Pranešėja

Juliane Marie NEIIENDAM

Patarėja	Marine CORNELIS (pranešėjos patarėja, III grupė)
Europos Sąjungai pirmininkaujančios Danijos prašymas pateikti nuomonę	Raštas, 2025 m. vasario 7 d.
Teisinis pagrindas	Sutarties dėl Europos Sąjungos veikimo 304 straipsnis
Atsakingas skyrius	Užimtumas, socialiniai reikalai ir pilietybė
Priimta skyriuje	2025 9 3
Priimta plenarinėje sesijoje	2025 9 18
Plenarinė sesija Nr.	599
Balsavimo rezultatai (už / prieš / susilaikė)	97 / 0 / 0

1.   Išvados ir rekomendacijos

1.1.

EESRK palankiai vertina tai, kaip dirbtinis intelektas (DI) gali optimizuoti retosiomis ligomis sergančių pacientų gydymo būdus ir padėti kurti individualiems poreikiams pritaikytus vaistus ir retųjų ligų gydymą, siekiant pagerinti retosiomis ligomis sergančių pacientų sveikatą ir gyvenimo kokybę. Dirbtinis intelektas ir didieji duomenys gali iš esmės pakeisti retųjų ligų gydymą, kartu užtikrinant pacientų teises ir lyčių požiūriu įtraukias sveikatos priežiūros inovacijas. Tačiau DI ir didžiųjų duomenų taikymas retųjų ligų moksliniuose tyrimuose kelia didelį susirūpinimą dėl duomenų privatumo, algoritminio šališkumo, įperkamumo ir geografinio prieinamumo. Siekdamas sumažinti šias problemas, EESRK pateikia įvairių rekomendacijų, kaip užtikrinti, kad DI ir didieji duomenys pagerintų retųjų ligų diagnostiką ir gydymą, kartu laikantis aukštų etinių ir teisinių standartų.

1.2.

EESRK ragina visas ES valstybes nares kuo greičiau skaitmeninti savo sveikatos duomenis, nes norint užtikrinti optimalų Europos sveikatos duomenų erdvės (ESDE) veikimą ir skatinti mokslinius tyrimus reikia kokybiškesnių duomenų registravimo standartų. EESRK rekomenduoja nacionaliniu lygmeniu naudoti ORPHA kodus, kad būtų lengviau dalytis duomenimis tarpvalstybiniu mastu.

1.3.

Įgyvendinant ESDE valstybės narės turėtų užtikrinti, kad DI grindžiamiems sveikatos priežiūros modeliams būtų suteikta prieiga tik prie anonimizuotų ir užkoduotų pacientų duomenų, taip užkertant kelią netinkamam jų naudojimui. Už bet kokį netinkamą sveikatos duomenų naudojimą turi būti taikomos proporcingos ir atgrasančios sankcijos. Be to, EESRK rekomenduoja valstybėms narėms numatyti aiškią pacientų sutikimo naudoti DI sveikatos duomenis sistemą, įsteigti nepriklausomas stebėsenos įstaigas, kurios peržiūrėtų DI sveikatos projektus ir užtikrintų jų skaidrumą.

1.4.

Europos vaistų agentūra turėtų reikalauti paaiškinti išplėstinio intelekto duomenimis pagrįstus sveikatos priežiūros sprendimus, kad būtų užtikrintas skaidrumas; be to, medicinines rekomendacijas ir taikomąsias programas privalėtų prižiūrėti gydytojas.

1.5.

Reikėtų rengti profesinius mokymus apie DI pagrįstas diagnostikos priemones, siekiant paremti retosiomis ligomis sergančių pacientų gydymą ir užtikrinti žmogaus atliekamą priežiūrą. ES, kartu su valstybėmis narėmis, turėtų parengti politikos priemones, kuriomis, bendradarbiaujant su profesinio mokymo įstaigomis, įmonėmis, mokslinių tyrimų centrais, socialiniais partneriais ir pilietine visuomene, būtų skatinamos mokymo programos. ES masto kampanijomis turėtų būti didinamas pacientų ir sveikatos priežiūros specialistų raštingumas DI srityje, siekiant pagerinti informuotumą apie DI vaidmenį diagnozuojant ir gydant retąsias ligas.

1.6.

