AI i świat medycyny? Bardzo proszę. Dzisiaj mam przyjemność przedstawić Wam Karola Traczykowskiego z DocPlannera.
Karol łączy światy biznesu, programowania i produktu, odpowiadając zarówno za długoterminowy rozwój nowych liniii biznesowych w Docplannerze, jak i za dotarcie z obecną ofertą produktową do nowych segmentów. Uruchamiał nowe produkty B2B i B2C w Polsce, Niemczech, Włoszech, Brazylii, Meksyku. Obecnie odpowiada za inicjatywy Docplannera w zakresie Generative AI/LLM, dużo pracując z dokumentacją medyczną, sumaryzacją czy rozpoznawaniem mowy.
Wcześniej przeszedł drogę od programisty przez CTO i szefa produktu do CEO GoldenLine.pl.
O czym rozmawiamy dzisiaj?
Karol podkreśla rolę AI w optymalizacji pracy lekarzy, zarówno poprzez automatyzację zadań administracyjnych, jak i wsparcie podczas wizyt lekarskich. Mówi o wyzwaniach i możliwościach związanych z wykorzystaniem AI w diagnostyce, podkreślając znaczenie ludzkiej kontroli i odpowiedzialnego wdrażania technologii.
Na koniec Karol dzieli się swoją wizją przyszłości medycyny, gdzie AI będzie odgrywać kluczową rolę w zapewnieniu lepszego dostępu do usług medycznych i efektywniejszego leczenia.
Dobrego dnia! Posłuchaj podcastu i podziel się nim z innymi!
Tradycyjnie wielka prośba – jeżeli jeszcze nie wystawiłaś lub nie wystawiłeś oceny 99 Twarzom AI na Spotify lub Apple podcast – pomóż mi proszę z dotarciem do nowych słuchaczy. To zabierze Ci tylko 2 minuty. Z góry serdeczne dzięki!
Dobrego dnia i niech #AI będzie z Wami wszystkimi!







Transkrypcja rozmowy
Disclaimer. Droga Czytelniczko, Drogi Czytelniku – mała uwaga dotycząca transkrypcji rozmowy. Jak się pewnie domyślasz – transkrypcja została przygotowana z wykorzystaniem magii LLM. Proszę o wyrozumiałość, gdyby pojawiły się w niej niewielkie błędy, literówki, etc. Żeby mieć pewność co do wszystkich wypowiedzi – polecam posłuchać, zamiast czytać. Ukłony.
Karol Stryja: Karolu, witam Cię serdecznie. 99 twarzy AI, kolejna twarz, kolejna historia, kolejny człowiek, bez którego AI w Polsce by się tak kapitalnie nie rozwijał.
Karol Traczykowski: To zbyt miłe słowa, ale dziękuję. Witam również. Fajnie, że w końcu możemy porozmawiać, bo rozmawialiśmy o tym od dawna, więc cieszę się, że się udało spotkać.
Karol: I ukłony, i serdeczne podcastowe pozdrowienia dla Michała Prządki, który też był pewnym łącznikiem tutaj przy organizacji tej rozmowy.
Karol Traczykowski: Zgadza się. Stary znajomy po mojej stronie, z którym współpracujemy na co dzień, więc był też takim łącznikiem właśnie między nami i pomógł temu, żebyśmy się spotkali.
Karol: Kim jesteś, co robisz i skąd w ogóle twoja obecność w branży danych, sztucznej inteligencji i rozwiązań, które mają zmieniać rynki i to nie tylko medialne.
Karol Traczykowski: Zaczęło się od tego, że ja zaczynałem swoją karierę jako programista, czyli gość, który po prostu pisze kod i sprawia, żeby rzeczy działały. Zawsze interesowało mnie to, żeby właśnie zastanowić się, jak coś ma działać, w sensie, żeby faktycznie działało. Na początku po to, żeby działało. Później okazało się, że poszedłem w stronę taką, pojawił się zwinne podejście do rozwoju oprogramowania, pojawił się Agile, w którym bardzo głośno się mówi o tym, jak to robić, żeby dostarczyć wartość do klienta czy użytkownika, jak robić to iteracyjnie, jak zrozumieć jego wymagania i potrzeby. Więc pojawił się ten nacisk, co ten użytkownik tak naprawdę potrzebuje, co my chcemy dla niego zrobić. Ja byłem wtedy w GoldenLinie, w którym programiści bardzo blisko współpracowali z zespołem produktowym, więc tak naprawdę cały czas rozmawialiśmy o tym, co tam dla tego użytkownika stworzyć, jak to powinno działać, dlaczego tak, a nie dlaczego, a dlaczego inaczej. My też byliśmy osobami, które po tym, jak stworzyliśmy jakąś funkcjonalność, to o niej opowiadaliśmy, czy tworzyliśmy wiadomość, która komunikowała tę funkcjonalność do użytkowników. Co oznaczało, że już wtedy miałem styczność z tym, że z jednej strony tworzymy to rozwiązanie, je programujemy, a z drugiej strony musimy się zastanowić, jak je zakomunikować, jaką wartość dostarczać. i jaka jest w ogóle story behind. Więc jakby… Golden Line, stare, zamierzchłe czasy. To prawda, to prawda. Myślę, że jakby bardzo fajna historia dla wielu osób. Bardzo dużo nauki, doświadczenia, bardzo dużo wspomnień na pewno. Czyli który to był rok 2010.?
Karol Traczykowski: Ja zacząłem pracować w Golden Line w 2007 roku, nie w 2017. Ja byłem wtedy na drugim roku studiów, więc ja de facto dołączyłem na pół etatu i łączyłem pracę na studiach z pracą.
Bardzo fajny czas. Znowu budowanie startupu, oglądanie tego, jak ta firma rosła od początku. Może nie byłem od samego początku, ale to nadal było biuro, które było w mieszkaniu na Powiślu i tam się wszyscy mieściliśmy. Później się przenosiliśmy w kolejne miejsca. Więc jakby to, co chciałem powiedzieć, to jest to, że tam jakby mimo tego, że zaczynałem jako programista, natomiast to był zespół, który zawsze był blisko produktu. No i później miałem też okazję przejść przez ścieżkę bycia CEO całej firmy i jakby więcej pracy jakby z biznesem, znowu z wynikami, dostarczaniem wartości i tak dalej.
Karol: Karolu, powiedz mi, GoldenLine, programowanie, inżyniera danych, jaka była dalej twoja droga, która poprowadziła cię do znanego lekarza i do tego, czym zajmujesz się teraz?
Karol Traczykowski: Tak, to de facto było tak, że faktycznie po wyjściu z GoldenLine Mariusz w pewnym momencie zaprosił mnie do DocPlanera. Pierwotnie w celu poszukiwania nowych linii biznesowych, nowych źródeł wzrostu dla firmy. No i wtedy patrzyliśmy, to wymagało tego, żeby zobaczyć z czym mierzą się, z jakimi problemami mierzą się placówki, lekarze i tak dalej. To już wtedy patrzyliśmy na rzeczy, które są bardzo mocno wychodzące do przodu.
Karol: Wtedy, czyli w którym roku?
Karol Traczykowski: Jak dołączałem do Planera, to było w 2018 roku, więc wtedy już zaczynaliśmy patrzeć na różne rzeczy, które mogą iść do przodu.
Ostatecznie skupiliśmy się na pracy z Marketplace’em diagnostyki obrazowej, czyli trochę jak znany lekarz, ale żeby się umówić na tomografię, rezonans i tak dalej. Wtedy też pracowaliśmy z tym, co się dzieje z tymi wynikami, czyli w jakim tempie one są przekazywane do radiologa, w jakim tempie wracają do do pacjenta. Rozmawialiśmy też właśnie z placówkami o tym, że tamten wątek opisywania tych wyników jest trudnością i już wtedy było słychać o tym, że te rozwiązania AI dla medycyny tam mogą bardzo mocno pomóc. Diagnostykę w pewnym momencie zatrzymaliśmy, natomiast kolejną rzeczą, na którą patrzyliśmy, by to było znany lekarz bardziej w części podstawowej opieki zdrowotnej.
To było trochę przed pandemią, w pandemii ten temat bardzo mocno wzrósł. I mieliśmy funkcjonalność, która pozwalała pacjentowi rozmawiać z lekarzem w aplikacji mobilnej, w której on odpowiadał bardzo szybko. I też zobaczyliśmy, z jakimi rzeczami lekarze się mierzą, jak wygląda ta rozmowa, na ile jest powtarzalna i co tam można dla nich usprawnić. I testowaliśmy już wtedy rozwiązania, które dzięki AI trochę inaczej prowadzą ten wywiad. Wtedy one jeszcze nie były gotowe dla lekarzy, ale też wiedzieliśmy, co tam jeszcze może nie działać. W pewnym momencie przyspieszając wybuch GPT i tak naprawdę wtedy zobaczyliśmy, że jest dużo rzeczy, których do tej pory nie było, a mogą nam pozwolić dostarczyć lepszą wartość dla lekarzy. To, co jest ważne, to nie jest też tak, że jako dogplaner Po prostu się nie znaliśmy i nie patrzyliśmy. Nasz szef produktu ma doktorat w machine learningu, więc mamy głowy, które rozumiały, co można, a czego nie można.
Karol: Tylko wszystko okazało się, że jest dostępne na dobrą sprawę, na wyciągnięcie ręki.
