Dirbtinis intelektas medicinoje jau nebe teorinė ateities vizija. Lietuvos ligoninėse ir poliklinikose jis padeda radiologams greičiau peržiūrėti rentgeno nuotraukas, patologams tiksliau vertinti navikų biožymenis, dermatologams anksčiau pastebėti odos vėžio požymius, o endoskopuotojams – smulkius gleivinės pakitimus. Sistemos veikia kaip kvalifikuotas asistentas: analizuoja tūkstančius vaizdų, žymi įtartinas zonas, siūlo prioritetus ir sumažina žmogiškosios klaidos riziką. Galutinį sprendimą visada priima gydytojas. Šiame straipsnyje apžvelgiame, kaip konkrečios Lietuvos gydymo įstaigos jau šiandien taiko DI diagnostikoje, kokią naudą tai duoda pacientams ir kokios ribos dar išlieka.
Kodėl diagnostika tapo pirmąja DI taikymo sritimi
Medicininiai vaizdai – rentgeno, kompiuterinės tomografijos, magnetinio rezonanso, mamografijos, dermatoskopijos ar endoskopijos – yra skaitmeniniai duomenys. Dirbtinio intelekto algoritmai, apmokyti milijonais anotacijų turinčių vaizdų, geba greitai atpažinti modelius, kuriuos žmogaus akis gali praleisti dėl nuovargio ar didelio darbo krūvio. Europos Sąjungoje ir Lietuvoje radiologija tapo AI diegimo lyderiu būtent dėl to, kad vaizdai jau yra skaitmeniniai ir standartizuoti.
Lietuvos gydymo įstaigos pradėjo nuo kokybės kontrolės ir rutinių atvejų atrankos, o dabar pereina prie sudėtingesnių užduočių – biožymenų vertinimo, ankstyvosios onkologijos ir realaus laiko pagalbos procedūrų metu. Svarbu pabrėžti: šiuo metu veikiančios sistemos nėra autonominės diagnostikos priemonės. Jos veikia kaip „antrasis skaitytojas“ arba prioritetų nustatymo įrankis.
Lietuvos ligoninių praktiniai pavyzdžiai
Šeškinės poliklinika Vilniuje yra viena pirmųjų viešųjų įstaigų, kuri sistemingai naudoja lietuvių startuolio „Oxipit“ sukurtą dirbtinio intelekto sprendimą krūtinės ląstos rentgeno vaizdams. Sistema geba savarankiškai aprašyti didelę dalį normalių (sveikų) nuotraukų ir veikia kaip kokybės kontrolės sluoksnis – jei algoritmas pastebi pakitimą, kurio radiologas neaprašė, siunčia pranešimą. Praktikoje tai leidžia radiologams daugiau laiko skirti sudėtingiems atvejams, o rutininės normalios nuotraukos apdorojamos greičiau. Tą pačią technologiją poliklinika taiko ir mamografijos rizikos vertinimui.
Respublikinė Klaipėdos ligoninė modernizavo 3 teslų magnetinio rezonanso sistemą su „BioMatrix“ technologija, kuri naudoja dirbtinį intelektą prisitaikyti prie paciento kvėpavimo ir kūno ypatumų. Tai sumažina tyrimų pakartojimų skaičių ir pagerina vaizdų kokybę. Be to, prostatos biopsijų metu AI padeda apskaičiuoti prostatos tūrį ir pažymi įtartinus židinius – ypač naudinga sudėtingais vėžio atvejais. Ligoninėje DI taip pat bandomas kaulų lūžių atpažinimui skubios pagalbos rentgeno vaizduose.
Valstybinis patologijos centras, Vilniaus universiteto ligoninės Santaros klinikų filialas, 2026 m. pradėjo taikyti „Ibex Breast HER2“ algoritmą – pirmąjį CE-IVDR sertifikuotą tokio tipo įrankį Baltijos šalyse. Sistema automatiškai aptinka invazinio krūties vėžio sritis ir vertina HER2 biožymens raišką imunohistocheminiuose preparatuose. Tai ypač svarbu ribinėms ir mažos raiškos atvejams, kur patologų interpretacijos gali skirtis. Tiksliau nustatytas HER2 statusas tiesiogiai veikia gydymo pasirinkimą – ar skirti tikslinę terapiją.
Alytaus apskrities S. Kudirkos ligoninė 2025 m. įsigijo skaitmeninį dermatoskopą su dirbtinio intelekto programine įranga odos vėžio diagnostikai. Sistema padeda greičiau atrinkti rizikos grupės pacientus ir sumažina siuntimų į aukštesnio lygio centrus skaičių. Dermatovenerologai pabrėžia, kad galutinį sprendimą visada priima gydytojas, tačiau AI sumažina klaidos tikimybę didelio krūvio sąlygomis.
Lietuvos sveikatos mokslų universiteto Kauno ligoninės Endoskopijų skyriuje naudojama „Olympus EVIS X1“ sistema su CAD (Computer Aided Diagnosis) funkcija. Dirbtinis intelektas realiu laiku padeda pastebėti smulkius, neiškilius polipus ir kitus gleivinės pakitimus, kurie plika akimi gali būti nepastebimi. Tai didina ankstyvosios diagnostikos tikslumą ir polipektomijos radikalumą.
Ukmergės ligoninė įdiegė „Oxipit Quality“ sistemą krūtinės ląstos rentgeno kokybės kontrolei. Algoritmas veikia kaip virtualus asistentas ir padeda pastebėti galimus praleistus pakitimus.
Šie pavyzdžiai rodo, kad DI diegimas vyksta ne tik didžiosiose universitetinėse klinikose, bet ir regioninėse ligoninėse bei poliklinikose.
