AI wkracza do kliniki: skrybowie, projektowanie leków i luka w zarządzaniu

Sztuczna inteligencja jest wplatana w każdą warstwę medycyny szybciej, niż instytucje, organy regulacyjne i systemy prawne są w stanie nadążyć. Pięć odrębnych wydarzeń opublikowanych w tym tygodniu — obejmujących dokumentację przy łóżku chorego, projektowanie leków na rzadkie choroby, zarządzanie oprogramowaniem dla pacjentów, biologię otwartej nauki i kształcenie zawodowe — łącznie tworzą obraz dziedziny w szybkiej, nierównej transformacji.

Czwartek, 4 września: Kliniczne skryby AI pomijają sygnały niewerbalne, zwiększając ryzyko błędu medycznego

Ambientowe skryby AI — oprogramowanie, które nasłuchuje wizyty pacjenta i automatycznie generuje notatkę kliniczną — przeszło od nowości do powszechnej praktyki z uderzającą szybkością. Ponad jeden na czterech lekarzy w Stanach Zjednoczonych korzysta już z takich narzędzi, a adopcja wciąż przyspiesza w Europie i regionie śródziemnomorskim.

Dwie równoległe analizy opublikowane w tym tygodniu budzą poważne obawy. Badacze z Uniwersytetu w Edynburgu ostrzegają, że dziśiejsze ambientowe skryby opierają się niemal wyłącznie na języku mówionym, pozostając ślepe na informacje niewerbalne, które doświadczeni klinicyci odczytują nieustannie: grymas bólu pacjenta, lekkie drżenie dłoni, unikanie kontaktu wzrokowego mogące sygnalizować niepokój lub wczesną zmianę kognitywną. Sygnały te bezpośrednio kształtują osąd kliniczny, a w konsekwencji — decyzje diagnostyczne i terapeutyczne. Notatka, która je pomija, jest niekompletnym dokumentem.

Jednocześnie prawnicy specjalizujący się w ochronie zdrowia ostrzegają, że odpowiedzialność za błąd medyczny kumuluje się po cichu. Gdy lekarz akceptuje notatkę wygenerowaną przez AI bez odpowiedniej weryfikacji i notatka zawiera błąd — pominięty objaw, niewłaściwy lek, błędnie scharakteryzowana reakcja pacjenta — kwestia odpowiedzialności prawnej pozostaje w dużej mierze nierozstrzygnięta. Sądy nie wydały jeszcze ostatecznych rozstrzygnięć w tych sprawach. Luka między błyskawicznym wdrożeniem klinicznym a jasnością prawną tworzy okno ryzyka, które zarówno indywidualni klinicyci, jak i systemy ochrony zdrowia dopiero zaczynają dostrzegać.

Eksperci zalecają, by lekarze traktowali notatki generowane przez AI jako pierwszy szkic wymagający krytycznej weryfikacji, a nie gotowy dokument, oraz by systemy ochrony zdrowia ustanowiły wyraźne polityki nadzoru, zanim sprawy o odpowiedzialność wymuszą tę kwestię.

Etap dowodów: Analiza obserwacyjna i komentarz prawny. Brak dotąd danych z randomizowanych badań dotyczących wyników pacjentów w wyniku błędów skrybów AI.

Czwartek, 4 września: Lek zaprojektowany przez AI celuje w rzadką genetyczną otyłość — przejście do fazy 1

Bostońska firma Superluminal Medicines zamknęła finansowanie Series B w wysokości 60 milionów dolarów — opisane jako nadsubskrybowane — w celu przejścia z wiodącym związkiem do klinicznych badań fazy 1 przed końcem 2026 roku. Związek jest selektywnym agonistą receptora melanokortyny 4 (MC4R), białka znajdującego się na krytycznym skrzyżowaniu obwodów apetytu i wydatku energetycznego mózgu.

Mutacje zaburzające MC4R powodują ciężką, rzadką formę genetycznej otyłości, która nie reaguje na interwencję w zakresie stylu życia i przez dekady opierała się rozwojowi leków. Docelowe populacje pacjentów obejmują osoby z zespołem Bardeta-Biedła i otyłością podwzgórzową — schorzeniami, dla których dostępnych jest niewiele lub żadnych zatwierdzonych opcji farmakologicznych.

Platforma Superluminal integruje biologię strukturalną z uczeniem maszynowym do modelowania sposobu wiązania małych cząsteczek z receptorami sprzężonymi z białkiem G (GPCR), szczególnie trudną klasą leków, ponieważ kształty receptorów zmieniają się w zależności od aktywowanej ścieżki sygnałowej. Projektowanie z myślą o selektywności od samego początku, zamiast szerokiego przesiewu, ma na celu uniknięcie sercowo-naczyniowych i innych efektów poza celem, które zakończyły wcześniejsze programy MC4R.

Silne zaufanie inwestorów jest obiecujące, ale związek musi jeszcze przejść badanie bezpieczeństwa fazy 1 na ludziach, zanim będzie można wyciągnąć jakiekolwiek wnioski dotyczące skuteczności.

Etap dowodów: Przedkliniczny / przejście do fazy 1. Brak dotąd danych o skuteczności u ludzi.

Czwartek, 4 września: Większość szpitali wdraża AI dla pacjentów, ale 40% zbudowało je bez deweloperów

Badanie 151 liderów ochrony zdrowia przeprowadzone przez firmę Paubox, specjalizującą się w bezpiecznej komunikacji zdrowotnej, wykazało, że 80 procent odpowiadających organizacji wdrożyło już narzędzia AI, które bezpośrednio wchodzą w interakcję z pacjentami — chatboty, asystenci triaku, planery wizyt i podobne aplikacje, z którymi pacjenci mają kontakt bez obecności klinicysty.

Bardziej uderzające odkrycie: cztery z dziesięciu tych narzędzi zostały zbudowane bez tradycyjnych programistów oprogramowania — złożone przez personel IT przy użyciu asystentów kodowania opartych na AI. W innych branżach ten wzórzec „deweloperem obywatelskiego” rodzi pytania dotyczące zarządzania. W ochronie zdrowia, gdzie błędy mogą powodować bezpośrednią szkodę dla pacjenta, pytania te stają się pilne.

Ustalone ścieżki dla regulowanego oprogramowania medycznego obejmują oceny wpływu na prywatność, walidację kliniczną, testy adversarialne i zgodność z przepisami. Gdy narzędzia są składane poza tym procesem, zabezpieczenia te mogą nie mieć zastosowania. Badanie nie raportuje zdarzeń niepożądanych, a respondenci sami się wybrali, więc wyniki prawdopodobnie przechylają się w kierunku organizacji już zaangażowanych w zarządzanie AI. Niemniej jednak opisana luka jest zgodna z ostrzeżeniami wydanymi przez organy regulacyjne po obu stronach Atlantyku w ciągu ostatnich osiemnastu miesięcy.

Dla pacjentów i opiekunów: jeśli wchodzisz w interakcję z narzędziem AI oferowanym przez Twoją klinikę lub szpital, rozsądne jest zapytanie — lub prośba do klinicysty, by zapytał w Twoim imieniu — jakie nadzorowanie to narzędzie przeszło i jakie środki odwoławcze istnieją, jeśli udzieli nieprawidłowych wskazówek.

Czwartek, 4 września: Czołowe instytuty biomedyczne Seattle uruchamiają akcelerator otwartej nauki AI

Uniwersytet Waszyngtoński, Instytut Allena i Centrum Raka Freda Hutchinsona — trzy wiodące biomedyczne instytuty badawcze z siedzibą w Seattle — wspólnie ogłosiły Akcelerator Otwartej Nauki AI BioDesign do budowy i publicznego wydawania narzędzi AI do projektowania biologicznego.

Docelowe obszary obejmują celowo szerokie terytorium: nowe związki terapeutyczne na raka i neurodegenerację, enzymy zaprojektowane do degradacji tworzyw sztucznych oraz biologiczne systemy obliczeniowe zdolne do wykonywania operacji logicznych wewnątrz żywych komórek. Co kluczowe, wszystkie dane i wytrenowane modele zostaną wydane na otwartych licencjach, czyniąc akcelerator przeciwwagą dla rosnącego prywatnego zawszaszczenia biomedycznej infrastruktury AI.

Inicjatywa nie ma jeszcze konkretnych kandydatów na leki w fazie rozwoju klinicznego i należy ją rozumieć jako wysiłek infrastrukturalny i budowania zdolności, a nie historię o bliskich korzyściach dla pacjentów. Platformy otwartej nauki tego rodzaju historycznie przyspieszały tempo, w jakim akademiccy i mniejsi badacze przemysłowi mogą budować na fundamentalnych odkryciach, z efektami kaskadowymi na szerokość i tempo wytwarzania leków.

Etap dowodów: Ogłoszenie inicjatywy / przedkliniczne. Brak dotąd konkretnych związków w badaniach na ludziach.

Czwartek, 4 września: Oxford i 2U uruchamiają program dla kadry kierowniczej w zakresie AI w odkrywaniu leków

Wydział Medycyny Nuffield Uniwersytetu Oksfordzkiego nawiązał partnerstwo z internetową platformą edukacyjną 2U, by zaoferować sześciotygodniowy program kształcenia dla kadry kierowniczej skierowany do naukowców i specjalistów R&D branży farmaceutycznej, integrujących narzędzia AI w odkrywaniu leków.

Program nauczania obejmuje cały łańcuch: identyfikację celów, odkrywanie biomarkerów, stratyfikację pacjentów i przewidywanie terapeutyczne. Adresuje również regulacyjne i etyczne aspekty AI w rozwoju leków — lukę, która stała się coraz bardziej widoczna, gdy zgłoszenia wspomagane AI trafiają do FDA i EMA. Odbiorcami są pracujący specjaliści, nie studenci studiów licencjackich.

Kształcenie zawodowe tego rodzaju ma znaczenie, ponieważ wąskim gardłem w odkrywaniu leków wspomaganym przez AI jest coraz częściej czynnik ludzki: nie brak narzędzi obliczeniowych, ale brak naukowców, którzy potrafią krytycznie ocenić to, co te narzędzia produkują, wiedzieć, gdzie zawodzą, i integrować ich wyniki w odpowiedzialne decyzje rozwojowe. Akredytacja instytucjonalna Oksfordu prawdopodobnie będzie miała znaczenie zarówno przy rekrutacji, jak i w rozmowach regulacyjnych — dodając legitymizację dziedzinie, która cierpiała z powodu cykli przesadnych obietnic.

---

Ten artykuł stanowi sprawozdanie dziennikarskie i nie stanowi porady medycznej. Czytelnicy powinni skonsultować się z wykwalifikowanym klinicystą przed wprowadzeniem jakichkolwiek zmian w leczeniu, przyjmowaniu leków lub schemacie zdrowotnym.