AI w medycynie – czy ułatwia diagnozę? Badanie UX

AI w medycynie rozwija się w błyskawicznym tempie, wkraczając do kolejnych gabinetów lekarskich i obiecując bezbłędne wsparcie, automatyzację żmudnych procesów oraz pomoc w błyskawicznej diagnozie skomplikowanych chorób. W medialnych przekazach i prospektach reklamowych firm technologicznych systemy te jawią się jako ostateczne rozwiązanie problemu przemęczenia personelu. Choć algorytmy te tworzone są z myślą o realnej pomocy, wciąż stosunkowo niewiele wiemy o tym, jak lekarze wchodzą z nimi w interakcję w codziennych, stresujących warunkach klinicznych. Zderzenie laboratoryjnej skuteczności algorytmu z szarą rzeczywistością przychodni bywa bolesne.

Właśnie dlatego międzynarodowy zespół badawczy opublikował wyniki przełomowych badań, rzucając zupełnie nowe światło na ten problem. Wykorzystując zaawansowaną okulografię (technologię śledzenia ruchów gałek ocznych), naukowcy sprawdzili, czy AI w medycynie oferuje ekspertom intuicyjną pomoc, czy raczej stanowi dla nich frustrujące utrudnienie. W efekcie badacze uzyskali fascynujące dane na temat ludzkich zachowań, zaufania do maszyn oraz procesów poznawczych zachodzących w starciu z nową technologią.

Tradycyjna diagnoza jako niezawodne narzędzie pracy

Aby w pełni zrozumieć, przed jakimi wyzwaniami stoi AI w medycynie, należy najpierw przyjrzeć się temu, jak pracuje ludzki ekspert. Doświadczony lekarz, na przykład radiolog czy stomatolog, analizuje obraz diagnostyczny w ułamku sekundy. Lata nauki, tysiące przejrzanych skanów i zdobyte doświadczenie sprawiają, że proces ten opiera się w dużej mierze na nieświadomym, niezwykle szybkim rozpoznawaniu wzorców. Wzrok eksperta niemal automatycznie, niczym wiedzony niewidzialnym magnesem, wędruje tam, gdzie na zdjęciu dzieje się coś niepokojącego.

Jednakże ta naturalna płynność i wypracowana przez lata intuicja mogą zostać nagle zaburzone. Dzieje się tak, gdy na ekranie pojawia się nowy, nieznany wcześniej element – na przykład kolorowe ramki, wyskakujące powiadomienia czy procentowe wskaźniki prawdopodobieństwa generowane przez algorytmy. W związku z tym pojawia się kluczowe pytanie dla badaczy zajmujących się AI w medycynie. Jak lekarze radzą sobie z dwoma potężnymi źródłami informacji naraz podczas tak odpowiedzialnej pracy? Czy systemy cyfrowe potrafią harmonijnie współpracować z człowiekiem?

Ryc. 1. Interfejs przeglądarki medycznej wykorzystanej w badaniu. Widok tradycyjny oraz z aktywnym asystentem AI.

Przebieg badania – okulograficzna analiza pracy lekarza

Naukowcy postanowili drobiazgowo przeanalizować pracę medyków, zaglądając im – w dosłownym i przenośnym sensie – w oczy. Do projektu zaproszono grupę doświadczonych stomatologów. Szukanie mikroskopijnych ognisk próchnicy na zdjęciach rentgenowskich (RTG) to zadanie rutynowe, ale wymagające ogromnego skupienia. To idealny obszar do testowania tego, jak sztuczna inteligencja w medycynie sprawdza się w praktyce.

Aby sprawdzić, co dokładnie dzieje się w umysłach medyków, ruch ich oczu śledził stacjonarny eye tracker połączony z platformą iMotions Lab. Technologia ta pozwala na milisekundową dokładność w rejestracji punktu skupienia wzroku. W eksperymencie dokładnie porównano dwa odmienne scenariusze:

• Etap bez wsparcia: Lekarze przeglądali serie zdjęć zupełnie sami, polegając wyłącznie na własnej bystrości umysłu i tradycyjnym oprogramowaniu.
• Etap z AI: Uczestnicy otrzymali do dyspozycji system wsparcia oparty na sztucznej inteligencji. Mogli oni w dowolnym momencie włączać lub wyłączać asystenta AI, decydując samodzielnie, czy potrzebują jego pomocy.

Czy AI w medycynie to realne wsparcie, czy cyfrowy rozpraszacz?