Karol Traczykowski: Tak, dopiero w pewnym momencie, kiedy pojawiło się dobre rozwiązanie, które w tych rozwiązaniach healthcare’owych pomaga, więc cieszę się, że w pewnym momencie połączyło się dużo takich kropek u mnie i chyba znajduję swoje ikigai, w którym łączy się z tym, co ja bardzo lubię robić, co może dostarczyć wartość innym i co też przekłada się na jakąś taką wartość biznesową dla mnie, dla firmy itd. Więc jakby stąd taka moja podróż w stronę AI.
Karol: Wracamy do Twojego data story.
Karol Traczykowski: To, co jest pewnie istotne, to jest tak, że z jednej strony ja cały czas miałem w sobie tą część inżynierską, czyli rozwiązywania, dostarczania wartości, rozwiązywania problemów przez jakieś automatyzacje, przez programowanie itd., Z drugiej strony byłem jakby blisko klientów i produkowania dla nich nowej wartości. Przechodziliśmy przez jakby nowe linie biznesowe dla znanego lekarza i docplanera. No i w pewnym momencie nastąpiła taka konstelacja gwiazd. Ja już byłem zainteresowany, czy jakby byłem blisko jakiegoś machine learningu wcześniej, w poprzednich latach. Natomiast nie ma co ukrywać, że w momencie, kiedy wybuchł GPT, nazwijmy to, to nagle się okazało, że rzeczy, które kiedyś były bardzo trudne, nagle stały się możliwe i dostępne. No to może nie są trywialne, ale są łatwe.
I wtedy jako DocPlanner postanowiliśmy w tą stronę wejść. Możesz nazwać te rzeczy. Przede wszystkim to, co dobrze robią tak zwane duże modele językowe, LLM-y, którego przykładem jest GPT od OpenAI czy CLOT od Anthropica. Dobrze zajmują się, i tu już wchodzimy w to, co robią dobrze, czego nie robią, czy myślą, czy nie myślą itd., bardzo pomagają w pracy z językiem mówionym, z językiem naturalnym i z tym, żeby z tego języka mówionego wyekstrahować informacje albo z ustrukturyzowanych informacji przekazać je w sposób naturalnego języka. Więc nagle okazuje się, że te rzeczy, które kiedyś, wcześniej bardzo dużo rzeczy związanych z machine learningem, data science było z danymi numerycznymi. W sensie to było churn prediction, computer vision oczywiście, więc jakby też inna forma niż same liczby. Natomiast ten język był taką strefą, która pewnie nie była tak dobrze, czy tak łatwo adresowalna. Ona była adresowalna, ale wymagała bardzo dużo czasu, bardzo dużo pieniędzy i bardzo dużej ilości danych. co tak naprawdę w pewnym momencie zostało połączone przez graczy typu OpenAI, żeby dostarczyć model, który został tam w pewnym momencie otworzony. Więc jakby te rzeczy były możliwe, ale były bardzo trudne i czasochłonne, stąd wiele firm w to nie wchodziło.
Karol: A przechodząc od ogółu do szczegółu, jakbyś mógł nazwać te rozwiązania, które stały się właśnie możliwe i dostępne.
Karol Traczykowski: Tak, nagle okazuje się, że z tekstu możemy np. wybrać fragmenty informacji, danych. W naszym przypadku możemy sobie wyobrazić, że mając możliwość, dostęp itd. do analizowania treści np. rozmowy czy dokumentacji medycznej, możemy wyłapać informacje np. o lekach, które były zalecone, czy o jednostkach chorobowych, które ma pacjent, albo objawach i tak dalej. No i można sobie wyobrazić, że to nagle jest coś, co można już prezentować w inny sposób. A żeby to zwizualizować, my tego nie robimy, ale na przykład można by zacząć mówić o tym, jakie jednostki chorobowe są najczęściej omawiane, albo jakie leki są przypisywane, albo jakie pacjenci zgłaszają objawy związane z lekami, które przyjmowali wcześniej, gdzie analiza tego wcześniej na bardzo dużą skalę była bardzo, bardzo trudna. więc nagle okazuje się, że da się to zrobić. No i można też zrobić w drugą stronę, czyli jeśli mamy jakieś dane, to można o nich łatwo opowiedzieć językiem mówionym.
Karol: Sam DocPlanner zaczynał od tego, że był systemem rezerwacyjnym, prawda.
Karol Traczykowski: Zaczynaliśmy jako miejsce, w którym pacjent może znaleźć najlepszego lekarza w okolicy, przeczytać o nim opinię. Bardzo szybko okazało się, że pacjenci mają też potrzebę sprawnego umówienia się do lekarza, a z drugiej strony lekarze mają trudność, jest to dla nich czasochłonne, żeby obsłużyć te przychodzące telefony, żeby zająć się obsługą SMS-ów, potwierdzaniem itd. I to jest etap, który nastąpił bardzo szybko.
Czyli faktycznie powstaliśmy jako tzw. marketplace, miejsce, w którym można znaleźć najlepszych lekarzy, sprawdzić o nich opinię, do nich się umówić. Kolejnym krokiem było dorzucenie tej części dla lekarzy, czyli software’u dla lekarzy, który pozwala im zarządzać kalendarzem, pacjentami, którzy się zgłaszają przez nasz serwis, nasz marketplace, ale też takich, których umówią przez telefon. I dzięki temu pozwalają im zaoszczędzić czas. Czyli już wtedy do lekarzy indywidualnych, placówek, czyli już teraz, jeszcze przed erą AI, dostarczyliśmy rozwiązanie, które pozwala im oszczędzić czas na tej administracji takiej wokół umawiania wizyt. I tutaj już wiemy z takich nawet niezależnych badań, które robiliśmy ostatnio, to też nam się potwierdziło.
Pytani byli zarówno nasi klienci, jak i nie klienci, jak dużo czasu spędzają na administracyjnych zadaniach. No i nasi klienci podawali te przedziały czasowe 30% mniejsze niż nasi nie klienci. Więc jakby z tego wiemy, że już teraz, jeszcze bez wyskalowanych tych działań AI, jakby wdrożenie z rozwiązań danego lekarza pozwala oszczędzić czas lekarzom i placówkom medycznym. To jest to, co zbudowaliśmy do tej pory. Na całym świecie korzysta z naszych usług 250 tysięcy lekarzy we wszystkich krajach, w których jesteśmy, a nasze serwisy odwiedza miesięcznie. Mamy 100 milionów sesji na naszych serwisach, wszystkie globalnie, jakie dodamy. Dużo liczby i dużo danych. To prawda, mamy dostęp do dużej ilości informacji, natomiast też musimy pamiętać, że bardzo szanujemy to, kto jest właścicielem tych informacji, bo w wielu przypadkach jest tak, szczególnie jeśli my dostarczamy software dla lekarza, to jeśli lekarz tworzy dokumentację medyczną albo on dodaje pacjenta do bazy, to są to dane lekarza, więc nie możemy sobie po prostu zacząć komunikować się z pacjentami, do których Do bazy dodał lekarz.
Karol: To w jaki sposób możecie wykorzystać AI teraz, rozwijając Wasze produkty, rozwiązania, jeżeli chodzi o obsługę gabinetów, rozwój tego, w jaki sposób może być realizowana wizyta, jakie są te obszary.
Karol Traczykowski: Tak, to my mamy takie dwa obszary, w których jako znany lekarz staramy się dostarczać wartość lekarzom. Pierwszy to jest efektywność, oszczędzanie czasu i tak, żeby niektórych rzeczy po prostu nie trzeba było realizować. Drugi to jest coś, co my nazywamy widocznością, to żeby z jednej strony lekarze mieli więcej pacjentów, które do nich przychodzą, ale też łatwiej było im obsłużyć, czyli żeby właśnie nie musieli odbierać telefonów, odpowiadać na wiadomości i tak dalej.
I to w tych obszarach w takich streamach wartości działamy. No i teraz można sobie wyobrazić, co się dzieje, możemy przejść przez taką ścieżkę pacjenta, czy ścieżkę lekarza i gdzie my możemy pomagać. Więc pierwsza rzecz jest taka, w jaki sposób się kontaktujemy z lekarzem i próbujemy się dowiedzieć, czy ten termin jest dostępny, czy lekarz dostarcza, w sensie oferuje jakąś usługę, czy oferuje jakieś ubezpieczenie. Więc jakby tu już jest tak, że te Połączenia wiadomości tak naprawdę nie muszą docierać do lekarza ani do placówki medycznej, bo większość tych informacji, większość tych rzeczy da się obsłużyć wcześniej w sposób zautomatyzowany, czyli na przykład… Poprzez czata. możemy sobie wyobrazić, to już realizujemy, że pacjent dzwoni do lekarza, no i telefonu nie musi odbierać recepcja czy lekarz, a można się bez problemu na taką wizytę umówić. I to znowu, jak mówiliśmy o tym, w czym pomogły LLM-y, bo takie rozwiązania już istniały, takie tzw. voice-boty do omawiania jakichś rzeczy. Natomiast LLM-y pozwalają sprawić, żeby ta rozmowa była bardziej naturalna, żeby ona nie była taka robotyczna, gdzie poruszamy się w jakiejś drzewku.
Karol: Żeby nawet w tej rozmowie flow odpowiedni był.
