AI of the Tiger
- Paweł Piotrowski
- 15 gru 2025
- 6 minut(y) czytania
Czyli instynkt zapisany w kodzie
AI stało się dziś jednym z najbardziej nadużywanych pojęć w medycynie laboratoryjnej. W patomorfologii, immunohistochemii i cytologii słyszymy o nim niemal wszędzie – w mikroskopach, skanerach, barwiarkach, oprogramowaniu, a czasem nawet w miejscach, gdzie z „inteligencją” ma ono niewiele wspólnego.
A jednak… AI naprawdę potrafi być bardzo skutecznym narzędziem.
Tylko pod jednym warunkiem: jeśli zrozumiemy, czym ono faktycznie jest.
Nie myślący mózg, tylko instynkt.
Sztuczna inteligencja w patologii nie jest myślącym mózgiem i nie powinna nim być. Nie analizuje historii pacjenta, nie rozumie biologii choroby i nie ma wątpliwości. Nie zadaje pytań i nie bierze odpowiedzialności. Jej sposób działania jest zupełnie inny.
AI działa jak instynkt. Jest szybka, czujna i bezwzględnie konsekwentna. Reaguje na wzorce nie dlatego, że wie, co one oznaczają, ale dlatego, że widziała je już tysiące razy. Jej „intuicja” jest w rzeczywistości efektem treningu na danych, a nie zrozumienia.
W tym sensie przypomina tygrysa. Widzi, reaguje i działa natychmiast, zawsze według tych samych zasad. Nie męczy się, nie traci koncentracji i nie zmienia kryteriów oceny. Jej siłą jest precyzja i powtarzalność, ale jej granicą jest brak kontekstu.
I właśnie dlatego AI nie zastępuje myślenia. Może zauważać, wskazywać i porządkować obraz, ale decyzja diagnostyczna zawsze należy do człowieka. W patologii instynkt jest ogromną wartością — pod warunkiem, że pozostaje narzędziem, a nie sędzią.
Rok 2016 – zanim nazwaliśmy to AI
Moje pierwsze realne zetknięcie z algorytmiczną analizą obrazu miało miejsce w 2016 roku podczas pobytu w Stavanger. Tam miałem okazję poznać dr. Ivara Skålanda, który pokazał mi rozwiązanie umożliwiające automatyczną analizę preparatów HER2.
Nie było to futurystyczne oprogramowanie z wielkim napisem Artificial Intelligence. Był to ImageJ — lub jedna z jego dystrybucji, jak FIJI — klasyczny, otwarty program do analizy obrazu.
Został skonfigurowany do rozpoznawania intensywności barwienia błony komórkowej, oznaczania progów granicznych i automatycznej analizy zeskanowanych preparatów, z możliwością szybkiej weryfikacji przez patomorfologa. Całość opierała się na jasno zdefiniowanych progach, regułach logicznych i porównaniu z oceną manualną.
Bez sieci neuronowych.
Bez „uczenia się” w tle.
Bez czarnej skrzynki.
I mimo to — działało. Co więcej, skonfigurowanie takiego systemu było banalnie proste.
Czy to było AI?
Z dzisiejszego punktu widzenia wielu tak by to nazwało. Technicznie był to po prostu algorytm analizy obrazu.
Ewolucja, nie rewolucja
Dzisiejsze systemy AI w patomorfologii działają w bardzo podobny sposób. Różnica polega na skali danych, szybkości obliczeń, ergonomii interfejsu, możliwościach walidacji klinicznej oraz integracji z laboratoryjnym workflow.
Fundament pozostaje jednak ten sam: rozpoznawanie wzorców w obrazie. Dotyczy to zarówno histologii i cytologii, jak i radiologii.
Gdzie AI naprawdę pomaga.
AI w patomorfologii, IHC i cytologii – naprawdę pomaga, choć nie sprawdza rozpoznań. Co możemy powiedzieć na pewno? Że wspiera decyzje.
W patologii świetnie sprawdza się w analizie IHC Ki-67, ER, PR, PD-L1, HER2,
ocenie FISH,
kontroli jakości (pisałem o tym ostatnio),
wykrywaniu przerzutów,
screeningu cytologii ginekologicznej czy tarczyc,
w ocenie histologicznej biopsji przewodu pokarmowego,
czy biopsji jelita grubego.