Sveikatos priežiūros srityje naudojami DI modeliai turėtų būti apmokyti naudojant įvairius ir lyčių požiūriu subalansuotus duomenų rinkinius, kad būtų išvengta diskriminacijos. EESRK rekomenduoja, kad Europos DI tarnyba, bendradarbiaudama su Europos DI valdyba, prieš pateikiant į rinką DI grindžiamas medicinos priemones, skatintų naudoti lyčių įvairove pagrįstus mokymo duomenis, atlikti auditus dėl šališkumo ir su lytimi susijusį testavimą. ES skaitmeninio švietimo veiksmų plane turėtų būti numatytas tikslinis finansavimas moterims DI ir medicinos duomenų mokslo srityje.

1.7.

Europos inovacijos ir technologijos institutas (EIT) turėtų išplėsti mentorystės ir lyderystės programas siekiant užtikrinti didesnį moterų dalyvavimą dirbtiniu intelektu grindžiamoje sveikatos priežiūros sistemoje. Programos „Europos horizontas“ sveikatos veiksmų grupė turėtų finansuoti į lyčių aspektą orientuotus DI mokslinius tyrimus, kad būtų sukurtos geresnės diagnostikos priemonės, skirtos ligoms, kuriomis kur kas dažniau serga moterys ir nepakankamai atstovaujamos grupės (pavyzdžiui, autoimuninės ligos, retos vėžio rūšys).

1.8.

Duomenų valdymo struktūros turi suteikti pacientams galimybę kontroliuoti savo duomenis, įskaitant teisę atšaukti sutikimą ir suprasti, kaip jų duomenys naudojami. Sutikimo suteikimas turėtų būti nuolatinis procesas, o ne vienkartinis formalumas, kad pacientai išlaikytų savo duomenų kontrolę, ypač prieš parduodant DI tvarkomus sveikatos duomenis trečiosioms šalims. Duomenų kooperatyvų arba pacientų valdomų registrų modeliai (pvz., „MIDATA“ Šveicarijoje (1)) tampa alternatyva įmonių arba valstybės duomenų monopolijoms.

1.9.

Pagal programą „Europos horizontas“ ES turėtų skirti finansavimą startuoliams ir MVĮ, kuriantiems DI retųjų ligų diagnostikai, kad būtų išvengta didelių korporacijų dominavimo. Pagal programą „Europos horizontas“ ir Skaitmeninės Europos programą turėtų būti remiamos įperkamos ir prieinamos DI priemonės, pasitelkiant viešojo ir privačiojo sektorių partnerystes. Turi būti užtikrinta sąžininga prieiga prie duomenų, o DI grindžiamos sveikatos inovacijos turėtų išlikti viešai prieinamos.

1.10.

EESRK palankiai vertina prie individualių poreikių pritaikytų vaistų ir retųjų ligų gydymo DI plėtojimą, tačiau pabrėžia, kad reikia nustatyti tvarius kainų nustatymo mechanizmus, kuriais būtų atsižvelgiama į nacionalinę kompetenciją. Viešosioms investicijoms į vaistų kūrimą užtikrinti būtina sąžininga ir tvari retųjų ligų gydymo priemonių kainodara. EESRK rekomenduoja pagal programą „ES – sveikatos labui“ sukurti viešosiomis lėšomis finansuojamą DI grindžiamą retųjų ligų diagnostikos platformą ir įgyvendinti tarpvalstybinį dalijimąsi DI duomenimis, kad mažesnės ligoninės ir mokslinių tyrimų įstaigos galėtų pasinaudoti DI pažanga.

1.11.

Galiausiai, turėtų būti nustatytos ES masto DI sveikatos priežiūros srityje etikos gairės, kuriomis būtų užtikrinta vienoda prieiga ir pacientų sauga.

2.   Įvadas

2.1.

Apskaičiuota, kad 5 proc. visų gyventojų serga genetinėmis ligomis. Retosiomis ligomis serga mažiau nei 1 žmogus iš 2 000, tačiau, kadangi yra daugiau kaip 7 000 retų ligų, našta visame pasaulyje nėra nereikšminga (2). Šiuo metu retomis ligomis serga apie 300 mln. žmonių, iš kurių 30 mln. – Europos Sąjungoje (3).

2.2.

Apie 80 proc. retųjų ligų yra genetinės kilmės, beveik 70 proc. jų prasideda vaikystėje, o apie 30 proc. retosiomis ligomis sergančių vaikų miršta iki penkerių metų amžiaus. Dėl nedidelio šių ligų paplitimo pacientai dažnai patiria didelių sunkumų: vidutiniškai 4–5 metais pavėluota diagnostika, ribotos gydymo galimybės ir koordinuotos priežiūros trūkumas. „Eurordis – Rare Diseases Europe“ duomenimis, 95 proc. retųjų ligų neturi patvirtinto gydymo, todėl milijonai žmonių negauna tinkamos medicininės pagalbos.

