Sztuczna inteligencja pomaga szpitalom nie marnować zasobów

Brytyjscy naukowcy z Uniwersytetu Hertfordshire zbudowali system AI, który przewiduje, ile łóżek i pielęgniarek będzie potrzebnych w szpitalu za tydzień. To już działa.

Problem jest prosty. Szpitale mają góry danych o tym, co się działo: ile osób przyszło w ubiegłym tygodniu, ile operacji wykonano, ile łóżek było zajętych. Ale te dane leżą martwe w systemach. Nikt nie używa ich do planowania przyszłości.

To jak prowadzić restaurację, mając zapisane, ile gości było każdego dnia przez ostatnie 5 lat, ale wciąż zamawiać składniki na czuja. Czasem zostaje połowa jedzenia, czasem brakuje mięsa w piątkowy wieczór.

Dlaczego szpitale nie wiedzą, co będzie jutro

Sektor publiczny zbiera dane jak szalony. Każda wizyta, każde badanie, każdy zabieg ląduje w systemie. Problem? Te systemy nie rozmawiają ze sobą. Dane o przyjęciach na SOR są w jednym miejscu, informacje o dostępności łóżek w drugim, grafiki personelu w trzecim.

I nikt nie patrzy na to wszystko razem, żeby powiedzieć: "Za tydzień będziemy potrzebować 20 procent więcej personelu na oddziale kardiologicznym".

Efekt? Szpitale działają w trybie ciągłego reagowania. Nagle jest natłok pacjentów – wzywają ludzi na nadgodziny. Nagle jest spokój – personel się nudzi, a koszty rosną. Zero przewidywalności.

Zespół z Hertfordshire postanowił to zmienić. Wzięli historyczne dane z brytyjskiego NHS (National Health Service – publiczna służba zdrowia w UK) i nauczyli model AI rozpoznawać wzorce. Nie magiczne wzorce. Zwykłe, ludzkie: w poniedziałki jest więcej przyjęć po weekendowych wypadkach, w sezonie grypowym rosną hospitalizacje, po długich weekendach ludzie odkładają wizyty.

Jak AI przewiduje przyszłość szpitala

Model działa jak prognoza pogody. Meteorolodzy patrzą na ciśnienie, temperaturę, wilgotność z ostatnich dni i mówią: "Jutro będzie padać". Ten system patrzy na przyjęcia, wypisania, długość pobytu z ostatnich tygodni i mówi: "Za tydzień będziecie potrzebować 15 dodatkowych łóżek na internie".

Nie zgaduje. Analizuje.

System bierze pod uwagę sezonowość (zima = więcej gryp i upadków na lodzie), dni tygodnia (poniedziałki są cięższe), lokalne wydarzenia (festiwal w mieście = więcej urazów) i setki innych zmiennych, których człowiek nie ogarnie jednocześnie.

Potem wyrzuca konkretną liczbę: "Za 7 dni będziecie potrzebować 127 łóżek, plus minus 8". Nie "może będzie dużo", ale konkretną prognozę z przedziałem błędu.

I tu jest haczyk. System nie musi być perfekcyjny. Nawet jeśli pomyli się o 10 procent, to wciąż lepiej niż planowanie na czuja. Jeśli manager wie, że prawdopodobnie będzie potrzebować 120-135 łóżek, może zaplanować personel. Może poprosić ludzi o gotowość do nadgodzin. Może przesunąć planowe zabiegi.

Co to zmienia w praktyce

Prowadzisz oddział szpitalny. Masz 50 łóżek i zespół 30 pielęgniarek. Każdego dnia budzisz się i nie wiesz, czy przyjdzie 10 pacjentów, czy 40. Planujesz grafiki na 2 tygodnie do przodu, ale to loteria.

Teraz dostajesz prognozę: "W przyszłym tygodniu spodziewamy się 35-40 przyjęć dziennie, szczyt w środę". Nagle możesz działać.

Dzwonisz do pielęgniarki Ani, która chciała wolne we wtorek: "Ania, możesz wziąć wolne w czwartek zamiast wtorku? W środę będzie ciężko". Ania się zgadza, bo dostała informację z wyprzedzeniem, nie 2 godziny przed zmianą.

Odwołujesz planowy zabieg pana Kowalskiego z czwartku na piątek, bo w czwartek zabraknie łóżek na pooperacyjnej. Pan Kowalski dostaje telefon dzień wcześniej, nie czeka 4 godziny w szpitalu na informację, że zabieg się nie odbędzie.

To nie przypomina rewolucja. To przypomina podstawa zarządzania. Ale w szpitalach to wciąż rzadkość.

Dlaczego szpitale marnują zasoby

Sektor publiczny ma chroniczny problem z efektywnością. Nie chodzi o to, że ludzie są leniwi. Dlatego, że systemy są przestarzałe, a dane nie pracują.

Szpital wie, że w zeszłym roku w lutym miał średnio 200 przyjęć tygodniowo. Ale nie wie, czy w tym roku będzie podobnie. Może w okolicy zamknęła się jedna przychodnia i ludzie teraz jeżdżą na SOR? Może jest nowy wariant wirusa? Może pogoda jest łagodniejsza i mniej upadków?

Bez narzędzi do prognozowania szpitale działają na zasadzie "przygotuj się na najgorsze". Trzymają nadmiarowy personel w gotowości. Płacą za puste łóżka. Odwołują zabiegi na wszelki wypadek.

