Kako bolnice mogu predvidjeti broj pacijenata koje će primiti sutra – i to s nekoliko redaka koda? Na našem AI2MED webinaru istražena je upravo ta tema: primjena neuronskih mreža u predviđanju bolničke zauzetosti i optimizaciji planiranja resursa.
Ciljevi AI2MED projekta
Projekt AI2MED ima za cilj razviti AI kompetencije u zdravstvenom sektoru, kroz edukaciju i suradnju s 16 europskih partnera. Naš je fokus na razvoju održivih AI rješenja za zdravstvene izazove u Hrvatskoj – ne samo kroz tehnologiju, već i kroz potporu stručnjacima koji će ih znati koristiti.
Kroz aktivnosti poput webinara i meetupa, AI2MED povezuje istraživače, liječnike i IT stručnjake te potiče zajednicu koja dijeli znanje i iskustva.
Filip Stipančić upoznao je sve prisutne s AI2MED projektom, a generalni direktor Klinikona Roland Trefftz, keynote govornik našeg posljednjeg webinara, pružio je uvod u neuralne mreže kroz priču o uspjehu u kojoj su voditelji pekare u Njemačkoj iskoristili model neuronskih mreža kako bi predvidjeli količinu kruha potrebnu za sljedeći dan.
Neuralne mreže i predviđanje zauzetosti bolničkih kreveta
Glavni govornik, Hannes Schmidt iz Klinikon GmbH, predstavio je primjer jednostavnih neuronskih mreža koje analiziraju višegodišnje podatke o zauzetosti kreveta. Modeli su trenirani na pet godina podataka, uključujući dnevne i noćne brojke pacijenata, a u nekim su odjelima postigli pogrešku predviđanja od samo 3,85%.
Schmidt je pojasnio da su korištene jednostavne mreže s do 120 neurona, trenirane iterativno kako bi se minimizirala pogreška.
Zanimljivo, dodavanje više podataka ne mora uvijek značiti bolju preciznost. „Petnaest noći je dovoljno u ovom slučaju – 20 ili 30 ne bi značajno povećalo točnost,“ napomenuo je Schmidt. Kao primjer, spomenuo je i mogućnost uključivanja dijagnoza kao varijabli za predviđanje duljine boravka pacijenata.
Jednostavna implementacija, široka primjena
Prema Rolandu Trefftzu, jedan od ciljeva projekta je pokazati da AI može biti jednostavan za implementaciju: „Danas za prediktivni model treba vam tek stranica koda i nešto podataka – ništa više,“ rekao je.
Sustavi koji predviđaju zauzetost mogu bolnicama pomoći u planiranju osoblja i operacija, automatizirati unos podataka te se integrirati u alate poput Excela. Cilj nije zamijeniti ljudsku prosudbu, već je poduprijeti alatima koji olakšavaju svakodnevne odluke.
Trefftz je naglasio i praktičnu dimenziju: „Slobodno nam se javite – rado ćemo vam pomoći da iz vaših podataka izvučete model koji možete sami koristiti.“ Takva suradnja omogućit će bolnicama da brzo testiraju i prilagode AI modele vlastitim odjelima.
Ograničenja i odgovorna uporaba
Iako rezultati izgledaju obećavajuće, stručnjaci su upozorili na potrebu za stalnim praćenjem i validacijom modela. „Neuralne mreže su statistika – ne mogu predvidjeti nepredvidive događaje,“ rekao je Schmidt, podsjećajući da pandemije i drugi ekstremni slučajevi izlaze izvan domene modela.
Hannes Schmidt dodao je da je kritičko razmišljanje ključno: „Ovaj sustav nije izgovor da isključite vlastiti mozak. AI može pomoći, ali odgovornost ostaje na ljudima.“
Primaj obavijesti o nadolazećim prilikama
Prediktivni modeli poput onih prikazanih na webinaru pokazuju koliko AI može unaprijediti učinkovitost i planiranje u bolnicama, ali i koliko je važno razumjeti njihove granice. Neuralne mreže mogu predvidjeti broj pacijenata za sutra – no odluka kako te podatke koristiti i dalje ostaje u rukama ljudi.
Želiš znati više o AI2MED projektu i budućim webinarima? Pretplati se na naš newsletter i prvi primaj obavijesti o nadolazećim eventima.