Karol Traczykowski: I taki ludzki wymiar, który też w tej części takiej healthcare’owej, medycznej jest bardzo istotny. Więc to jest pierwsza rzecz. Czyli z jednej strony możemy sprawić, żeby pacjent też może dzwonić z jakimiś informacjami, pytaniami typu właśnie, czy obsługujecie jakieś ubezpieczenie, jakie są godziny otwarcia i tak dalej. To są rzeczy, które można załatwić bez udziału tak naprawdę recepcji. To już teraz wszystko się może wydarzyć online, jak ktoś wejdzie na profil lekarza, na znanym lekarzu czy placówki. Natomiast jakby nadal wiemy, że pacjenci korzystają z innych kanałów i chcemy je obsłużyć. Pierwsza sprawa to jest powiedzmy uzyskanie informacji, umówienie się. Może się w zasadzie całościowo odbyć bez obsługi recepcji czy lekarza. Kolejna rzecz, bardzo ważna dla lekarzy i placówek. Chcą się upewnić, że pacjent przyjdzie na wizytę, czyli nie jest tak, że niestety umówił się, a później zapomniał, nie odwołał i tak dalej. To jest bardzo duży ból dla wszystkich lekarzy i placówek.
Karol: Drobiazg, który zabiera sporo czasu w pracowniku administracyjnym, placówek medycznych, a z drugiej strony jest niezwykle ważny.
Karol Traczykowski: Tak, bo wyobrażamy sobie, że z jednej strony to jest zmarnowany czas lekarza, jeśli miał używać jakiegoś sprzętu, to jest też zablokowany ten sprzęt i mówimy sobie o tym często, że jest problem z dostępnością do lekarzy, więc zablokowaliśmy komuś slot, na który mógł przyjść inny pacjent. Więc tu znowu, można tę wizytę potwierdzać na kilka sposobów. Duża część z nich w zautomatyzowany sposób, czy to wiadomością smsową, to już robimy do tej pory, ale też znowu połączeniem telefonicznym, w którym pytamy, czy pacjent przyjdzie, czy nie przyjdzie. I oczywiście wtedy placówka, czy lekarz dostaje informację, że np. pacjent chce odwołać albo przełożyć termin i wtedy ten termin może nim zarządzić i go zauferować innemu pacjentowi, co zresztą też się może dziać automatycznie. To jest wszystko taka część administracyjna, umawianie wizyty. Kolejny krok to jest taka część, w której możemy zebrać wstępny wywiad dla lekarza, no bo wydaje nam się na przykład, że jak my przychodzimy do lekarza, to lekarz pyta i my tak od razu na wszystko odpowiadamy.
Karol: A tak naprawdę lekarz zadaje pytania o leki, o historię chorób i tak dalej i warto byłoby czasami być do tego przygotowanym.
Karol Traczykowski: Dokładnie, być przygotowanym i wydaje się to są rzeczy, w których powinniśmy być przygotowani. Natomiast rozmawiamy z lekarzami i słyszymy bardzo dużo historii, w których… Lekarz pyta, czy pan coś bierze na to. No tak, coś mi pani magister w aptece poleciła.
A co to jest. Tak jak w niebieskim pudełku. W pewnym momencie pewnie lekarz ze swoim doświadczeniem dojdzie do tego, co jest, ale to zajęło mu dwie minuty, a nie 30 sekund. Kolejne historie, które znamy, a kiedy zaczęły się pana objawy.
No jak córka ślub brała. Okej, a kiedy to było. No na wiosnę.
A na którą wiosnę. A to ja nie pamiętam, muszę zadzwonić do żony. No i znowu lecą minuty, więc takie podstawowe informacje, bardzo powtarzalne, które lekarz nawet jeszcze nie doszedł do meritum swojej rozmowy, w którym on może zacząć prowadzić pełny wywiad, głębszy wywiad i zacząć diagnozować pacjenta. Więc to jest taka rzecz, którą z takimi podstawowymi informacjami, które już teraz możemy robić. Rozwiązanie, które jest już wdrożone i część lekarzy z tego korzysta, to jest rozwiązanie, w którym pacjent dostaje smsa czy wiadomość na Whatsappie z linkiem do rozmowy.
To jest rozmowa na czacie. z asystentem i dostaje te właśnie podstawowe pytania, czyli jakie są objawy, kiedy się zaczęły, czy ma Pan, Pani jakieś choroby chroniczne, leki na stałe, alergie i tak dalej. Ten wywiad jest trochę dostosowany do specjalizacji lekarza, którego chcemy odwiedzić, może być też troszeczkę pogłębiany. I to jest później zbierane i wkładane lekarzowi do dokumentacji medycznej, czyli do notatki, którą ma o pacjencie. I dzięki temu lekarz, jak już przychodzimy do niego, może powiedzieć, dzień dobry panie Karolu, więc przychodzi pan z tym i z tym, to trwa od wtedy i wtedy, bierze pan telek i zgadza się, zgadza się, to wtedy możemy iść dalej. Bo oczywiście to też nie jest tak, jak lekarze o to też pytają. Ja nie mogę o tym, może ktoś czegoś nie napisze albo nie. No to tak, jest to informacja, którą lekarz dostaje i może wtedy z pacjentem.
Karol: Omówić. Ale musimy tylko potwierdzić informację, a nie zbierać cały wywiad.
Karol Traczykowski: Dokładnie. I to trwa 30 sekund, a nie 3 minuty, 5 minut. I wtedy lekarz tak naprawdę może zacząć swoją rozmowę o diagnozowaniu problemu, zrozumieniu, co się dzieje dokładnie, różnicowaniu tego, jakie są objawy itd.
Karol: A czy robiliście też eksperymenty z wywiadem prowadzonym przez voicebota, nie poprzez czat.
Karol Traczykowski: Mieliśmy taki pomysł, zostawiamy to na później, bo też jest tak, że część osób może powiedzieć, właśnie chce porozmawiać, więc wyobrażam sobie, że w tym pierwszym SMS-ie może być wiadomość, kliknij tutaj, żeby zacząć rozmowę na czacie, albo kliknij tutaj, zadzwonimy do ciebie, więc to też zależy trochę w jakich jesteśmy warunkach itd., Jak najbardziej możliwe.
Karol: Czy mógłbyś podać rząd wielkości ilości takich rozmów, które przeprowadzacie z pacjentami miesięcznie.
Karol Traczykowski: To rozwiązanie akurat jest na małej skali, które robimy. Mogę powiedzieć o kolejnym rozwiązaniu, które już ma troszeczkę większą skalę. Idąc znowu w tę wizytę, to było przed wizytą, natomiast później odbywa się wizyta, w której lekarz musi stworzyć dokumentację medyczną. Zarówno ze strony pacjenta, jak i lekarza widzimy ten problem, w którym… Lekarz zapyta, od kiedy trwają te objawy.
My odpowiadamy, że od trzech dni albo od tygodnia. Lekarz musi odwrócić swoją uwagę, wzrok itd., monitor, klawiatura i musi to zapisać. Widzimy to zarówno ze strony pacjentów, że ta rozmowa jest taka przerywana, a ze strony lekarzy też często się spotykamy z tym, że jednak mówią przepraszam i muszę zapisać. Widzimy też, że nie zawsze piszą dobrze. Albo nawet wprost mówią, no to ja teraz tutaj mam pana wyniki, to teraz będzie ten nudny moment, w którym ja muszę to przepisać.
Więc jakby po prostu minuty lecą. Więc rozwiązanie, które stworzyliśmy, automatyzuje ten proces dla lekarza w taki sposób, że przysłuchujemy się tej rozmowy, konsultacji, która jest między lekarzem a pacjentem w gabinecie. Robimy z tego transkrypcję, ale co ważniejsze, tworzymy z tego draft dokumentacji medycznej, notatkę, którą lekarz może przejrzeć, potwierdzić i zapisać do dokumentacji medycznej. Oczywiście dopisać, jeśli coś potrzebuje do niej dopisać, albo coś zedytować, jeśli coś zauważył itd. I tutaj słyszymy, że lekarze zarówno oszczędzają 20-30% czasu wizyty, bo nie muszą tego wszystkiego spisywać, Co też jest ważne, mówią nam o tym, że nagle mogą skupić się na pacjencie, bo to jest rozmowa w cztery oczy, w sensie skupiona można patrzeć pacjentowi w oczy i z nim rozmawiać, a nie pytać i notować. I tutaj są też znowu dwa efekty. Lekarze nam mówią, że znowu odzyskują radość ze sztuki medycznej, w sensie nagle mogą znowu skupić się na pacjencie, na człowieku i go leczyć, a nie na tworzeniu dokumentacji medycznej na tym samym fakcie tworzenia tego i drugi wymiar jest jeszcze taki, że mimo wszystko to jest dla nich męczące, więc też mamy lekarzy, którzy nam mówią, mogę przyjąć 50% więcej pacjentów, a do tego jestem mniej zmęczony.
Karol: Zobacz Karolu, to prawda jest taka, że lekarz zyskuje tak naprawdę asystenta, który pełni rolę administratora tej wizyty, który ją w pewien sposób zarządza, porządkuje, zbiera informacje, a lekarz potwierdza fakty zgodnie z wywiadem.
Karol Traczykowski: Tak, zwróciłbym tylko uwagę na niektóre słowa, których użyłeś, bo powiedziałeś np. zarządza itd.