To kosztuje. Brytyjski NHS wydaje rocznie około 160 miliardów funtów. Nawet jeśli lepsze planowanie zaoszczędzi 2 procent, to 3,2 miliarda funtów. To budżet na tysiące dodatkowych lekarzy.

Model z Hertfordshire nie rozwiązuje wszystkich problemów NHS. Ale pokazuje, że da się lepiej. Da się wykorzystać dane, które już są. Da się planować zamiast reagować.

Czy to zadziała w polskich szpitalach

Polska służba zdrowia ma podobne problemy. Dane są, ale nikt ich nie analizuje systemowo. Każdy szpital działa w próżni. Każdy oddział planuje na własną rękę.

Dobra wiadomość: technologia jest dostępna. Nie trzeba budować systemu od zera. Brytyjczycy pokazali, że to działa. Można wziąć ich model, dostosować do polskich realiów (inne sezony chorób, inna struktura przyjęć) i wdrożyć.

Zła wiadomość: to wymaga woli politycznej i pieniędzy na start. Trzeba zunifikować dane z różnych systemów. Trzeba przeszkolić ludzi. Trzeba przekonać managerów, że warto zaufać algorytmowi.

I tu jest pies pogrzebany. Szpitale publiczne żyją z miesiąca na miesiąc. Brakuje na pensje, a ktoś ma kupować system AI? To przypomina science fiction.

Ale paradoks jest taki: bez takich systemów szpitale będą marnować zasoby dalej. Będą płacić za nadgodziny, za puste łóżka, za odwołane zabiegi. I za 5 lat będą w tym samym miejscu, tylko z większym długiem.

Co dalej z AI w służbie zdrowia

Model z Hertfordshire to dopiero początek. Zespół pracuje nad rozszerzeniem systemu o więcej zmiennych: pogodę (mróz = więcej upadków), wydarzenia lokalne (koncert = więcej urazów), dane z aptek (wzrost sprzedaży leków przeciwbólowych = nadchodzi fala grypy).

Docelowo system ma działać w czasie rzeczywistym. Nie prognozować tydzień do przodu, ale aktualizować prognozy co godzinę. Jeśli nagle jest seria wypadków na autostradzie, system ma to wychwycić i ostrzec szpitale w okolicy: "Przygotujcie się na 10-15 przyjęć w ciągu 2 godzin".

To zmienia dynamikę pracy. Zamiast chaosu i improwizacji – przewidywalność i kontrola.

Inne zespoły badawcze pracują nad podobnymi systemami. W USA Stanford testuje AI do prognozowania sepsy – zakażenia krwi, które zabija w kilka godzin, jeśli się go nie złapie. System analizuje objawy pacjenta i mówi: "Ten człowiek ma 70 procent szans na sepsę w ciągu 6 godzin". Lekarz może zareagować wcześniej.

W Danii testują AI do prognozowania przyjęć na psychiatrię. Okazuje się, że da się przewidzieć kryzysy psychiczne na podstawie wzorców zachowań, połączeń telefonicznych, aktywności online. Trochę. Ale jeśli to ratuje życie, dyskusja się komplikuje.

Czy AI zastąpi lekarzy

Nie. I to nie jest fałszywa skromność.

AI jest świetna w rozpoznawaniu wzorców w dużych zbiorach danych. Jest beznadziejna w radzeniu sobie z wyjątkami, z ludźmi, z etyką.

System może powiedzieć: "Statystycznie ten pacjent ma 80 procent szans na wyzdrowienie". Ale nie powie, czy warto podjąć ryzykowną terapię, jeśli pacjent ma małe dziecko i chce żyć za wszelką cenę. Nie powie, jak rozmawiać z rodziną. Nie powie, kiedy odpuścić.

AI to narzędzie. Jak skalpel. Skalpel nie zastąpi chirurga, ale bez skalpela chirurg nie przeprowadzi operacji.

Model z Hertfordshire nie podejmuje decyzji. Daje informacje. Manager wciąż decyduje, ile osób zatrudnić, które zabiegi przesunąć, jak rozłożyć zasoby. Ale decyduje na podstawie danych, nie przeczucia.

To jest różnica między strzelaniem w ciemno a celowaniem z latarką.

Kto na tym zyska

Wszyscy. Pacjenci czekają krócej, bo szpital lepiej planuje. Lekarze pracują w mniej chaotycznym środowisku. Managerowie oszczędzają pieniądze. Politycy mogą powiedzieć, że służba zdrowia działa efektywniej.

Może. Ale technologia jest. Dane są. Brakuje tylko woli, żeby to połączyć.

Brytyjczycy pokazali, że to możliwe. Teraz kolej na resztę świata. Pytanie brzmi: ile czasu zajmie dotarcie tego rozwiązania do Polski? Rok? Pięć lat? Dziesięć?

Historia technologii uczy, że innowacje w sektorze publicznym zawsze przychodzą z opóźnieniem. Sektor prywatny testuje, popełnia błędy, udoskonala. Sektor publiczny czeka, aż technologia jest dojrzała, tania i sprawdzona.

To rozsądne podejście. Ale w przypadku służby zdrowia każdy rok opóźnienia to setki tysięcy zmarnowanych godzin personelu, miliony zmarnowanych złotych i tysiące pacjentów, którzy czekają dłużej niż powinni.

Model z Hertfordshire nie jest cudownym lekarstwem na wszystkie problemy NHS czy NFZ. Ale jest dowodem, że da się lepiej. I że warto próbować.

Źródła

• AI News - AI forecasting model targets healthcare resource efficiency