2.3.

DI ir didieji duomenys suteikia transformuojamąjį potencialą sprendžiant šias problemas, t. y. pagerinti retosiomis ligomis sergančių pacientų gydymą, tobulinti ankstyvąjį ligos nustatymą, sudaryti sąlygas individualiems poreikiams pritaikytam gydymui ir remti novatoriškus mokslinius tyrimus. DI grindžiamos diagnostikos priemonės gali padėti analizuoti medicininius vaizdus ir genetinius duomenis, kad būtų galima nustatyti retąsias ligas, kai kuriais atvejais iki 90 proc. tikslumu (4). Be to, DI pagalba galima integruoti pacientų registrus visose ES šalyse ir tai padeda tyrėjams nustatyti naujus gydymo būdus.

2.4.

EESRK nuolat reiškė solidarumą su retųjų ligų bendruomene priimdamas nuomones (5), rengdamas konferencijas (2023 m. kovo ir spalio mėn., 2024 m. lapkričio mėn. ir 2025 m. balandžio mėn (6).) ir skatindamas keitimąsi informacija apie retąsias ligas. Komitetas nuolat rėmė raginimą parengti Europos retųjų ligų veiksmų planą, kuriame turėtų būti akcentuojamos dirbtinio intelekto galimybės optimizuoti pacientų priežiūros būdus ir mokslinius tyrimus.

2.5.

ES jau ėmėsi veiksmų siekdama pasinaudoti naujomis technologijomis, kartu užtikrindama pacientų teises: — Europos sveikatos duomenų erdvės (ESDE) ir Europos referencijos centrų tinklų (ERCT) (7) tikslas – saugiai dalytis sveikatos duomenimis visose valstybėse narėse, kad būtų daroma pažanga retųjų ligų mokslinių tyrimų ir gydymo srityje. — ERCT yra tarpvalstybiniai tinklai, jungiantys Europos kompetencijos centrus, kad būtų pagerinta retųjų ligų priežiūra, sudarant sąlygas specialistams konsultuotis sudėtingais atvejais ir rekomenduoti tikslias diagnozes ir gydymą (8). Bendraisiais veiksmais JARDIN (9), kuriems iki 2027 m. skirta 18,75 mln. EUR, remiamas ERCT integravimas į nacionalines sveikatos priežiūros sistemas. — ES DI aktu nustatomos gairės dėl didelės rizikos DI prietaikų sveikatos priežiūros srityje, užtikrinant skaidrumą ir pacientų saugą. — Bendruoju duomenų apsaugos reglamentu (BDAR) užtikrinami griežti privatumo standartai, būtini DI grindžiamiems retųjų ligų moksliniams tyrimams. — ES vaistų strategijoje raginama sukurti geresnes reglamentavimo sistemas, kad būtų skatinamos inovacijos ir moksliniai tyrimai retųjų ligų gydymo srityje.

3.   DI ir didžiųjų duomenų galimybės ir potencialas retųjų ligų srityje

3.1.

DI ir didieji duomenys gali gerokai pagerinti retųjų ligų diagnostiką ir pacientų priežiūros būdus, nes dideliuose duomenų rinkiniuose būtų nustatyti modeliai, kurių pagalba būtų galima anksčiau ir tiksliau nustatyti diagnozę. Tyrimai rodo, kad DI grindžiama diagnostika gali sumažinti diagnostines klaidas iki 40 proc. (10), o mašininio mokymosi modeliai gali sutrumpinti vidutinį diagnozės nustatymo laiką bent vieneriais metais (11).

3.2.

Pagrindinės ES iniciatyvos, pavyzdžiui, programa „Europos horizontas“, Europos sveikatos duomenų erdvė (ESDE), ERCT ir ES DI aktas, suteikia tvirtą reglamentavimo pagrindą naudoti DI retųjų ligų mokslinių tyrimų srityje. 2021–2030 m. ES neįgaliųjų teisių strategijoje pabrėžiamas dirbtinio intelekto vaidmuo pagalbinėse technologijose, kurios turi būti toliau integruojamos į nacionalines sveikatos priežiūros sistemas. Papildomas DI rėmimo sistemų kūrimo finansavimas gali padėti išspręsti kai kurias dabartines su negalia susijusias problemas ir pagerinti retosiomis ligomis sergančių pacientų gyvenimo kokybę, atsižvelgiant į tai, kad aštuoni iš dešimties retosiomis ligomis sergančių žmonių gyvena su negalia (12).

