Ta sama liczba może znaczyć dwie różne rzeczy

Robimy badania krwi. Lekarz mówi, że wszystko jest w porządku. Wracamy do domu.

Nikt nam jednak nie powiedział, że jeden z wyników jest o 15% wyższy niż przed rokiem. I o 30% wyższy niż dwa lata temu. Wciąż mieści się w „normie”, więc nic nie zostaje oznaczone, nikt nie dzwoni, nikt nie umawia kontroli. Ale wynik się przesuwa. A kierunek, w którym zmierza, znaczy więcej niż miejsce, w którym jest dziś.

Wszystkie systemy kliniczne, z których dziś korzystamy, działają tak samo. Czy wynik jest powyżej granicy, czy poniżej? Tak albo nie. Pod odpowiedź na to jedno pytanie zbudowano całą infrastrukturę współczesnej medycyny. A to jest złe pytanie.

Pytanie, które ma znaczenie

Tego samego dnia w dwóch kartach pojawia się kreatynina 1,4.

Półtora roku temu kreatynina pierwszego pacjenta wynosiła 0,9. Potem 1,0. Potem 1,2. Teraz 1,4. Wystarczy przedłużyć tę linię, by zobaczyć chorobę nerek w perspektywie roku. Ale 1,4 to wciąż mniej niż próg alarmowy. Alarm milczy. Wizyta kończy się zaleceniem: „powtórzyć za trzy miesiące”.

Drugi pacjent ma 1,4 od trzech lat. Stabilnie. Pod kontrolą. Rutyna.

Ta sama liczba. Jeden pacjent ma kłopoty. Drugiemu nic nie jest. Żaden system używany dziś w praktyce klinicznej nie potrafi ich odróżnić. Ani Epic. Ani Cerner. Ani żadne narzędzie AI postawione na ich fundamencie. Wszystkie widzą 1,4 i pytają o to samo: czy wynik przekracza granicę?

Właściwe pytanie brzmi: gdzie ten wynik był, dokąd zmierza i jak szybko?

Każdy lekarz to wie. Każdy system to ignoruje.

Kiedy jeszcze przyjmowałem pacjentów, najlepsi klinicyści, z jakimi pracowałem, robili coś, czego elektroniczna dokumentacja medyczna (EHR) nie umiała zrobić za nich. Wyciągali dawne wyniki i rysowali linie trendu na skrawkach papieru. Pamiętali wartości z trzech lat i myśleli o tym, w którą stronę idą. Nie pytali: „czy ten wynik jest w normie?”. Pytali: „czy z tym pacjentem coś się zmienia?”.

Na takim rozumowaniu opiera się dobra medycyna kliniczna. Tymczasem nie odtwarza go żaden szeroko wdrożony system. EHR stworzono po to, by dokumentować wizyty do rozliczeń. Alerty, by pilnować progów. Narzędzia AI zbudowano na tych samych systemach progowych. Kolejne warstwy technologii, a najprostsze pytanie kliniczne wciąż pozostaje bez odpowiedzi: czy temu pacjentowi z czasem jest lepiej, czy gorzej?

Cena ślepoty na trajektorie

Przewlekłą chorobę nerek ma w Stanach Zjednoczonych 37 milionów dorosłych. Z tego 90% nie ma o tym pojęcia.

Nie z braku danych. Ich kreatynina od lat powoli rośnie. Widać to w dokumentacji, lekarz ogląda wynik przy każdej wizycie, po czym wynik trafia do archiwum i w niepamięć. Przewlekłą chorobę nerek (CKD) wykrytą wcześnie można leczyć za 2000 do 5000 dolarów rocznie. Wykrytą późno trzeba dializować, za 90 000 dolarów rocznie. Który z tych scenariuszy się ziści, zależy od jednego: czy ktoś czytał trajektorię.

Tak samo jest z cukrzycą, niewydolnością serca, POChP, nadciśnieniem tętniczym. Całe lata powolnych zmian, które dałoby się wykryć, a których nie widzą systemy pytające tylko o to, czy dzisiejszy wynik przekracza granicę.

Dlaczego nikt inny tego nie robi

Większość klinicznej AI uczy się na stopklatkach. Jedna wizyta. Jedno pobranie krwi. Jeden moment. Model uczy się zaliczać ten moment do wysokiego albo niskiego ryzyka. Widzi dzisiejszą kreatyninę 1,4. Nie ma pojęcia, ile wynosiła półtora roku temu.

Ze stopklatki nie odczyta się trajektorii. Z jednego punktu nie wykryje się powolnego dryfu. Nie pozwala na to sama architektura. Nie pomoże dorzucenie danych do modelu uczonego na stopklatkach. Nie pomoże większy model. Zmienić trzeba sposób, w jaki przedstawia się pacjenta. Czas musi stać się podstawowym wymiarem, a nie dopiskiem na marginesie.

Tym Chroneme różni się od wszystkiego, co jest na rynku. Nie lepszym algorytmem puszczonym na te same dane, lecz zupełnie innym sposobem przedstawiania zdrowia. Pacjent jest tu ciągłym sygnałem, rozpiętym na lata i na wielu świadczeniodawców, a nie serią oderwanych od siebie wizyt. System widzi, jak parametry zmieniają się razem w czasie, i rozpoznaje moment, w którym trajektoria zaczyna zmierzać tam, gdzie trzeba zareagować.

Co to oznacza w praktyce

Pierwszy pacjent dostaje ostrzeżenie. Drugi nie. Ta sama kreatynina. Różne trajektorie. Różne zalecenia.

Po to właśnie budujemy Chroneme: żeby wychwytywać takie zmiany. Walidujemy system według wcześniej zarejestrowanego protokołu i opublikujemy wyniki, także te, które pokażą, gdzie zawodzi.

Zmiany, które liczą się najwcześniej, rzadko bywają spektakularne. To zmiany powolne. Kreatynina rosnąca o 0,1 na kwartał. Wyjściowe tętno, które co miesiąc przesuwa się o kilka uderzeń w górę. Saturacja, która przez kolejne tygodnie łagodnie opada. Wzorce, których żaden pojedynczy pomiar nigdy by nie zdradził. Wzorce, na które systemy progowe są ślepe z samej swojej konstrukcji.

Tu leży przyszłość klinicznej inteligencji. Nie w wyłapywaniu nagłych zagrożeń. W wyłapywaniu tych, które narastają powoli, zanim staną się nagłe.