.
„LLMathon: How AI Can Serve Healthcare” pomaga spojrzeć na Poland Healthcare Datathon 2025 nie tylko jako na wydarzenie technologiczne, lecz także jako na ważny etap w dyskusji o przyszłości cyfrowej medycyny opartej na danych, interdyscyplinarnej współpracy i odpowiedzialnym projektowaniu rozwiązań z myślą o jakości opieki, bezpieczeństwie i pacjentach.
Posłuchaj podcastu
Podcast „LLMathon: How AI Can Serve Healthcare” jest dostępny na kanale YouTube Roche: