• nátha
    • Kutatók vizsgálják komolyan, létezik-e férfinátha?

      Kutatók vizsgálják komolyan, létezik-e férfinátha?

    • A nátha ellen a mai napig nem tudunk mit tenni

      A nátha ellen a mai napig nem tudunk mit tenni

    • Két náthagyógyszert el kellene felejteni - tiltás lehet a végük

      Két náthagyógyszert el kellene felejteni - tiltás lehet a végük

  • melanóma
    • Drámai mértékben nő a melanomás esetek száma

      Drámai mértékben nő a melanomás esetek száma

    • Fényvédelem, önvizsgálat és tudás: együtt védenek a bőrrák ellen

      Fényvédelem, önvizsgálat és tudás: együtt védenek a bőrrák ellen

    • A Szigeten is keresd a „rút kiskacsát”!

      A Szigeten is keresd a „rút kiskacsát”!

  • egynapos sebészet
    • Egynapos sebészet Pakson: hamarosan újraindulhat az ellátás?

      Egynapos sebészet Pakson: hamarosan újraindulhat az ellátás?

    • A kecskeméti kórház orvosa lett az Egynapos Sebészeti Tagozat elnöke

    • Egy év alatt több mint 3000 műtét a kecskeméti egynapos sebészeten

      Egy év alatt több mint 3000 műtét a kecskeméti egynapos sebészeten

Az algoritmus varázsa: kevesebb tévedés, gyorsabb gyógyulás

Lapszemle 2025.04.01 Forrás: hvg360.hu
Az algoritmus varázsa: kevesebb tévedés, gyorsabb gyógyulás

Az egészségügy az adatok 30 százalékát állítja elő, de ennek 97 százalékát nem használják - ezek kiaknázásában rengeteg lehetőség van.

A mesterséges intelligencia teljesen átalakítja az egészségügyi rendszereket, ehhez azonban az orvosoknak is változtatniuk kell az eddigi megszokásaikon – mondta a hvg360.hu-nak Parminder Bhatia, a GE HealthCare AI vezérigazgatója, aki globális szinten felelős a cég mesterséges intelligencia alapú megoldásainak stratégiai megvalósításáért.

Melyek a mesterséges intelligencia (MI) legígéretesebb felhasználási területei ma az egészségügyben?

Az egészségügy egész területén óriási potenciál rejlik. Kezdetben az MI egy-egy konkrét feladatra összpontosított, például egy adott kép elemzésére. Ma, a generatív MI és a multimodális képességek fejlődésének köszönhetően, sokkal összetettebb problémák megoldására is alkalmas. Az egészségügy a globális adatok 30 százalékát állítja elő, de ennek 97 százalékát nem használjuk fel. Képzeljük el, milyen lehetőségek nyílnának meg, ha ezeket az adatokat ki tudnánk aknázni – részletes betegadatokat hozhatnánk létre, a képalkotási eredményeket genetikai adatokkal integrálhatnánk, és ezáltal átfogó képet nyújthatunk a betegek egészségi állapotáról az orvosoknak. Az MI képes a széttagolt adatokat hasznosítható információvá alakítani, ezzel például javítva a rák kezelésének tervezését vagy a kockázatértékelést.

A generatív MI-t leginkább olyan eszközökkel társítják, mint a ChatGPT. Hogyan működik ez az egészségügyi adatok kontextusában?

A generatív MI az úgynevezett foundation modellek egyik fontos fajtája. Ezek az eszközök több szempontból is forradalmasíthatják az egészségügyet. Például képesek hatalmas mennyiségű klinikai adatot strukturált keretbe foglalni – gondoljunk csak egy rákbetegre, akinek évek alatt több ezer klinikai jegyzete, zárójelentése gyűlt össze. Az orvos vagy a beteg számára a generatív MI segítségével a betegek kórtörténeti események összegzése sokkal egyszerűbbé válik. A képalkotásnál a foundation modellek valós idejű nyomon követést tesznek lehetővé bizonyos eljárások során, például egy daganat mozgásának követését ultrahangvizsgálat közben. Számos korai kutatási projekt kiemelkedő pontosságot ér el például az emlőelváltozások elemzésében, és ezek gyorsan alkalmazkodnak új felhasználási területekhez. Ez az alkalmazkodóképesség alapvető változásokat eredményez az egészségügyi rendszerekben.

...

Az állami kórházak megengedhetik-e maguknak ezeket a fejlett MI-technológiákat?

Teljes mértékben, és pontosan erre szolgál a használatarányos fizetési modellünk. Ahelyett, hogy óriási beruházásra lenne szükség, a kórházak a használat alapján fizetnek. Akár száz, tízezer vagy egymillió vizsgálatot végeznek, ez a modell biztosítja, hogy a költségek igazodjanak az adott intézmény igényeihez. Emellett kutatási együttműködéseink célja, hogy e technológiákat szélesebb körben is elérhetővé tegyük, például Alzheimer-kutatásban és klinikai döntéshozatalban. Ez a megközelítés nemcsak a költségeket csökkenti, hanem demokratizálja is a hozzáférést a legmodernebb egészségügyi technológiákhoz.

A teljes interjú a hvg360.hu-n.