I to jest np. też bardzo ważne, może jeszcze kończąc poprzednią historię, jeśli mogę. Jest tak, że my w ogóle sobie wyobrażamy, że chcielibyśmy wyciągnąć lekarzy z biurka i że chcielibyśmy ich uwolnić od klawiatury, w sensie takim, żeby ten lekarz nie musiał siedzieć za biurkiem, za komputerem, tylko mógł siedzieć z pacjentem, mieć nawet telefon, który służy za mikrofon, w którym to wszystko robi, w sensie który nasłuchuje tej rozmowy, na telefonie dostaje tylko informację, to zostało przygotowane, Takie rzeczy dla ciebie zaczęliśmy wypełniać. Czy potwierdzasz, czy wszystko się zgadza. Tak, potwierdzam.
I już. Więc jakby nagle to jest jakby takie właśnie uwolnienie od klawiatury. Ten jakby ludzki aspekt wizyty. Więc w to wierzymy, że to się może dziać i faktycznie i pacjenci, i lekarze będą zadowoleni, bo ta wizyta będzie bardziej ludzka i bardziej efektywna czasowo. Natomiast wracając do tego, o co pytałeś, o to, że lekarz zyskuje asystenta, który zarządza i tak dalej, to też jest w ogóle ważny aspekt wdrażania rozwiązań opartych o sztuczną inteligencję. żeby wdrażać się w taki sposób, w którym lekarze chcą z tego korzystać, nie mają obaw albo starają się minimalizować te obawy związane np. z tym, że AI zabierze im pracę albo że AI przejmie kontrolę. To było moje następne pytanie.
Karol: Czy lekarze są romantyczni wobec tego, jak było i czy wiesz, czy oni w pewien sposób nie są przywiązani właśnie do sposobu, w jaki pracowali przez ostatnie dziesięciolecia. Czy adoptują te zmiany z otwartością.
Karol Traczykowski: Tak, i tu bym powiedział, przede wszystkim jest jakby, jak komunikujemy narzędzia AI do lekarzy, spotykamy się z bardzo pozytywnym odzewem i z dużo większym zainteresowaniem niż jakąkolwiek komunikacją, którą wysyłamy do lekarzy. Więc jakby jest ten pozytywny odbiór i też nasze badania, które robiliśmy wskazują, że 50% lekarzy jest bardziej podekscytowana niż zaniepokojona, chyba tylko 14% jest faktycznie bardziej zaniepokojone niż podekscytowane. Więc to też widać w naszych działaniach. No i to, co jest istotne, to jest to, żeby w odpowiedni sposób komunikować to lekarzowi, bo jeśli przyjdziemy i powiemy dla niego, zrobimy za ciebie wywiad lekarski, to on powie, że przecież nie, to jest część mojej pracy, to jest niesamowicie istotne, żeby zdiagnozować pacjenta, więc nie możecie za mnie zrobić wywiadu, ja muszę przy tym być. Ale jeśli już na przykład zapytamy lekarza, a jak często się zdarza, że pacjent nie pamięta, kiedy zaczęły objawy i mówi o ślubie córki, o wiośnie i tak dalej, to trwają minuty, albo że nie pamięta, jakie wziął leki, a no to bardzo często. No to czy dla Pana, Pani byłoby dobre, żeby ktoś zapytał te rzeczy wcześniej i pacjent albo je przygotował wcześniej, albo żebyśmy go poinformowali, że to jest ważne, żeby te informacje przygotował, a to tak, to ja chcę. Więc bardzo ważne jest to, jak komunikujemy lekarzowi te rzeczy. To działa wszędzie, ale myślę, że w przypadku AI jest super istotne. Nie komunikujemy tego przez AI, przez technologię, przez nowe zabawki techniczne, tylko przez problem, który staramy się rozwiązać albo korzyść, którą dajemy.
Karol: No właśnie, tutaj moje pytanie. W jaki sposób ewangelizujecie, w jaki sposób edukujecie rynek. Bo domyślam się, że przy takiej skali ilości lekarzy, z którymi pracujecie, trzeba to też w jakiś sposób automatyzować. To nie jest kwestia jednego, dwóch, trzech ewangelizatorów i osób, które będą jeździły po lekarzach i opowiadały tę historię. Jak to komunikujecie.
Karol Traczykowski: Powiedziałbym, że tutaj są dwie części tej historii. Pierwsza jest taka, że jak z każdym wczesnym przedsięwzięciem, to nie dzieje się wszystko od razu na skali. Oczywiście, jak rozmawialiśmy o tym, że trzeba to właściwie komunikować, to nie wiemy od początku, nie mamy tego idealnego komunikatu, więc musimy w jakiś sposób go wypracować. Więc to na początku dzieje się małymi paczkami, czyli małymi, pojedynczymi rozmowami, gdzie rozmawiamy z lekarzami, patrzymy, jak reagują na niektóre rzeczy, które dla nich działają, a które nie. Jak wiemy to już na kilku rozmowach, zrobimy tego więcej. Jak zrobimy więcej tych rozmów, to możemy przejść na jakąś komunikację, na przykład mailową, do lekarzy, którzy są naszymi klientami, z którymi możemy się komunikować, w której już wiemy, jakich słów używać na większą skalę. Natomiast znowu też liczymy się z tym, że wchodzimy w tą sferę, w jaki sposób lekarz pracuje z pacjentem w trakcie konsultacji medycznej. I to lekarze są ekspertami w tym, a nie my.
Karol: I tutaj moje pytanie, czy jak pracujecie nad takimi rozwiązaniami, jak macie grupy robocze, to czy te grupy robocze składają się również z lekarzy.
Karol Traczykowski: Tak, to jakby bardzo wcześnie, oczywiście możemy mieć jakiś pomysł, ale bardzo wcześnie ten pomysł jest pokazywany lekarzom, takim, którzy po pierwsze dzielą się z nami swoją opinią, podzielą się takimi historiami właśnie znowu o tym wspominaniu objawów od ślubu córki i tak dalej, o których moglibyśmy w ogóle nie pomyśleć. Podzielą się też na przykład z tym, że pacjenci zmieniają zdanie w trakcie wizyty, więc to też nie jest tak, że za każdym razem możemy coś zapisać w trakcie wizyty, jak się pojawiło i już. Na przykład, czy ma Pan alergię jakiejś.
Nie, nie mam. To przypisze Panu ten antybiotyk. A, to na ten jednak mam. No więc nie mogliśmy zapisać w dokumentacji medycznej, że pacjent powiedział, że nie ma alergii, więc musimy wiedzieć, że to może być później zmienione. Więc to są rzeczy, o których nam mówią lekarze, jak rozmawiamy z nimi o tym na samym początku, z czym mają problemy, co możemy adresować, później jak im pokazujemy narzędzie, które zbudowaliśmy i później zaczynają go używać. To jest absolutnie istotne, bo my możemy sobie tylko wyobrażać, co się dzieje w gabinecie lekarzy, a to lekarze są tymi, którzy faktycznie to testują i nam mówią, co działa, co nie działa. I później też łącząc to z tym, o co pytałeś wcześniej, staramy się, żeby to komunikat od jednego lekarza dotarł do drugiego lekarza. Zarówno w komunikacji, którą my wysyłamy, pracujemy z lekarzami, którzy byli pierwszymi użytkownikami tych narzędzi, czy chcą się podzielić z tym, jak używają, z czym mieli trudności na samym początku, jak te problemy zaadresowali, w czym to pomaga, a w czym jeszcze wymaga jakiejś tam pracy. I ten komunikat już, oczywiście po uzyskaniu zgody lekarza, umieszczamy w komunikacji do kolejnych lekarzy. Więc to też jest tak, że to nie jest tylko znany lekarz komunikujący się do innych lekarzy, tu jest nowa zabawka technologiczna, którą my byśmy chcieli, żeby się zainteresował. To jest komunikat, ty drogi lekarzu ortopedo, zobacz proszę, tu jest lekarz ortopeda, który mówi, że dla niego to zadziałało. Więc to jest istotne. I w kolejnych krokach bardzo mocno będziemy chcieli wspierać to, żeby lekarze mogli sobie to narzędzie polecać między sobą.
Karol: A możesz zdradzić, na jakich modelach pracujecie. Wykorzystujecie bielika?
Karol Traczykowski: Myślę, że tak. W sensie to jakby z jednej strony pracujemy na… Pierwszym krokiem całości jest transkrypcja, więc tutaj przetestowaliśmy kilka. Obecnie pracujemy z Whisperem, który mamy w naszej własnej infrastrukturze. To też pozwala nam na jakby bezpieczne przetwarzanie danych i na to, że jak zrobimy transkrypcję, możemy ją zanonimizować. I później korzystamy z jednego z zewnętrznych LLM-ów. To jakby może bez podawania brandu. Przy czym powiedziałbym, że kiedyś był tak, że był jeden bardzo mocny lider, jeśli chodzi o LLM-y. Teraz pojawiają się rozwiązania, które są bardzo porównywalne, więc też jesteśmy na takim etapie, że patrzymy na innych dostawców, żeby zobaczyć, czy można się, czy przypadkiem któryś się w pewnym momencie nie stał lepszy dla konkretnych zadań, bo to też warto o tym pamiętać, że Te modele, wielkie modele językowe czy mniejsze modele językowe, one mają jakieś tam swoje specjalizacje, w czym się czują lepiej. Im mniejszy model, tym bardziej jest wyspecjalizowany, natomiast nadal te LLM-y czy wielkie modele językowe są takie, które lepiej sobie radzą z ogólnymi rozmowami, są takie, które lepiej sobie radzą z kodem i tak dalej, więc warto to po prostu przetestować.