Kaip DI keičia diagnostikos procesą – palyginimas
| Sritis | Tradicinis būdas | Su dirbtiniu intelektu | Pagrindinė nauda |
|---|---|---|---|
| Krūtinės ląstos rentgenas | Radiologas peržiūri visas nuotraukas | AI atrenka normalias ir žymi įtartinas | Greitesnis apdorojimas, mažiau praleistų pakitimų |
| Krūties vėžio patologija (HER2) | Rankinis imunohistocheminis vertinimas | AI automatiškai aptinka naviką ir vertina raišką | Didesnis nuoseklumas ribiniuose atvejuose |
| Odos darinių diagnostika | Vizuali apžiūra + paprastas dermatoskopas | Skaitmeninis dermatoskopas su AI rizikos įvertinimu | Greitesnis rizikos grupių atrinkimas |
| Endoskopija | Gydytojo vizualinė apžiūra | Realaus laiko CAD žymėjimas | Geriau pastebimi smulkūs pakitimai |
| Prostatos MRT / biopsija | Rankinis tūrio skaičiavimas ir židinių žymėjimas | AI automatiniai matavimai ir žymėjimas | Tikslumas ir greitis procedūros metu |
| Plaučių vėžio atranka (LDCT) | Rankinis mazgelių matavimas | AI automatinis aptikimas, tūrio skaičiavimas, Lung-RADS | Trumpesnis aprašymo laikas, geresnė standartizacija |
Nauda pacientams ir medikams
Pacientams svarbiausia – greitesni atsakymai ir didesnis tikslumas. Kai AI prioritetizuoja skubius atvejus (pvz., galimą insultą ar pneumotoraksą), kritiniai radiniai nebelieka eilėje. Ankstyvesnė diagnostika onkologijoje didina išgydymo tikimybę. Sumažėjęs pakartotinių tyrimų skaičius reiškia mažesnę spindulinę apkrovą ir trumpesnes eiles.
Gydytojams DI sumažina rutininį krūvį. Radiologas, kuris anksčiau per dieną peržiūrėdavo dešimtis normalių rentgeno nuotraukų, dabar gali daugiau dėmesio skirti sudėtingiems atvejams. Patologams AI padeda išlaikyti nuoseklumą vertinant didelius preparatų kiekius. Endoskopuotojams realaus laiko pagalba didina pasitikėjimą procedūros metu.
Svarbu, kad sistemos yra validuotos ir sertifikuotos (CE žymėjimas, IVDR reikalavimai). Jos veikia kaip sprendimų palaikymo įrankiai, o ne autonominiai diagnostai.
Iššūkiai, kurie dar neišspręsti
Nors nauda aiški, iššūkių netrūksta. Pirma – duomenų kokybė ir kiekis. Algorithmai mokomi dideliais anotacijų turinčiais rinkiniais, o Lietuvos populiacijos duomenys kartais būna riboti. Antra – reguliacija. Europos Sąjungos Dirbtinio intelekto aktas nustato griežtus reikalavimus didelės rizikos sistemoms, įskaitant medicininę diagnostiką. Trečia – integracija į esamas informacines sistemas. Ne visos ligoninės turi modernią PACS ar skaitmeninės patologijos infrastruktūrą.
Ketvirta – gydytojų pasitikėjimas ir mokymas. Kai kurie specialistai vis dar žiūri į AI skeptiškai, ypač jei sistema klysta. Tyrimai rodo, kad geriausi rezultatai pasiekiami tada, kai AI veikia kartu su patyrusiu gydytoju, o ne vietoj jo. Galiausiai – kibernetinis saugumas ir pacientų duomenų apsauga. Medicininiai vaizdai yra jautrūs duomenys, todėl jų apdorojimas turi atitikti BDAR ir nacionalinius reikalavimus.
Lietuvos perspektyvos artimiausiais metais
Sveikatos apsaugos ministerija ir universitetinės klinikos skatina DI diegimą per nacionalines strategijas ir kompetencijų centrus. Santaros klinikos kuria nuosavą DI infrastruktūrą, LSMU ir KTU dalyvauja tarptautiniuose projektuose. Plaučių vėžio atrankos programose AI jau bandomas mazgelių aptikimui ir klasifikavimui pagal Lung-RADS standartus.
Ateityje tikėtina, kad DI plėsis į laboratorinę diagnostiką, elektrokardiogramų analizę, retinopatijos atranką ir retųjų ligų atpažinimą. Svarbu, kad diegimas vyktų skaidriai, su aiškiais validacijos rezultatais ir nuolatiniu monitoringu.
Dirbtinis intelektas Lietuvos ligoninėse jau šiandien keičia diagnostikos kasdienybę – greičiau, tiksliau ir saugiau. Jis nekeičia gydytojo, o amplifikuoja jo gebėjimus. Pacientams tai reiškia ankstesnį ligų aptikimą ir mažesnę klaidų riziką. Sistemai – efektyvesnį resursų naudojimą.
Jei jūsų gydymo įstaiga, startuolis ar mokslinė komanda dirba su dirbtinio intelekto sprendimais medicinoje ir norite pasidalyti patirtimi, tyrimų rezultatais ar bendradarbiavimo galimybėmis – susisiekite. Mūsų medicinos naujienų portalas nuolat ieško ekspertų ir partnerių, norinčių prisidėti prie kokybiško, patikimo turinio kūrimo ir sveikatos priežiūros pažangos Lietuvoje. Rašykite – kartu galime padėti daugiau žmonių gauti tikslesnę ir greitesnę diagnostiką.