Największą wartością algorytmów jest triaż preparatów, standaryzacja scoringu, praca z dużymi wolumenami materiału oraz ograniczanie zmęczenia i subiektywności. To druga para oczu — taka, która się nie męczy i nie traci koncentracji.
VisioPharm i KFBIO – narzędzia, nie wyrocznie
Współczesne platformy, takie jak VisioPharm czy rozwiązania oferowane przez KFBIO, nie próbują „myśleć za diagnostę”. Pozwalają budować i walidować algorytmy, wspierają analizę whole slide imaging, integrują się z cyfrową patologią i realnie skracają czas pracy.
W czasach chronicznego deficytu personelu są dla wielu laboratoriów ratunkiem przed narastającą liczbą niezrealizowanych diagnoz. To nie są czarne skrzynki. To narzędzia robocze — jak mikroskop, nóż mikrotomowy czy barwiarka.
AI a systemy LIS – gdzie naprawdę przebiega granica
Nie istnieją dziś systemy LIS, które podejmowałyby decyzje diagnostyczne w oparciu o AI. I nie jest to brak technologicznej odwagi, lecz świadomy wybór wynikający z odpowiedzialności, jaką niesie diagnostyka medyczna.
Systemy LIS porządkują proces, automatyzują workflow i dbają o spójność danych. AI może wspierać ich fragmenty, ale nie prowadzi diagnostyki jako całości. Granica pomiędzy wsparciem a decyzją musi pozostać wyraźna.
Czy AI zagraża pracy w patomorfologii?
To jedno z najczęściej zadawanych dziś pytań. I jedno z najbardziej emocjonalnych. Za każdym razem, gdy w laboratorium pojawia się nowe oprogramowanie „AI-assisted”, ktoś wcześniej czy później wypowiada to zdanie półżartem, półserio: „No to niedługo nie będziemy potrzebni.”
Tylko że to zdanie mówi więcej o naszych lękach niż o samej technologii.
AI nie pojawiło się w patomorfologii jako odpowiedź na pytanie: „jak zastąpić lekarza?”. Pojawiło się dlatego, że liczba preparatów rośnie szybciej niż liczba ludzi zdolnych je ocenić, a zmęczenie, presja czasu i subiektywność są realnym problemem, z którym środowisko zmaga się od lat. Algorytmy nie weszły do laboratoriów tylnymi drzwiami. Zostały zaproszone, bo miały rozwiązać bardzo konkretne, praktyczne problemy.
Jeśli więc AI miałoby zagrażać pracy patomorfologa, to musiałoby najpierw przejąć coś znacznie trudniejszego niż liczenie jąder czy zaznaczanie błon komórkowych. Musiałoby przejąć odpowiedzialność. A ta odpowiedzialność nie polega na zaznaczeniu obszaru o wysokim Ki-67 ani na wygenerowaniu heatmapy PD-L1. Polega na zrozumieniu kontekstu klinicznego, na łączeniu sprzecznych informacji, na podejmowaniu decyzji w warunkach niepełnych danych i na braniu na siebie konsekwencji tych decyzji.
AI tego nie robi. I długo jeszcze nie będzie.
Algorytm nie wie, że preparat jest „trudny”. Nie czuje, że coś „nie pasuje”. Nie ma doświadczenia wyniesionego z setek rozmów kliniczno-patologicznych ani intuicji, która każe sięgnąć po dodatkowe barwienie wtedy, gdy obraz formalnie spełnia kryteria, ale wewnętrznie budzi niepokój. AI nie zna znaczenia słowa „odpowiedzialność” — zna tylko prawdopodobieństwo.
To dlatego w praktyce AI nie zastępuje patomorfologa, lecz zmienia charakter jego pracy. Przesuwa ciężar z czynności powtarzalnych na interpretację. Z ręcznego liczenia na weryfikację. Z patrzenia godzinami w mikroskop na podejmowanie decyzji, które naprawdę wymagają ludzkiego doświadczenia. Paradoksalnie, im lepsze stają się algorytmy, tym bardziej widoczna staje się rola człowieka jako ostatecznego arbitra.