Karol: I zobacz, że żyjemy teraz w takich czasach, na takim etapie rozwoju tej technologii, że zmiana jest nieunikniona i testowanie to jest codzienność na dobrą sprawę.
Karol Traczykowski: Dokładnie, dokładnie. My mieliśmy ostatnio taki moment, w którym rozmawiałem z zespołem, że musimy przyspieszyć testowanie, bo dostawcy szybciej wypuszczają nowe wersje modeli niż my testujemy stare.
Karol: To samo, co wydarzyło się w tym tygodniu, jeżeli chodzi o publikację modeli w metry, prawda.
Karol Traczykowski: Tak, dokładnie. Absolutnie się zgadzam. Z drugiej strony też ja myślę, że nauczyłem się troszeczkę dystansować od takich newsów, które się pojawiają, bo przetestowanie takiego modelu, i też możemy o tym więcej porozmawiać, to nie jest pięć minut roboty, że ja sobie puszczam swój tak zwany prompt i patrzę jak on działa, chcemy go przetestować na jakiejś większej skali. Czasem te testy trzeba przygotować, te testy jakby trzeba puścić, to też trwa długo, więc jakby sam fakt, że dostawca modelu mówi, że on jest w tym lepszy i może robić to i to, to w dzisiejszych czasach bardzo dużo dostawców modeli i produktów, rozwiązań mówi bardzo dużo rzeczy na swojej stronie produktowej, marketingowej, a później się okazuje, że niektóre rzeczy z tych rzeczy nie działają. Więc kończąc tylko Kiedyś było tak, że chciałem się rzucić od razu i pierwszego dnia testować, ale wiem, że to jest dłuższy proces, trudniejszy, który zarówno nam zajmie chwilę, jak i ogólnemu takiemu community zajmie chwilę, żeby to przetestować.
Karol: Mógłbyś opowiedzieć o tym procesie budowy promptowania.
Karol Traczykowski: Jasne, jasne. Pierwsze nasze podejście były takie, że po prostu tworzyliśmy prompt z lekarzami, taki, który nam się wydawał okej, i na tych przykładowych konsultacjach medycznych, które mieliśmy przy przykładowej treści, pokazywaliśmy efekty lekarza. No i to lekarze nam zaczynali mówić, co jest okej, co nie jest okej, czego powinno być więcej, czego powinno być mniej, jakie szczegóły są istotne, a jakie szczegóły są nieistotne.
To też znowu A ręczna robota. Ręczna robota i też trzeba znowu pamiętać, bo są np. informacje o tym, co jadłem dzisiaj rano albo jak się czuję, czy mi się podoba pogoda, czy nie podoba. Są średnio istotne pewnie dla mojego ortopedy, ale już będą kluczowe dla dietetyka czy psychiatry, więc na to trzeba zwracać uwagę i znowu je wyciągamy z dokładnych rozmów z lekarzami. Natomiast to, co jest tutaj ciekawe z punktu widzenia pracy z tymi LLM-ami. Jeśli rzeczy programujemy, tak jak się to robiło kiedyś, to to, co zaprogramowujemy, się wydarzy. Jak nie pisałem, że mamy dodać jedną liczbę do drugiej liczby, to wiemy, że wynikiem będzie suma.
I wiemy generalnie, że z 2 plus 2 wychodzi 4, a nie coś między 3 a 5. Natomiast pracując z LLM-ami jest tak, że one mimo wszystko są pewną maszynką statystyczną. Takie określenie się często używa. Te wyniki będą bardzo podobne do siebie, ale trochę się będą różniły. Bardzo szybko zauważyliśmy, że jeśli lekarz nam mówi o tym, że czegoś w wynikowej notatce medycznej powinno być więcej albo mniej, my wprowadzamy tę zmianę do promptu. to uruchamiamy jeszcze raz zapytanie do LLM-a i działa.
Cieszymy się, poprawiliśmy. Wciskamy jeszcze raz, uruchamiamy zapytanie do LLM-a, dostajemy taki sam wynik jak wcześniej. I tak naprawdę nie wiemy, czy to nasza zmiana pomogła, czy nie pomogła. I co więcej, jeśli wprowadzimy takie zmiany i uruchomimy ją ręcznie 50 razy i ona 49 razy zadziałała dobrze, możemy się cieszyć, to nie wiemy, czy nie popsuliśmy czegoś innego, jakichś innych wymagań, które mieliśmy. I teraz ręczne przetestowanie za każdym razem wszystkich wymagań, które mieliśmy, jest super trudne, czasochłonne i w ogóle chyba nierobialne, wydaje mi się.
No więc zbudowanie tutaj takiej maszynki, która pozwala to walidować i testować, czy zmiany, które wprowadzamy na podstawie feedbacku od lekarzy, po pierwsze adresują problem nie tylko przy jednym przebiegu, ale przy statystycznie istotnej liczbie przebiegów, w zasadzie za każdym razem, To jest jedna rzecz. Czy działają dla tej konkretnej konsultacji tych danych wejściowych, czy działają też dla stu innych przykładowych danych wejściowych. To jest pierwsza rzecz, czyli coś, co zmieniliśmy, chcemy wiedzieć, że faktycznie działa. A druga rzecz jest taka, czy dla tych stu innych danych wejściowych nie popsuliśmy czegoś. Więc jakby to, czym się też zajmowaliśmy pod maską, to jest zbudowanie takiego systemu, który pozwala nam bardzo świadomie i stabilnie modyfikować prompty, czyli jeśli dostajemy znowu feedback od lekarzy, że coś jest nie tak, czegoś powinno być więcej, czegoś powinno być mniej, to jesteśmy w stanie wprowadzić tą zmianę i uruchomić system testów, zestaw testów, który sprawi właśnie to, co powiedziałem. Czyli generalnie działa tak, jak się spodziewamy i nie psuje niczego innego. I to nie jest jedno uruchomienie. Coś, co de facto dla programistów kiedyś w postaci tzw. unit testów, testów jednostkowych, testów integracyjnych było zawsze dane tak, i się robiło, w dobrych praktykach jest to robione, to w przypadku LLM-ów, NLP trochę się rodzi, czyli są research papers, które warto przejrzeć, jak to zrobić i wypracować też swoje niektóre rozwiązania, jak to powinno wyglądać, żeby później można było świadomie powiedzieć lekarzom, że tak, poprawiliśmy i tak nie popsuliśmy przy okazji niczego innego.
Karol: No i tu chyba liczy się też to, w jaki sposób sami lekarze się komunikują, jak języka używają, w jaki sposób prowadzą wizytę, czy mają to ustandaryzowane, czy są w swojej pracy uporządkowani, czy chaotyczni. Masz jakieś doświadczenia, jeżeli chodzi o to.
Karol Traczykowski: Tak, natomiast powiedziałbym, że tutaj akurat to piękno LLM-ów jest takie, że właśnie z tego różnie zbudowanego kontentu w postaci zawartości konsultacji, jeśli zadamy dobre zapytanie czy dobry prompt, LLM jest w stanie wyekstrahować te informacje, które są istotne, czyli np. Jak mówimy o jakimś chaotycznym mówieniu, to te sytuacje, w których lekarz zapyta o alergię na początku czy na końcu, nie ma to znaczenia. Jeśli ma się to pojawić w sekcji alergiach, to pojawi się w sekcji alergiach. Jeśli pacjent zmienia zdanie, to też to zostanie dobrze załatwione. To, do czego zachęcamy lekarzy, to jest to, żeby więcej mówić, czyli przykład, jeśli lekarz dotknie pacjenta w brzuch i zapyta, czy boli tuł, to nic z tego nie zrobimy.
Karol: Czyli boli w okolicach nerki, wątroby itd.
Karol Traczykowski: Tak, na przykład. Więc my też mówimy lekarzom, zachęcamy lekarzy do tego, żeby sobie wyobrazili, że mają w gabinecie asystenta, tak jak mówiliśmy wcześniej, który jest tam i słucha, ale ma okulary przeciwsłoneczne, patrzy w okno, w sensie nie widzi, więc musimy mu powiedzieć te rzeczy. Czego nie usłyszy, to nie zapisze.
Więc to jest taki… sposób, który komunikujemy to lekarzom i faktycznie to, co jest ważne, pacjenci to też bardzo doceniają i to jest w ogóle superłatwe dla pediatrów, bo oni automatycznie, jak badają dziecko, to automatycznie tłumaczą rodzicom, co się wydarzyło, więc pediatrzy bardzo łatwo to adoptują, bo oni już to robią. Natomiast kolejna rzecz, która jest istotna, to jest to, że my znowu jesteśmy w stanie, testujemy to teraz, ale już wiemy, że to jest jakby możliwe, to jest na przykład sytuacja, w której lekarz mówi płuca okej, użyje sformułowania płuca okej, natomiast w dokumentacji medycznej czy w drafcie do dokumentacji medycznej pojawi się dla niego płuca osłuchowo bez zmian, szmer pęcherzykowy poprawny na przykład. W sensie jakby takie sformułowanie, które jest formalnym językiem, czy jakby takim specjalistycznym językiem, którego lekarze chcieliby używać. Oczywiście lekarz, to ważne, później może to przejrzeć, potwierdzić, ale już jest w takim języku, w jakiego lekarz go oczekiwał.
