Njena ekspertiza obuhvata razvoj naprednih algoritama za analizu velikih i heterogenih kliničkih datasetova, s posebnim fokusom na zaštitu privatnosti pacijenata, validaciju modela u realnim kliničkim uslovima i etičku primjenu AI tehnologija. Kao članica uredničkog odbora časopisa Scientific Reports, dr. Branković aktivno doprinosi unapređenju naučne rigoroznosti i integriteta u oblasti medicinskih istraživanja.
U okviru ovogodišnje šesnaeste konferencije Bosanskohercegovačko-američke akademije umjetnosti i nauka (BHAAAS), održane u Sarajevu u junu, aktivno je učestvovala na panelu Umjetna inteligencija i robotika u medicini: inovacija, etika i sigurnost.
U intervjuu za Čuvajzdravlje.ba, dr. Branković detaljno objašnjava ključne izazove i potencijale implementacije AI u kliničkoj praksi, važnost interoperabilnosti podataka, te neophodnost međunarodne saradnje za modernizaciju zdravstvenih sistema.
Da li i kako algoritmi za predikciju kliničkih ishoda mogu smanjiti jatrogeniju, tj. negativne efekte liječenja u svakodnevnoj bolničkoj praksi?
“Studije pokazuju da prediktivni algoritmi, posebno oni bazirani na vještačkoj inteligenciji koja omogućava obradu velike količine raznovrsnih podataka u kratkom vremenu, imaju potencijal da smanji jatrogeniju kroz poboljšano donošenje odluka, rano otkrivanje grešaka i prilagođavanje njege pacijenta na individualnom nivou. Međutim, većina ovih modela još uvijek je u ranoj fazi razvoja, modeli integrisani u zdravstvani sistem jos uvijek su jednostavnijeg tipa, jer veliki broj studija nije validiran u stvarnim kliničkim uslovima.
Da bi došlo do njihove šire primjene u svakodnevnoj praksi, potrebna je temeljita i opsežna validacija algoritama na velikom broju pacijenata, u različitim institucijama i u raznovrsnim zdravstvenim okruženjima.”
Kome povjeriti dijagnozu – algoritmu ili čovjeku?
Koliko su interoperabilnost i standardizacija podataka prepreka za implementaciju naprednih analitičkih modela u javnom zdravstvu?
“Interoperabilnost i standardizacija podataka su ključni preduslovi za uspješnu primjenu naprednih analitičkih modela u zdravstvu, jer omogućavaju da se podaci razmjenjuju, tumače i koriste tačno i sigurno, bez obzira na sistem, upotijebljeni standard ili instituciju.
U praksi, različite zdravstvene ustanove koriste različite elektronske sisteme, formate i protokole, a neke čak još nisu ni digitalizirane – i to ne samo u zemljama u razvoju, već i u pojedinim dijelovima razvijenih zemalja. Zbog toga interoperabilnost i dalje predstavlja veliku prepreku, ali se ulažu značajni napori na globalnom nivou kako bi se ovaj izazov prevazišao.”
U kojim segmentima je integracija kliničke terminologije (SNOMED CT, ICD-11) ključna za tačnost analitičkih sistema?
“Integracija standardiziranih kliničkih terminologija kao što su SNOMED CT i ICD-11 je od suštinskog značaja za tačnost i pouzdanost analitičkih sistema. Bez njih dolazi do nedosljednog unosa, fragmentacije podataka i potencijalnih grešaka u interpretaciji.
Standardizovana terminologija omogućava konzistentno bilježenje i tumačenje kliničkih informacija, što je temelj za razvoj skalabilnih, preciznih i pravednih analitičkih modela u zdravstvu.”
Možete li objasniti kako se mjeri klinička efektivnost modela predikcije u stvarnim kliničkim uslovima – konkretno, u detekciji septičkog šoka ili neplaniranog prijema u bolnicu?
“Klinička efektivnost modela predikcije se mjeri kroz njegov stvarni uticaj na ishode liječenja. Cilj je da model pruži ranu indikaciju pogoršanja kako bi medicinsko osoblje imalo dovoljno vremena da interveniše.
Ne procjenjuje se samo da li je model tačan u predviđanju, već i da li njegova primjena vodi do boljih rezultata – kao što su ranija intervencija, manje komplikacija i veća vjerovatnoća pozitivnog ishoda. Konkretno za date primjere, u slučaju neplaniranog prijema u bolnicu, efektivnost se može mjeriti kroz broj neplaniranih hospitalizacija prije i poslije upotrebe modela.
Slično je i kod detekcije septičkog šoka – ključno je da model prepozna rane znakove pogoršanja koristeći dostupne podatke npr. vitalne parametre (sadašnje i prethodne), laboratorijske nalaze, lijekove, podatke o hroničnim bolestima itd.
Efikasnost se mjeri kroz metrike poput vremena do početka liječenja, smanjenja mortaliteta, i skraćenja boravka u bolnici.”
Koliko je teško postići balans između regulative o zaštiti ličnih zdravstvenih podataka i potrebe za analizom velikih kliničkih datasetova?
