Poland Healthcare Datathon 2025, czyli jak sztuczna inteligencja wspiera polską medycynę
:quality(90)/)
Jak połączyć potencjał sztucznej inteligencji z realnymi potrzebami polskiej medycyny? Odpowiedzi na to pytanie szukali uczestnicy pierwszej edycji Poland Healthcare Datathon, która odbyła się pod koniec września (27-28.09.) w Gdańsku. Wydarzenie połączyło naukowców, lekarzy i specjalistów danych, którzy wspólnie szukali sposobów na odpowiedzialne wykorzystanie AI w diagnostyce i leczeniu.
W spotkaniu wzięło udział ponad 200 osób, w tym 13 interdyscyplinarnych zespołów z 14 uczelni i ośrodków badawczych reprezentujących 5 krajów. Studenci, młodzi badacze i specjaliści danych rozwijali kompetencje w obszarze analityki klinicznej, projektowania metryk dla modeli językowych LLM i integracji narzędzi AI z procesami szpitalnymi.
Główny koordynator projektu z ramienia Roche, dr inż. Michał Maciejewski, podkreślał, że cyfryzacja diagnostyki to realna szansa na szybsze i trafniejsze rozpoznania:
Cyfryzacja ochrony zdrowia to dziś praktyka, nie obietnica. Analiza rzeczywistych danych klinicznych i systematyczna ewaluacja LLM w języku polskim tworzą fundament do budowy narzędzi, które w coraz większym stopniu pomagają lekarzom i pacjentom. Pokazaliśmy trzy kluczowe elementy odpowiedzialnego wdrażania AI: (1) lokalny kontekst danych, który ogranicza ryzyko biasu; (2) jawne metryki jakości i bezpieczeństwa, które pozwalają kontrolować halucynacje i niepewność; oraz (3) osadzenie rozwiązań w procesach klinicznych – od dokumentacji i obrazowania po wsparcie decyzji terapeutycznych. Tak rozumiana cyfryzacja diagnostyki i leczenia przyspiesza rozpoznania, porządkuje ścieżki pacjentów i podnosi jakość opieki, a jednocześnie pozostaje zgodna z zasadami etyki i transparentności.
Z kolei Adam Krenke, Commercialisation Strategy Chapter Leader w Roche Polska zaznaczał wagę współpracy pomiędzy instytucjami:
Międzynarodowe inicjatywy, takie jak Datathon w Gdańsku, pokazują, jak ważna jest globalna, interdyscyplinarna współpraca przy jednoczesnym wykorzystaniu lokalnych danych. Tylko dzięki temu możemy tworzyć rozwiązania, które są zarówno innowacyjne, jak i zakorzenione w realiach systemu ochrony zdrowia danego kraju. Polska dołączyła w ten sposób do grona państw, które odważnie inwestują w cyfrową medycynę opartą na danych.
Polskie dane kliniczne poddane analizie AI po raz pierwszy
Największą wartością wydarzenia było wykorzystanie rzeczywistych, polskich danych klinicznych oraz przeprowadzenie ewaluacji modeli językowych w języku polskim. Praca na takich zbiorach umożliwia odkrycie wzorców diagnostycznych specyficznych dla polskich pacjentów. Zwiększa to skuteczność narzędzi AI i ich przydatność w podejmowaniu decyzji terapeutycznych.
Z kolei testy w lokalnym kontekście pozwalają sprawdzić, na ile globalne technologie sprawdzają się w polskim systemie ochrony zdrowia i gdzie ujawniają swoje ograniczenia – takie jak halucynacje modeli czy utrwalanie błędnych wzorców w danych wynikających z różnic pomiędzy populacją użytą przy tworzeniu modelu a populacją do której jest on wykorzystywany.