Karol: Super, że idziesz w tym kierunku, bo właśnie teraz było moje pytanie. Skoro tak, skoro mamy zarządzanie samym procesem umawiania wizyty i obsługą pacjenta, to jest jedno, automatyzacja czaty, umawianie, potwierdzanie itd., Z drugiej strony asystent lekarza, który współprowadzi tę wizytę i przygotowuje dokumentację medyczną. A co z diagnozą. Tak, to jest oczywiście myślę, że… Z diagnozą raz, dwa z przepisywaniem leków, zaleceń itd.
Karol Traczykowski: Tak, to jeszcze jedna rzecz o całym tym procesie w ogóle, to co jest dla nas bardzo ważne, to jest to, żeby stosować taką zasadę human in the loop. Polskie tłumaczenie jest strasznie słabe, natomiast chodzi o to, żeby lekarz jako profesjonalista miał kontrolę nadal. I to też jak mówiliśmy o tym słownictwie, którego używamy. Celowo na przykład używamy słowo asystent w tym momencie, a nie co-pilot, bo teoretycznie pilot może przejąć stery w każdym momencie, więc jakby to jest ważne dla lekarzy, żeby oni zachowywali kontrolę, mogli potwierdzić to, co się tam faktycznie wydarzyło i to też adresuje nie tylko po to, żeby… bo tak się robi, tylko dlatego, żeby adresować jedną z obaw, którą lekarze mają, czyli to, że zostanie popełniony błąd. Obawa jest naturalna, ryzyko jest bardzo małe, ale lekarze chcą to potwierdzić i to znowu tylko jeden krok wstecz a propos tego, jak komunikujemy to lekarzom, to ten wątek tego, że zachowują kontrolę, mogą to przejrzeć, mogą to zweryfikować, dopiero zapisać, jest dla nich niesamowicie istotny. Natomiast idąc w stronę diagnozy, to jest oczywiście ciekawy temat, jakby widzimy go gdzieś na horyzoncie i ja bym powiedział, że on technicznie będzie łatwiejszy do zrealizowania niż do wdrożenia pod krątem prawnym, regulacyjnym i zaadoptowania przez lekarzy.
Dlaczego. No bo jeśli zaczynamy sugerować lekarzowi, a zapyta jeszcze o to, a może taka diagnoza, może inna, to lekarz zaczyna na naszej podstawie podejmować decyzję. Jeśli lekarz podejmuje na naszej podstawie decyzję, to zaczynamy wchodzić w coś, co jest, generalnie wchodzimy w pole tak zwanych regulacji dotyczących urządzeń medycznych, I wtedy to jest bardzo duży temat, którym się trzeba zająć a propos stabilności, zawsze tych samych odpowiedzi itd. Natomiast to jest jedna rzecz. Druga rzecz to jest adopcja przez lekarzy, bo to już bardzo wchodzimy w tę obawę lekarzy, że AI zabierze mi pracę albo że to moja sieć neuronowa ma podejmować decyzje i została do tego przeszkolona. Więc myślę, że tutaj też bardzo istotny będzie wątek tego, w jaki sposób to lekarzom podawać, żeby chcieli tego używać. I tu nie ma co ukrywać, my celowo podchodzimy od tych rzeczy, które są dla lekarzy teraz męczące, jak dokumentacja medyczna, jak administracyjne rzeczy, po to, żeby oni się oswoili z technologią i wtedy mogli zacząć się szerzej testować.
Karol: Z drugiej strony, zobacz Karolu, na komercyjne wyniki badań, opis tomografii komputerowej w Warszawie, w centrum miasta, płatne 1200 zł, czeka się 10 tygodni.
Karol Traczykowski: To dużo dłużej niż się spodziewałem.
Karol: I to w dobrym miejscu, ze świetnym sprzętem, świetnymi specjalistami. 10 tygodni.
Karol Traczykowski: Tu jest akurat w Polsce jest też taka rynkowa historia, która się wydarzyła około 2 lata temu, która sprawiła, że wykonuje się bardzo dużo badań, niespółmiernie do tego, ile już mamy radiologów. No i oczywiście problem polega na tym, że chcielibyśmy, żeby te kompetencje radiologiczne, żeby były więcej. Więc z jednej strony możemy szkolić radiologów, a z drugiej strony pomagać im podejmować szybciej decyzje. I takie rozwiązania, jeśli mówimy w ogóle o AI w medycynie, szczególnie w diagnostyce obrazowej, one już są. Bardzo często są jakimiś niszami, w które my jako znany lekarz się nie wybieramy.
Brain scan, MIM, fertility. Tak, więc one jak najbardziej są i są już używane, natomiast tu znowu mówimy o tym, tam są takie zagadnienia, jedno z badań naukowych też było takim, że jeśli lekarz faktycznie w danym obrazie był poprawny, czyli powinien być zakwalifikowany jako obraz bez zmian i lekarz był pewien i taką podejmował decyzję, ale AI miało tak zwanego false positiva, czyli stwierdziło, że tam jest jakaś zmiana, to lekarz nagle ma problem, bo nie wie, co ma zrobić. Natomiast oczywiście to jest jakieś wyzwanie, które trzeba przepracować, więc te rzeczy się dzieją i szczególnie w ogóle diagnostyka obrazowa, radiologia to jest ten obszar, w którym są dość wąskie jednostki chorobowe. To są rzeczy, które się dzieją i myślę, że bardzo mocno będą pomagały i są absolutnie kluczowe, żeby się działy i były znowu wsparciem. To też nie jest tak, że ma zastąpić lekarza, tylko pomagać lekarzowi lepiej robić pracę, szybciej robić tą pracę, którą wykonuje do tej pory.
Karol: I też chyba trzeba mieć świadomość tego, że uczenie maszynowe, dane i cała reszta w medycynie nie pojawiły się w ciągu ostatnich dwóch lat, kiedy pojawił się chat GPT, tylko były dużo, dużo, dużo wcześniej, chociażby jeżeli chodzi o tworzenie nowych leków, badania nad lekami itd.,.
Karol Traczykowski: Tak, szczególnie biotechnologia, wypracowywanie leków, natomiast szczególnie właśnie radiologia. To są obszary, w których tutaj mówimy o takim tzw. computer vision, czyli mamy obraz i chcemy coś na jego podstawie zdecydować. To są rzeczy, które się dzieją od dawna i postępują do przodu, więc faktycznie słuszne jest to, co mówisz. To też nie jest tak, że AI powstało dwa lata temu. AI się spopularyzowało bardzo mocno dwa lata temu, bo znowu bo zyskało ludzki język, nawet nie chcę mówić o ludzkiej twarzy, zyskało interfejs i każdy może z tym porozmawiać, z tym czymś. Natomiast czy w medycynie, czy w wielu innych obszarach AI, uczenie maszynowe, podejmowanie decyzji czy sugerowanie decyzji, jest obecne od bardzo, bardzo dawna.
Karol: A wyobrażasz sobie, w trakcie pandemii popularne stały się wizyty u lekarzy rodzinnych dokonywane za pomocą rozmowy w wideo. Czy wyobrażasz sobie, że w ogóle diagnostyka medyczna i kontakt z lekarzem może zostać w bardzo dużej części przeniesiony właśnie do sfery wirtualnej.
Karol Traczykowski: Zastanawiałem się, jakie będzie zakończenie twojego pytania, bo zastanawiałem się, na ile może być zastąpione, czy właśnie przeniesione do strefy wirtualnej. Rozmawiamy tak szeroko, jak to tylko możliwe. Myślę, że może, ale jeszcze potrzebujemy dużo czasu, dużo więcej, niż potrzebne jest, żeby te narzędzia były przekazane lekarzowi.
Dlaczego. Dlatego, że nadal Te rozwiązania jeszcze mogą popełniać błędy i lekarz jest w stanie to wyłapać, pacjent nie, no bo uzna, że taka jest odpowiedź. No trochę tak jak teraz będziemy mieli jakieś objawy, wpiszemy je do Google’a i nagle się okazuje, że mamy coś na pewno, w sensie, ale jak pójdziemy do lekarza i powie, nie, no jakby nie ma mowy w ogóle, tak. Więc to jest na przykład też ciekawe tego, w jaki sposób pacjenci mogliby używać LLM-a do przygotowania się do rozmowy. To jest w ogóle ciekawe do wizyty z pacjentem, czyli jakie pytania może mi zadać lekarz. Natomiast bardzo zniechęcam do tego, żeby doprowadzić do tego, to podejmę jeszcze diagnozę. Czyli możemy zrobić sobie testową rozmowę z lekarzem, właśnie żeby wiedzieć, że zapyta o leki, o choroby chroniczne od tego, kiedy się zaczęło, Lepiej się przygotować o to, o co możemy zapytać, czyli opisać swoje objawy na przykład i powiedzieć, o co ja mógłbym zapytać lekarza, bo nie wiem, chciałbym się dowiedzieć.