W laboratoriach, które wdrożyły cyfrową patologię i wsparcie algorytmiczne, nie obserwuje się „redukcji diagnostów”. Obserwuje się coś innego: możliwość obsługi większej liczby przypadków, lepszą standaryzację, mniejszą zmienność międzyosobniczą i realne odciążenie zespołów. AI nie zabiera pracy. Zabiera przeciążenie.
Oczywiście zmienia się też profil kompetencji. Diagnosta przyszłości nie będzie tylko „czytelnikiem preparatów”. Będzie kimś, kto rozumie, jak działa algorytm, jakie ma ograniczenia, gdzie może się mylić i jak go poprawnie używać. To nie jest deprecjacja zawodu. To jego naturalna ewolucja — podobna do tej, którą przeszła radiologia wraz z cyfryzacją obrazów czy biologia molekularna wraz z automatyzacją PCR.
Największym zagrożeniem nie jest więc AI zabierający nam pracę. Największym zagrożeniem jest wiara, że AI „zrobi to za nas” i zwolni z myślenia. Źle użyte algorytmy mogą dawać fałszywe poczucie pewności, a bezrefleksyjne poleganie na wynikach systemów może być groźniejsze niż ich brak. Ale to nie problem technologii. To problem kultury pracy i odpowiedzialności.
AI w patomorfologii nie jest drapieżnikiem polującym na miejsca pracy. Jest wysoko precyzyjnym narzędziem, które — jak każde ostrze — może być użyte dobrze albo źle. W rękach doświadczonego diagnosty staje się przedłużeniem wzroku i koncentracji. W rękach kogoś, kto szuka skrótów, może stać się źródłem błędów.
"Tygrys" nie przejmuje kontroli nad dżunglą. On porusza się w niej szybko, sprawnie i bez wahania. Ale to człowiek decyduje, dokąd go prowadzi.
I dokładnie taką rolę powinno pełnić AI w patomorfologii.
AI of the Tiger
AI w patologii nie musi być myślącym mózgiem. I w gruncie rzeczy nigdy nim nie będzie. Jego rolą nie jest rozumienie choroby, prowadzenie diagnostycznego dialogu ani podejmowanie decyzji w warunkach niepewności. To nie jest jego natura i nie do tego zostało stworzone.
AI w patologii ma być raczej instynktem — szybkim, wyczulonym na detale, bezbłędnym w powtarzalnych zadaniach. Ma zauważać to, co łatwo przeoczyć przy zmęczeniu. Ma wskazywać obszary, które wymagają uwagi, liczyć to, co liczone być musi, i porządkować chaos danych, z którym współczesne laboratoria zmagają się każdego dnia. Robić to bez emocji, bez znużenia i bez utraty koncentracji.
W tym sensie AI przypomina tygrysa. Nie dlatego, że „wie”, co robi, ale dlatego, że reaguje natychmiast, precyzyjnie i zawsze w ten sam sposób. Jego siłą nie jest refleksja, lecz konsekwencja. Nie interpretuje znaczeń — rozpoznaje wzorce. I właśnie w tym jest najlepsze.
Decyzja diagnostyczna zawsze należy do człowieka. To patomorfolog łączy obraz mikroskopowy z kontekstem klinicznym, wynikami badań dodatkowych i doświadczeniem, którego nie da się zapisać w danych treningowych. To człowiek bierze odpowiedzialność za rozpoznanie, za jego konsekwencje terapeutyczne i za pacjenta, który stoi po drugiej stronie preparatu.
Dlatego dobrze użyte AI nie jest zagrożeniem. Jest wsparciem z cienia. Jest narzędziem, które wzmacnia to, co w pracy patomorfologa najcenniejsze, zamiast próbować to zastąpić. Pozwala skupić się na interpretacji zamiast na mechanice, na myśleniu zamiast na liczeniu, na decyzjach zamiast na powtarzalnych czynnościach.
W tym sensie AI jest jednym z najlepszych narzędzi, jakie patomorfologia, immunohistochemia i cytologia dostały w ostatnich latach. Nie dlatego, że jest „inteligentne”, ale dlatego, że dokładnie wie, czym nie powinno być.
Komentarze