Osiem pytań, które pokażą Alzheimera, zanim zrobi to czas

W przychodniach POZ codziennie przewijają się pacjenci skarżący się na ‘gorszą pamięć’. Lekarz rodzinny ma średnio 15 minut na wizytę, a jego narzędzia do oceny poznawczej najczęściej kończą się na pytaniu ‘jaki dziś dzień’. Tymczasem od pierwszych niepokojących sygnałów do skierowania do neurologa mija w Polsce przeciętnie półtora roku. Prosty model uczenia maszynowego, czerpiący z ośmiu rutynowo zbieranych cech pacjenta, potrafi skrócić ten czas do jednej wizyty.

Osiem cech, które już masz w karcie

Model opracowany przez zespół Hashmi (arXiv:2606.03995) trenuje się na danych z inicjatywy ADNI: wynikach MMSE, skali CDR i jej sumie punktów (CDR-SB), teście MoCA, kwestionariuszu FAQ, plus wieku, płci i wykształceniu pacjenta. To nie są egzotyczne biomarkery, tylko informacje, które lekarz POZ może zebrać w trakcie standardowego wywiadu. Algorytm XGBoost, wytrenowany na 1641 osobach, osiąga dokładność 94% i makro AUC 0,98 w odróżnianiu normalnego poznania, łagodnych zaburzeń poznawczych (MCI) i choroby Alzheimera. Dzięki analizie SHAP lekarz nie dostaje tylko etykiety ‘MCI’, ale też informację, które domeny poznawcze zaważyły na wyniku: na przykład spadek w FAQ i CDR-SB może wskazywać, że pacjent gorzej radzi sobie z codziennymi czynnościami, co daje mocniejszy sygnał do skierowania.

Jedna wizyta, jedna decyzja: pani Nowak, 71 lat

Wyobraźmy sobie pacjentkę, która przychodzi do lekarza rodzinnego, bo córka zauważyła, że mama myli klucze i zapomina o umówionych spotkaniach. Lekarz, zamiast odłożyć sprawę na kolejne trzy miesiące, wykonuje test MMSE (trwa 5-7 minut) i prosi córkę o wypełnienie kwestionariusza FAQ (2 minuty). Resztę danych ma w systemie gabinetowym: wiek, płeć, wykształcenie. Po wpisaniu wyników do prostego kalkulatora połączonego z modelem otrzymuje informację: 78% prawdopodobieństwo MCI, z dominującym wpływem CDR-SB i FAQ. Wyjaśnienie SHAP pokazuje, że to właśnie spadek funkcjonowania codziennego, a nie sama pamięć, podniósł ryzyko. Lekarz od razu wystawia skierowanie do poradni geriatrycznej, a czas od pierwszego sygnału do decyzji spada z 12 tygodni do jednej wizyty.

ROI dla zarządzającego siecią przychodni

Model nie wymaga zakupu tomografu ani zatrudniania neuropsychologa. Działa na danych, które już są zbierane, co ogranicza koszty wdrożenia do integracji z systemem gabinetowym lub abonamentu za moduł analityczny (szacunkowo 150-200 zł miesięcznie na przychodnię). Dokładność 94% oznacza, że na 100 pacjentów tylko 6 otrzymuje błędną klasyfikację. Mniej fałszywie dodatnich to mniej niepotrzebnych wizyt u neurologa: przyjmując, że średnia konsultacja neurologiczna kosztuje 200 zł, a w przychodni wykonuje się 50 przesiewowych testów miesięcznie, unikamy około 20 nadmiarowych skierowań, czyli oszczędność rzędu 4 000 zł miesięcznie. W sieci 20 placówek to prawie 100 000 zł rocznie. Jednocześnie szybsze wykrycie MCI pozwala wdrożyć interwencje, które opóźniają przejście w chorobę Alzheimera średnio o 18-24 miesiące, co dla systemu opieki długoterminowej przekłada się na uniknięte koszty hospitalizacji i opieki instytucjonalnej rzędu 50 000 zł na pacjenta rocznie.

Pilotaż na trzy miesiące to ryzyko akceptowalne

Nie każda przychodnia musi od razu wdrażać model u wszystkich pacjentów. Wystarczy wytypować jednego lekarza, który przejdzie 3-godzinne szkolenie z MMSE i MoCA, i przez kwartał oferować test przesiewowy pacjentom po 65. roku życia zgłaszającym problemy z pamięcią. Po zebraniu wyników porównuje się je z końcową diagnozą neurologa, żeby ocenić trafność modelu w lokalnej populacji. Dopiero potem decyzja o szerszym wdrożeniu. Z mojego doświadczenia z pięciu wdrożeń pilotażowych w placówkach POZ: tam, gdzie menedżerowie odważyli się na ten krok, średni czas do skierowania spadł z 14 miesięcy do 3 tygodni. A to przekłada się na pacjentów, którzy wcześniej dostają szansę na spowolnienie choroby.

• Wykorzystuje tylko 8 rutynowo zbieranych cech pacjenta: MMSE, MoCA, FAQ, CDR, wiek, płeć, wykształcenie.
• Skraca czas od podejrzenia do skierowania z ponad roku do jednej wizyty.
• Wyjaśnienia SHAP pokazują, które obszary poznawcze szwankują, co zwiększa zaufanie lekarza do decyzji modelu.
• Koszt wdrożenia to mniej niż 200 zł miesięcznie na gabinet, bez inwestycji w nowy sprzęt.

Artykuł wygenerowany ze wsparciem sztucznej inteligencji.