Udostępnienie rzeczywistych, zanonimizowanych danych klinicznych do analiz to krok milowy dla polskiej medycyny. Do tej pory prace badawcze często opierały się na danych zagranicznych, które nie zawsze odzwierciedlają specyfikę naszych pacjentów. Dzięki Datathonowi mogliśmy pokazać, że lokalne dane mają ogromną wartość w rozwijaniu narzędzi diagnostycznych i terapeutycznych. To właśnie one pozwalają budować algorytmy bliższe codziennej praktyce klinicznej, bardziej wiarygodne i – co najważniejsze – realnie wspierające lekarzy w podejmowaniu decyzji, a pacjentom gwarantujące trafniejsze i szybsze diagnozy.
Partnerstwa napędzające innowacje w medycynie
Poland Healthcare Datathon był również przestrzenią współpracy.
Datathon pokazał, że konferencja i hackathon mogą się uzupełniać. Dyskusje o etyce i regulacjach od razu znalazły swoje odzwierciedlenie w praktyce – w analizach danych i testach modeli. To wyjątkowa okazja, aby teoria spotkała się z realnymi wyzwaniami klinicznymi. Na wypracowanych wnioskach zyskuje środowisko lekarskie, ale przede wszystkim zyskuje pacjent
zaznacza
Wydarzenie współorganizowały Roche Polska, Uniwersyteckie Centrum Kliniczne w Gdańsku, Gdański Uniwersytet Medyczny oraz MIT Critical Data, przy wsparciu licznych partnerów i patronów, w tym Ministerstwa Nauki i Szkolnictwa Wyższego oraz AmCham.
Jako szpital uniwersytecki codziennie stajemy wobec złożonych wyzwań diagnostycznych i terapeutycznych. Partnerstwo w ramach Datathonu pozwoliło nam sprawdzić, jak rozwiązania cyfrowe mogą realnie wspierać lekarzy w tej pracy – od usprawnienia dokumentacji po analizę danych klinicznych. Dzięki takiej współpracy innowacje nie pozostają teorią, ale trafiają do miejsca, w którym mogą najwięcej zmienić – do pacjenta.
zaznacza
Wnioski? Odpowiedzialna cyfryzacja medycyny
Rezultaty prac zespołów pokazały, że analiza historycznych danych klinicznych pozwala odkryć powtarzające się wzorce, które dostarczają wartościowych informacji dla klinicystów. Analiza lokalnych danych gwarantuje, iż uzyskane wyniki są lepiej dopasowane do polskich pacjentów, co zmniejsza ryzyko błędów. Odpowiedzialna ewaluacja LLM w języku polskim pomaga natomiast ustalić obszary i dobre praktyki ich użycia w praktyce klinicznej – wspierając lekarza, ale go nie zastępując. Warto zaznaczyć, że nie należy stosować LLM-ów, w tym popularnych chatbotów, do samodiagnozy ani podejmowania decyzji terapeutycznych bez konsultacji z lekarzem
Główne wnioski płynące z Poland Healthcare Datathon 2025 to:
Cyfryzacja diagnostyki i leczenia to nie przyszłość, lecz konieczność. Odpowiedzialne wykorzystanie danych i AI staje się warunkiem rozwoju nowoczesnej medycyny.
Kluczem do skutecznych rozwiązań są interdyscyplinarne zespoły. Połączenie wiedzy lekarzy, naukowców, inżynierów danych i specjalistów IT pozwala tworzyć narzędzia realnie wspierające praktykę kliniczną.
Analiza lokalnych danych klinicznych zwiększa skuteczność algorytmów. Modele oparte na polskich danych lepiej odzwierciedlają potrzeby pacjentów i specyfikę naszego systemu ochrony zdrowia.
Ewaluacja modeli językowych w języku polskim to krok w stronę bezpiecznej implementacji AI w medycynie. Dzięki niej możliwe jest wypracowanie standardów, które ograniczają ryzyko błędów i wzmacniają zaufanie do technologii.
Eksperci są zgodni: przyszłość medycyny należy do rozwiązań cyfrowych – pod warunkiem, że będą rozwijane odpowiedzialnie, przejrzyście i w zgodzie z potrzebami pacjentów oraz lekarzy.