To są rzeczy, w których fajnie to może działać. Natomiast jeśli nadal mówimy o tym, mam jakieś objawy i miałbym zapytać jakiś LLM, To jaka jest diagnoza. Absolutnie nie w tym momencie, no bo nie jestem w stanie tego zweryfikować, a niestety LLM odpowie z bardzo dużą pewnością. Odpowie przy tych objawach, to jest diagnoza. A ludzie tego nie wiedzą, w sensie uważają, że jak tak odpowiedział, to pewnie tak jest, no bo odpowiada z pewnością, więc jakby nie powie nawet, że chyba nie.
I teraz jedna rzecz jest ciekawa tutaj. Były nawet jakieś badania naukowe, w sensie research, które czytałem, a propos tego, jak promptować wtedy akurat GPT, żeby mieć szansę na uzyskanie poprawnej diagnozy. Natomiast to, co było ciekawe, to jest to, że jeśli zapytamy o jedną diagnozę, to ten model wtedy dawał poprawną odpowiedź w 50% przypadków, więc bardzo nisko. Natomiast jeśli zapytamy o to, jakie jest pięć najbardziej prawdopodobnych diagnoz, to prawdowa odpowiedź była wśród tych pięciu już w 80% przypadków. Jak zapytamy o top 10, to było już w 95%, już nie pamiętam dokładnie liczby, ale generalnie tak to się zmieniało. No i teraz oczywiście pacjent, znaczy człowiek, konsument nie będzie w taki sposób sam z siebie zadawał tego promptu, czyli podaj mi pięć możliwych diagnoz i uzasadnij dlaczego, albo dziesięć i dlaczego. Więc to nie jest gotowe rozwiązanie, które można dać pacjentowi i powiedzieć zrób sobie triaż, zdiagnozuj się tam.
Karol: A wyobrażasz sobie modele językowe, które są zbudowane od podstaw tylko i wyłącznie z myślą o branży medycznej.
Karol Traczykowski: No w ten sposób są pewnie, może nie odbudowane od podstaw, no bo to też jakby jeśli mówimy… Ale wiesz, mówię po prostu o diagnozie, obrazowaniu i o całej reszcie, tak. Tak, no to jakby w ten sposób chwalą się cały czas, jest kilku dostawców, którzy chwali się tym, że one są stricte zbudowane pod kątem medycyny, diagnozowania, opisywania tego, co jest na obrazie, konsultowania różnych rzeczy i takie modele już są.
Natomiast nadal mają jakąś tam swoją skuteczność. Nadal jest tak, że w jakiś sposób trzeba je promptować. Jeśli pracujemy z tymi elemami, to znamy takie metody jak few-shots learning, czyli to, żeby podać kilka przykładów w trakcie, albo żeby poprosić o tzw. chain of thoughts, albo zasadnie decyzję, powiedz dlaczego i tak dalej. Możemy to wyłapać. Natomiast jeśli nie pracujemy z LLM-ami, zapytamy o diagnozę i zostaniemy złą. Dla mnie na przykład miałem jakiś czas temu problem zdrowotny i zrobiłem w ten sposób, że zapytałem LLM-a, żeby mi podał W sensie takie mam objawy, taką mam diagnozę, takie mam zalecane postępowanie, natomiast chciałbym zobaczyć, jakie są badania naukowe w tym momencie na świecie albo research papers na ten temat, jakie są zalecenia i co ważne, podaj mi źródła. Używałeś perplexity. Nie, używałem jednego z innych dostawców w tym momencie i teraz jakby to, co było istotne, ja nie robię tego po to, żeby uzyskać od LLMA odpowiedź, co mam zrobić. Ja używam tego po to, żeby on mi znalazł research papers, które ja chciałbym przeczytać i na podstawie tego samemu zdecydować. Czyli znowu, szukam informacji, dostaję szybko dobre badania naukowe czy właśnie wyniki badań i sam decyduję, sam się zaznajamiam i wtedy wybieram tą odpowiedź, która według mnie jest poprawna, czy jest jakby moją decyzją.
Karol: A twoja wizja medycyny i tego, w jaki sposób korzystamy z usług lekarzy 3, 5, 10 lat, jak to może się zmieniać. Tak, to myślę, że jakby na pewno jak sobie patrzymy… Oczywiście tych aspektów mogą być wiele, począwszy od dostępności przez skuteczność leczenia i tak dalej, ale pytam o takie twoje, wiesz, feeling.
Karol Traczykowski: Odkładając na bok wszystko rozwiązania legalowo-regulacyjne, natomiast jak sobie wyobrażam, co będzie mogła w stanie zrobić technologia i gdzie mamy problemy, no to problemy mamy, jak już wspomniałeś, z dostępnością lekarzy, z tym, że starzeje nam się społeczeństwo, liczba lekarzy nam nie rośnie, więc ten problem się tylko pogłębia. Więc nagle się okazuje, że i do tego lekarze są zasypywani często rzeczami, które nie wymagają wiedzy medycznej albo nie wymagają specjalistycznej wiedzy medycznej. Więc potrafię sobie wyobrazić, że jesteśmy w stanie, mówimy o tym podstawowej opiece zdrowotnej, tak jak mówiliśmy o pandemii, że jestem w stanie przeprowadzić pewien triaż, czyli określić to jak jak poważny jest mój problem i dostać bardzo dobrą odpowiedź, na której mogę polegać, że jakby dojdziemy do takiego momentu, czyli jakby bardzo szybko dostaję informację, na przykład skontaktuj się z lekarzem, powiedz o tym lekarzowi w trakcie następnej wizyty, którą masz zaplanowaną. Umów wizytę jak najszybciej, jedź na pogotowie, w sensie w ogóle nie rozmawiaj ze mną, dzwoń na pogotowie. Takie informacje dostaję, ewentualnie z jakimiś wskazówkami właśnie o co zapytać lekarza albo z czego może mój problem wynikać. Idąc dalej, docieramy wtedy już do lekarza, do specjalisty z problemem, który już jest jakiejś wagi, no bo odsialiśmy te problemy, których jakby nie trzeba było zrozumieć. specjalisty, no to po pierwsze już to jest bardziej efektywne, po drugie wyobrażam sobie, że lekarz znowu nie musiał w ostatnim czasie przejrzeć wszystkich wyników badań naukowych i zaleceń naukowych i nie musiał wiedzieć o wszystkich próbach klinicznych, które się dzieją i do których może lekarz, pacjent by się kwalifikował, tylko na podstawie tego, na podstawie tej rozmowy jakby jest w stanie, w sensie bardzo szybko dostać podpowiedź, jakby Takie są diagnozy do rozważania dla Ciebie, rozważ zadanie tych pytań, rozważ te testy, bo takie są wskazania i dostaję do tego uzasadnienie.
No więc de facto jest lekarzem, który ma całą wiedzę medyczną dostępną dla siebie. Mam nadzieję, że pacjentów, którzy to absolutnie akceptują i chcą, wręcz życzą sobie tego. Czasem jest tak, że teraz jak jakiś lekarz zerknie do książeczki albo zaleceń, to niektórzy mówią, że to lekarz, bo nie wiedział. Ja się cieszę, jak zerknie, bo wtedy widzę, że sprawdził, że to, co jest, to nie musiał tego pamiętać, tylko zrozumiał. sprawdził, że tak jest. Więc wyobrażam sobie, że ta wiedza będzie dla nich zupełnie dostępna. Jest jeszcze jedna rzecz, która jest istotna. Zapoznawanie się z dotychczasową dokumentacją pacjenta. No bo moja mama chodziła do lekarza z tertą papierów Ja chodzę do lekarza ze stertą PDF-ów i odpegów, który i tak muszę wydrukować, bo przecież jak mu dam płytę, pendrive’a i tak dalej.
Karol: A czy to nie jest w ogóle pomysł na to, żeby powstała centralna baza danych, jeżeli chodzi o wyniki badań medycznych i dokumentacji medycznej pacjentów?
Karol Traczykowski: Myślę, że tak. I to pewnie jest tak, że można się spodziewać, że to będą rzeczy, które rządy i kraje będą robiły. Natomiast robią to też w różnym tempie.
Karol: A czy już gdzieś na świecie istnieje coś takiego?
Karol Traczykowski: Z tego, co wiem, nie wiem, jak daleko jest posunięta Finlandia. Natomiast jak byłem na konferencji w Finlandii kilka lat temu, to byli już dużo bardziej niż my. Myślę, że w ogóle w Polsce nie mamy czego wstydzić, jeśli chodzi o digitalizację socjologiczno-robotną, szczególnie jak patrzymy nawet na Europę Zachodnią. Więc jakby w Polsce zaczyna się powoli zbierać dokumentacja medyczna, natomiast nadal jeszcze jej udostępnianie i to, w jakich przypadkach ona jest zbierana, wymaga jeszcze pracy. Natomiast myślę, że posuwamy się bardzo fajnie do przodu. Natomiast jeśli chodzi o rozwiązanie systemowe, to myślę, że to jest dobry kierunek.