“Postizanje balansa je izazovno, ali izvodivo. S jedne strane, zaštita privatnosti pacijenata je apsolutno ključna – bez nje nema povjerenja, ni etičke održivosti. S druge strane, napredak u medicinskim analizama i razvoju vještačke inteligencije zavisi od dostupnosti i obrade velikih količina podataka.
Rješenje leži u razvoju pametnih i agilnih tehničkih, pravnih i etičkih okvira koji omogućavaju odgovorno korištenje podataka bez ugrožavanja prava pojedinaca ili izlaganja nepotrebnim rizicima.”
BiH ima umove za budućnost – da li ima sistem?
Koji su konkretni rezultati vaših istraživanja u smanjenju etičkih rizika u razvoju uređaja za podršku u odlučivanju na bazi umjetne inteligencije?
“Posebno sam fokusirana na objašnjivu vještačku inteligenciju (XAI), koja ima za cilj da izlaz modela vještačke inteligencije učini razumljivim ljudima, odnosno da racionalizira na nama shvatljiv način. Dugo nije postojala standardna metodologija za evaluaciju i dokumentovanje ovakvih sistema.
U ranijim istraživanjima, koristeći elektronske medicinske zapise, pokazali smo da različite metode objašnjavanja istog modela mogu proizvesti različita objašnjenja – što nosi potencijalno visok etički rizik, jer medicinsko osoblje može navesti na pogrešne zaključke, što bi u ekstremnim slučajevima moglo ugroziti pacijente.
Potaknuta potrebom predvodila sam tim koji je razvio alat za evaluaciju metoda objašnjive vještačke inteligencije iz kliničke i etičke perspektive. Taj alat je sada registrovan sa EQUATOR Network – međunarodnoj inicijativi za poboljšanje pouzdanosti i vrijednosti zdravstvenih istraživanja. Upotreba ovog alata daje smjernice i omogućava procjenu transparentnosti, upotrebljivosti i pouzdanosti XAI sistema u kliničkom kontekstu.
Daje priliku za identifikuju i ublažavanje ključnih etičkih rizika kao što su pristrasnost prema određenim grupama pacijenata npr. po polu, dobi ili etničkoj pripadnosti kao i preventira prekomjerno oslanjanje na automatizovane odluke.
Nema moderne medicine bez etike i nauke
Pored objašnjive vještačke inteligencije, razvili smo i smjernice za koje doprinose smanjenjenju etičkih rizika u drugim aspektima i fazama razvoja – od modeliranja, dizajna, preko testiranja, do implementacije sistema u kliničkom okruženju.”
Kako ocjenjujete doprinos BHAAAS-a u povezivanju stručnjaka iz dijaspore i Bosne i Hercegovine, posebno kroz naučne skupove poput 16. Dana BHAAAS-a?
“BHAAAS kontinuirano daje izuzetan doprinos povezivanju stručnjaka iz bh. dijaspore sa kolegama u Bosni i Hercegovini. Ne samo da gradi mostove između naučnika i profesionalaca, već i donosi savremena znanja, iskustva i svjetske trendove u domenu medicine, tehnologije i obrazovanja.
Šesnaesti Dani BHAAAS-a su to jasno pokazali – okupili su vrhunske stručnjake iz cijelog svijeta i omogućili razmjenu znanja na nivou koji je apsolutno konkurentan međunarodnim skupovima.”
Kakve utiske nosite sa panela AI and Robotics in Medicine: Innovation, Ethics and Safety i kakav značaj ovakvi paneli imaju za razvoj zdravstvenog sistema u Bosni i Hercegovini?
“Bilo je to izvanredno iskustvo. Panel je omogućio direktan dijalog između stručnjaka iz tehničkih oblasti i medicinske prakse, što smatram ključnim za razvoj zdravstvene tehnologije. S obzirom na brz razvoj AI i robotike, medicinsko osoblje mora biti tehnički osviješteno, dok inženjeri moraju razvijati rješenja koja su utemeljena na stvarnim potrebama zdravstvenih radnika.
Ovakvi događaji omogućavaju da Bosna i Hercegovina prati regionalne trendove i da aktivno uključi u globalni napredak u oblasti digitalnog zdravstva, koristeći znanje i iskustvo stručnjaka iz dijaspore”, zaključila je Branković u razgovoru za Čuvajzdravlje.ba.
Ovogodišnja konferencija okupila je više od 400 učesnika i 165 predavača iz brojnih zemalja svijeta. Tokom četiri dana, u Sarajevu je održano više od 25 tematskih simpozija, koji su obuhvatili ključne oblasti savremene nauke i medicine, uključujući digitalnu patologiju, biomedicinski inženjering, javno zdravstvo, regenerativnu medicinu, translacijsku onkologiju i druge grane koje oblikuju medicinu budućnosti.
BHAAAS je time još jednom potvrdio svoju ulogu kao dinamičan most između nauke, tehnologije, kulture i umjetnosti. Od osnivanja 2009. godine, ova konferencija ostaje važno mjesto susreta znanja, inovacija i vizija, s ciljem poticanja društvenih promjena i unapređenja zdravlja i naučnog razvoja u Bosni i Hercegovini.
(Vijesti.ba)