Bielik poleciał na studia medyczne. Startup TheLion.AI zrobił z niego eksperta dla szpitali

Dlaczego AI w medycynie wciąż czeka na przełom?

Obecnie globalnym trendem w rozwoju sztucznej inteligencji są tzw. modele fundamentalne – potężne, uniwersalne systemy, takie jak ChatGPT, które potrafią rozwiązywać wiele różnych zadań. Próby stworzenia podobnych modeli dla medycyny napotykają jednak na ogromną przeszkodę: brak dużych, ujednoliconych zbiorów danych.

Jak wyjaśnia zespół TheLion.AI, istniejące zbiory danych medycznych:

• Są rozproszone i często niedostępne – wiele zespołów badawczych pracuje na własnych, utajnionych danych.

• Mają niezgodne formaty – każdy zbiór danych ma inną strukturę. Obrazy zapisane są w różnych formatach (np. DICOM, PNG), a opisy i maski (zaznaczenia obszarów) ukryte są w skomplikowanych plikach, co czyni ich połączenie niezwykle trudnym.

• Charakteryzują się brakiem wspólnego języka – każdy zespół badawczy używa własnych nazw i terminologii do opisywania tego samego zjawiska, co prowadzi do chaosu i uniemożliwia masowe przetwarzanie danych.

Bez rozwiązania tych problemów stworzenie wszechstronnej, medycznej sztucznej inteligencji jest praktycznie niemożliwe.

Rozwiązanie nr 1: UMIE – największa na świecie baza obrazów medycznych

Odpowiedzią na chaos w danych jest projekt UMIE datasets. To pierwsza tak ogromna, publicznie dostępna inicjatywa, która ma uporządkować świat medycznych obrazów.

• Gigantyczna skala: Baza łączy ponad 20 różnych, otwartych zbiorów danych, tworząc kolekcję ponad miliona obrazów medycznych (m.in. tomografii komputerowej, rezonansu magnetycznego i zdjęć rentgenowskich).

• Standaryzacja: Zespół TheLion.AI stworzył specjalne oprogramowanie (tzw. "pipelines"), które automatycznie przetwarza dane z różnych źródeł do jednego, wspólnego formatu.

• Wspólny język: Wszystkie opisy i etykiety zostały przetłumaczone na jeden, międzynarodowy standard – ontologię RadLex, używaną przez Towarzystwo Radiologiczne Ameryki Północnej. Dzięki temu "wirusowe zapalenie płuc" jest tak samo oznaczane w każdym zbiorze danych.

Celem UMIE jest stworzenie czegoś na kształt "ImageNetu dla medycyny" – fundamentalnego zbioru danych, który pozwoli trenować potężne modele AI dedykowane obrazowaniu medycznemu, co znacznie przyspieszy rozwój technologii.

Rozwiązanie nr 2: Eskulap, czyli polski model językowy dla lekarzy

Zespół TheLion.AI nie poprzestał na obrazach. Tworzy również Eskulapa – specjalistyczny, medyczny model językowy oparty na polskim modelu Bielik. Do jego wytrenowania użyto gigantycznej bazy wiedzy:

• Przeanalizowano prawie 20 tysięcy publikacji naukowych.

• Stworzono blisko milion specjalistycznych instrukcji medycznych.

Eskulap ma potencjał, by stać się narzędziem wspierającym lekarzy w analizie dokumentacji medycznej, wyszukiwaniu informacji czy podsumowywaniu historii choroby pacjenta.

Medalion – bezpieczna AI bezpośrednio w szpitalu

Drugi filar działalności startupu rozwiązuje problem bezpieczeństwa. Aby skuteczniej wdrażać sztuczną inteligencęj w szpitalach twórcy thelion.ai założyli spółkę Medalion, która oferuje platformę AI dla szpitali. Szpitale i placówki medyczne obawiają się wysyłania wrażliwych danych pacjentów do zewnętrznych firm i chmur obliczeniowych. Platforma Medalion pozwala ominąć ten problem, umożliwiając tworzenie i trenowanie modeli AI bezpośrednio w lokalnej infrastrukturze szpitala (on-premise).

Dzięki temu placówka medyczna zachowuje pełną kontrolę nad danymi, a jednocześnie zyskuje dostęp do najnowszych technologii sztucznej inteligencji. To kluczowy krok w budowaniu zaufania do AI w sektorze opieki zdrowotnej.

Medalion opracował także zestaw modeli i narzędzi NLP dedykowanych szpitalom i Regionalnym Centrom Medycyny Cyfrowej (RCMC), w tym rozwiązania klasy Small Language Models (SLM), które ułatwiają bezpieczną wymianę i analizę notatek lekarskich. Narzędzia takie jak MedalioNER i AnonimiNER automatycznie wyodrębniają kluczowe informacje kliniczne, standaryzują terminologię oraz anonimizują dane osobowe, co nie tylko pozwala na bezpieczne udostępnianie ustrukturyzowanych dokumentów między jednostkami, ale także umożliwia przekazywanie danych do innych systemów AI (np. zewnętrznych modeli analitycznych czy chmurowych usług) bez narażania prywatności pacjentów.

AI pod strzechy

Medalion aktywnie rozwija współpracę z dostawcami oprogramowania dla szpitali, przychodni i gabinetów lekarskich, integrując swoje rozwiązania AI z największymi systemami do zarządzania placówkami medycznymi. Misją firmy jest demokratyzacja dostępu do sztucznej inteligencji w medycynie – tak, aby każda placówka, od małej przychodni po duży szpital kliniczny, mogła bezpiecznie korzystać z AI. Medalion kładzie szczególny nacisk na odpowiedzialne wdrażanie technologii, dbając o zgodność z regulacjami prawnymi, ochronę danych pacjentów oraz zachowanie kontroli lekarzy nad procesem podejmowania decyzji. Poza tym Medalion prowadzi również badania B+R wspólnie z czołowymi klinikami jako partner technologiczny.

Kim są twórcy polskiej rewolucji w MedTech?

Za projektami Medalion i TheLion.AI stoi interdyscyplinarny zespół ekspertów, którzy łączą świat nauki, medycyny i biznesu. W skład grupy założycielskiej wchodzą:

• Barbara Klaudel (Chief Research Officer): Badaczka uczenia maszynowego, specjalizująca się w przetwarzaniu obrazów medycznych i tworzeniu wielkich zbiorów danych.

• Aleksander Obuchowski (Chief Technology Officer): Specjalista od tworzenia modeli AI i zaawansowanych rozwiązań z zakresu przetwarzania języka naturalnego (NLP).

• Maciej Kotok (Chief Executive Officer): Doświadczony menedżer w sektorze technologii medycznych, z sukcesami w zarządzaniu projektami badawczo-rozwojowymi.

• Rafał Dunal (Co-founder): Ekspert z 25-letnim doświadczeniem w cyfrowej transformacji sektora opieki zdrowotnej.

Grupa badawcza thelion.ai zrzesza ponadto 70 osób, lekarzy, programistów i naukowców, którzy poświęcają swój wolny czas by aktywnie rozwijać rozwiązania open-source sztucznej inteligencji w medycynie.

Misją zespołu jest uczynienie zaawansowanej technologii medycznej bardziej dostępną i bezpieczną, przy jednoczesnym zachowaniu najwyższych standardów ochrony danych. Ich praca, oparta na solidnych podstawach naukowych, ma szansę realnie przyspieszyć wdrożenie AI w polskich szpitalach.