Wyniki eksperymentu okazały się niemałym zaskoczeniem dla entuzjastów całkowitej automatyzacji. Jak się okazało, stomatolodzy korzystali z podpowiedzi generowanych przez maszynę średnio przez zaledwie 25% całkowitego czasu swojej pracy diagnostycznej. To wyraźnie pokazuje, że specjaliści podchodzą do AI w medycynie z dużą dozą ostrożności, traktując je jako wsparcie zapasowe, a nie jako fundament diagnozy. Uczestnicy badania decydowali się na aktywację systemu zazwyczaj dopiero w połowie procesu analizy lub tuż przed podjęciem ostatecznej decyzji.

Ryc. 2. Wykres pokazujący, że większość ekspertów używała algorytmu AI przez zaledwie ok. 25% czasu pracy.

Najbardziej znaczące wnioski płyną jednak z czysto wizualnej interakcji. Niestety, obecność sztucznej inteligencji i jej rozbudowanego graficznego interfejsu wyraźnie psuła wypracowaną płynność pracy lekarzy. Dane z eye trackera bezlitośnie obnażyły problematyczną ergonomię (UX) testowanego rozwiązania. Zauważono, że wzrok lekarzy nieustannie i dość nerwowo przenosił się ze zdjęcia rentgenowskiego na liczne przyciski sterujące, paski boczne i menu programu.

Ryc. 3. Macierz przejść wzroku badanych lekarzy. Lewa strona wyraźnie pokazuje „skakanie” uwagi między zdjęciem a interfejsem AI. 

Zamiast naturalnego skanowania anatomii pacjenta, oko specjalisty wykonywało chaotyczne skoki między klinicznym obszarem zainteresowania a interfejsem. Te ciągłe wizualne wędrówki mocno rozpraszały ekspertów. W konsekwencji prowadziło to do drastycznego wydłużenia czasu potrzebnego na wystawienie finalnej diagnozy. Zamiast pomagać w szybszym i płynniejszym działaniu, asystent generował u lekarzy tak zwany stres poznawczy. Mózg stomatologa musiał nagle przetwarzać nie tylko zawiłości medyczne, ale także logikę działania nowego oprogramowania. Zjawisko to stanowi ogromne, niepotrzebne obciążenie dla pamięci roboczej medyka.

Kluczowa rola User Experience (UX) w medycznym oprogramowaniu

Badanie opisane przez zespół Castner et al. stanowi ważną lekcję. Przyszłość AI w medycynie nie zależy wyłącznie od technologii. Nie wystarczy trenować coraz dokładniejszych sieci neuronowych. Ogromne znaczenie ma też zrozumienie ergonomii (UX) pracy lekarza. Twórcy muszą poznać nawyki poznawcze i ograniczenia biologiczne człowieka.

Nawet najlepszy algorytm zawiedzie w klinicznej rutynie. Stanie się tak, gdy jego obsługa nie będzie współgrać z nawykami lekarza. Wprowadzana sztuczna inteligencja w medycynie nie może wymagać zbędnych kliknięć. Nie może też zmuszać do szukania ukrytego menu ani zasłaniać zdjęcia ramkami. W przeciwnym razie szybko staje się technologicznym balastem. W systemie ochrony zdrowia presja czasu jest ogromna. Źle zaprojektowane oprogramowanie może tam łatwo przyczynić się do błędów.

Przyszłość AI w medycynie – wnioski końcowe

Nowoczesne narzędzia cyfrowe projektowane dla sektora medycznego muszą ewoluować. Powinny działać maksymalnie płynnie, intuicyjnie i niezwykle dyskretnie (w nurcie tzw. technologii spokojnej – calm technology). Ich nadrzędnym zadaniem jest pomaganie w podejmowaniu trudnych, często ratujących zdrowie decyzji, a nie rywalizowanie o skąpą uwagę użytkownika. Z pewnością nie mogą one wymuszać na diagnoście ciągłego odrywania wzroku od medycznego obrazu po to, by obsłużyć aplikację.

Przyszłością inteligentnych systemów wsparcia decyzji jest pełna integracja, w której algorytm działa w tle, a jego sugestie nakładają się na widok kliniczny w sposób całkowicie nieinwazyjny. Prawdziwy sukces AI w medycynie nadejdzie dopiero wtedy, gdy doskonałe algorytmy połączą się z doskonałym projektowaniem użyteczności (UX). Do tego czasu najcenniejszym narzędziem diagnostycznym pozostanie bystre spojrzenie doświadczonego specjalisty.