Natomiast jeśli sobie wyobrazimy znowu, co znaczy dla pacjenta i lekarza, to jest to, że jeśli ja na przykład chcę przyjść do lekarza i chcę skonsultować z nim moją historię badań krwi, na przykład historię cholesterolu, to nie jest tak, że lekarz musi teraz przejrzeć startę papieru, który mu przyniosłem, zobaczyć jaka data, jaka wartość, zapisać z boku, znaleźć kolejny papierek z cholesterolem, z pozycją tego cholesterolu na liście, zapisać z boku datę, wartość, i 5 minut zleciało na tym, że on kompilował pliki, więc jesteśmy w stanie dostarczyć rozwiązanie, które pokaże ten wykres w 10 sekund. Po prostu jest, bo ta dokumentacja już została, pacjent na to wyraził zgodę, ona została przejrzana i zostały wyciągnięte te informacje, które są istotne i lekarz też od razu na pierwszy rzut oka widzi schorzenia, które były, leki, które pacjent brał, kiedy, to wszystko jest na timeline, a rzeczy, które mają historię, w sensie wyników badań w czasie, są narysowane na wykresie albo w czasie, I lekarz znowu nie musi spędzać tych minut na uzyskiwaniu podstawowych informacji, tylko na diagnozowaniu. Ja wyobrażam sobie, że nawet jeśli nie będzie rozwiązań, które lekarzom będą pomagały diagnozować, to lekarze będą mieli dużo więcej czasu i swobody, żeby więcej czasu poświęcić na diagnozę i na zrozumienie problemu. Więc to już pomoże. A myślę, że najlepsi lekarze to będą tacy, którzy będą korzystali też z systemu wsparcia diagnozy, z tego, co się mogło wydarzyć, jakie pytania zadać, jakie są możliwe diagnozy, najświeższe zalecenia, najświeższe wyniki badań naukowych, tak żeby generalnie wszystko się działo. I co więcej, często jak o tym mówię do lekarza, myślę, że lekarze będą dużo bardziej zadowoleni ze swojej pracy i szczęśliwsi niż teraz, bo nie będą musieli robić żmudnej roboty, będą się mogli skupić na rozmowie z pacjentem, i na diagnozowaniu tym, co jest dla nich najciekawsze i będą mieli do tego wsparcie. Ciekawe czasy przed nami. Myślę, że tak. Myślę, że już jesteśmy w trakcie, ale będzie się działo.
Karol: No dobrze. Mamy część dotyczącą software’u. Mamy modele językowe, mamy oprogramowanie, wszystkie rozwiązania, nad którymi pracujecie. A jak to wygląda od strony hardware’owej. Bo zakładam, że lekarz musi być wyposażony w odpowiedni mikrofon, pacjent musi być w odpowiedniej jakości nagrywany itd.
Karol Traczykowski: Tak, no to faktycznie ta jakość audio jest wyzwaniem. I w ogóle jeśli chodzi o tę transkrypcję z wizyty, to tam są jakby dwa wyzwania. Pierwsze to jest jakość audio, a drugie to jest język używany, bo większość tych modeli tzw. speech-to-text czy transkrypcji została stworzona do w miarę sensownej jakości audio i tzw. general purpose conversation, takiej ogólnej rozmowy. W sensie nie jest jakoś bardzo wyspecjalizowana. A tu nagle pojawia się nam konsultacja medyczna o lekach, o chorobach i wszelkiej maści tego typu sformułowaniach, a po drugie jest nagrywana w gabinecie, który nie jest studiem nagraniowym, nie jest też ludźmi mówiącymi do mikrofonu, do telefonu, przez telefon itd. Więc z tą częścią językową musimy sobie radzić softwarem, czyli tu jest w ogóle clue do trenowywania tego modelu transkrypcyjnego rozpoznawania mowy i tu bardzo dużo nad tym pracujemy, żeby to, co oddajemy było poprawnie stranskrybowane i bez literówek itd. Natomiast jeśli chodzi o hardware i jakość dźwięku, to nie możemy nastawiać się na to, że lekarze będą mieli profesjonalne mikrofony albo, że będą ubierali pacjenta w mikrofon albo, że w ogóle my mówimy z jednej strony, że chcemy wyzwolić pacjenta, lekarza od klawiatury, to postawimy go za mikrofonem albo w słuchawkach albo coś takiego. Więc generalnie musimy polegać na tym, co ma szansę się bardzo łatwo skalować. No i tutaj w ogóle z bardzo dobrym rozwiązaniem są po prostu mikrofony w naszych smartfonach. One są generalnie na tyle dobre, żeby zbierać, tak jak mówimy na zestawie głośnomówiącym, radzą sobie dość dobrze.
Czego nie można powiedzieć o mikrofonach w laptopach. Jeśli to nie są marki, których może nie będę wymieniał, większość ma bardzo słabe mikrofony. W związku z tym podpowiadamy też lekarzom, że najlepiej jest nagrywać przez smartfona, gdzie mniej więcej umieścić ten telefon, tak żeby to było dobrze łapane. Przy czym nadal wezwanie jest takie, że lekarz najczęściej jest słyszany bardzo głośno i wyraźnie, pacjent wręcz przeciwnie.
Raczej cicho. Oczywiście może się też zdarzyć, że przychodzi rodzic z dzieckiem albo że przychodzi dwójka rodziców z dzieckiem, więc to jest jeszcze więcej wyzwań takich dźwiękowych. No i w pewnym momencie następuje moment, w którym lekarz i pacjent odchodzą od biurka i idą do kozetki, gdzie następuje badanie. Więc tak naprawdę dźwiękowo jest to dla nas duże wyzwanie. Na chwilę obecną pracujemy dużo z dźwiękiem, już mówiąc o konkretnym hardware, z mikrofonów z telefonu komórkowego i staramy się dużo rzeczy poprawiać software’owo. Natomiast testujemy też wstępnie na razie mikrofony zewnętrzne, które będą podłączane np. do komputera. Natomiast nadal musimy rozmawiać o rozwiązaniach, które są łatwo dostępne dla lekarza i skalowalne.
Karol: A czy rozwiązaniem nie byłby na przykład mikrofon przypinany tutaj do klaty lekarza, z którym by przyjmował pacjenta.
Karol Traczykowski: Dla lekarza tak, ale znowu te mikrofony dobrze zbierają z bliska i będziemy dobrze słyszeli lekarza, ale to nie lekarz jest naszym wyzwaniem. Część to, co powiedział pacjent, więc mimo wszystko musimy sobie radzić z tym, co zbiera. Oczywiście jak rozmawiałem z osobami, które znają się na reżyserii dźwięku i tak dalej, no to dostajemy odpowiedzi typu albo tam trzeba to obwiesić mikrofonami u góry, albo trzeba mieć takie mikrofony typu shotgun, czyli takie bardzo długie, profesjonalne, żeby dobrze zbierały, trochę kierunkowo, trochę nie. Więc jakby niestety, jak pytaliśmy osoby, które mają doświadczenia z profesjonalnym audio, to nie były to skalowalne rozwiązania, więc musimy też szukać rozwiązań, które będą po prostu skalowalne i w miarę tanie i nie będą wprowadzały tej technologicznej bariery, bo jakby znowu, my chcemy, żeby lekarz mógł się skupić na pacjencie, żeby ta rozmowa była ludzka, a nie żeby zaczynać od tego, że mu przypnie mikrofon i pan tu się tam mikroport schowa do kieszeni i tak dalej.
Karol: A kogo czytasz, kogo śledzisz, kogo warto obserwować.
Karol Traczykowski: Mogę się podzielić listą, chętnie się podzielę.
Karol: Wiesz co, możemy dodać to jako notatki do odcinka.
Karol Traczykowski: Jasne, możemy to zrobić. Nie ukrywam, że niestety tak samo jak nie pamiętam nazw zespołów muzycznych i tytułów utworów, w czym moje żona i córka są wspaniałe, to tak samo nie pamiętam niestety wielu osób, które followuję. Szczególnie, że teraz się dzieje bardzo dużo, więc trzeba raczej mieć uszy w wielu miejscach wystawione, żeby być na czasie.
Karol: To jeżeli moglibyśmy się podzielić kilkoma adresami w newsletterów, serwisów, albo ewentualnie kilkoma książkami, które czytałeś i zrobiły pewien breakthrough, jeżeli chodzi o myślenie w kontekście tego, co będzie działo się z technologią w ciągu następnych lat, w kontekście medycyny i nie tylko, byłoby super.
Karol Traczykowski: Tak, to myślę, że możemy to zrobić, natomiast pewnie to, co jest istotne, trochę w ostatnim czasie wymagane jest od nas przerzucić na źródła informacji, które są mniej uporządkowane niestety, czyli nagle się okazuje, że zmiany następują tak szybko, że książki nie dążają powstawać o tym, więc trochę jest tak, że ku mojemu smutkowi niestety trzeba się czasami przełączyć na Twittera i na tego typu rozwiązania, bo tam są newsy, natomiast to jest też powód, fizyczny ból głowy, który ja od tego miałem, bo tego było tak dużo, sprawił, że ja zrobiłem to, co mówiłem wcześniej, czyli troszeczkę się zdystansowałem od takich newsów, śledzenia ich dzień po dniu, godzinę po godzinie, bo jest tego za dużo i raczej trzeba, trochę polegam na tym, żeby inni to odfiltrowali zarówno w firmie, jak i w innych miejscach, a ja później mogę się skupić na tym, jak te rzeczy się wydarzyły i jak je zastosować dla lekarzy i pacjentów.
Karol: Dziękuję Ci serdecznie za rozmowę, dziękuję za spotkanie i niech zatem zdrowie i EIA będą z nami wszystkimi.
Karol Traczykowski: Dziękuję, niech tak będzie, niech tak się stanie. Do usłyszenia. Do usłyszenia, dzięki. Dzięki za zaproszenie.