3.3.

Įvairiuose Europos Komisijos finansuojamuose bandomuosiuose projektuose daugiausia dėmesio skiriama DI naudojimui retosioms ligoms gydyti (pavyzdžiui, Compass-NMD, ERAMET, Recon4IMD ir Screen4Care), o Europos sveikatos ir skaitmeninės ekonomikos vykdomoji įstaiga skiria dotacijas, kad stabilizuotų ir dar labiau padidintų ERCT teikiamas galimybes gydyti pacientus, įskaitant DI tyrimą ateityje siekiant geresnio gydymo ir priežiūros. Šios lėšos pirmiausia turėtų būti naudojamos bandomiesiems projektams remti, siekiant užtikrinti nuolatinę ir struktūrinę paramą dalyvaujančioms valstybėms narėms ir institucijoms.

3.4.

Retųjų ligų diagnozavimo vėlavimas yra 4–5 metai (13), dažnai būna daug klaidingų diagnozių, o kai kuriais atvejais tai gali užtrukti daugiau nei dešimtmetį ir tai gali turėti psichologinių ir žmogiškų pasekmių pacientams ir lemti dideles sveikatos priežiūros išlaidas. DI grindžiamomis priemonėmis galima paspartinti diagnostiką analizuojant genetinius duomenis, medicininius įrašus ir vizualizavimo skenavimą, nustatant modelius, kurių žmonės gali nepastebėti (14). Tai ypač svarbu retosiomis genetinėmis ligomis sergantiems vaikams, sudarant sąlygas ankstyvajai intervencijai, arba pacientams, sergantiems vadinamuoju sindromu be pavadinimo (SWAN).

3.5.

95 proc. retųjų ligų atveju nėra patvirtintų gydymo būdų (15). DI pagalba galima paspartinti vaistų atradimą numačius, kaip įvairūs junginiai sąveikaus su ligą sukeliančiomis mutacijomis, taip gerokai sutrumpinant naujų gydymo būdų kūrimo laiką ir sąnaudas. Pavyzdžiui, DI nustatė naujus šoninės amiotrofinės sklerozės (ALS) gydymo būdus, kurie, kaip rodo laboratoriniai tyrimai, pranoksta dabartinį gydymą.

3.6.

DI pagalba galima pritaikyti gydymą atskirų pacientų profiliams, užtikrinant didesnį veiksmingumą ir mažesnį šalutinį poveikį. Bioniniai protezai jau yra testuojami retų nervų ir raumenų ligų atvejais, o tai suteikia naujų reabilitacijos galimybių. Dirbtiniu intelektu varomi egzoskeletai, pavyzdžiui, ATLAS 2030 (16), padeda atgauti judumą vaikams, sergantiems stuburo raumenų atrofija (SMA).

4.   Pagrindiniai iššūkiai ir pavojai

4.1.

Nepaisant teikiamų vilčių, DI ir didžiųjų duomenų taikymas retųjų ligų moksliniuose tyrimuose kelia didelį susirūpinimą dėl žmogaus atliekamos priežiūros, duomenų kokybės, duomenų privatumo, algoritminio šališkumo, įperkamumo ir prieinamumo. Pernelyg pasikliaujant DI gali būti nepaisoma holistinio požiūrio į gydymo strategijas ir etinius aspektus. DI gali pastūmėti priimti racionalius sprendimus, kurie yra netinkami paciento situacijai, nes į DI modelius įtraukti ne visi parametrai. Galutinį sprendimą turi priimti sveikatos priežiūros ir medicinos specialistai.

4.2.

Vienodų galimybių naudotis DI grindžiamomis sveikatos priežiūros inovacijomis užtikrinimas:

4.2.1.

ES vaistų strategijoje pabrėžiama, kad reikia skatinti inovacijas retųjų ligų gydymo ir DI grindžiamų vaistų, ypač retųjų ligų, kurioms trūksta komercinių paskatų moksliniams tyrimams, atradimo srityje. Toks gydymas yra nepaprastai brangus ir daro didelį poveikį sveikatos biudžetams.

4.2.2.

Europoje yra nedaug duomenų apie retąsias ligas ir jie yra fragmentiški, o tai riboja didelio masto DI analizę. Neturint standartizuotų aukštos kokybės duomenų, DI gali būti naudingas tik plačiai paplitusių ligų gydymui arba turtingoms gyventojų grupėms. Prieiga prie DI priemonių yra nevienoda ir ši nelygybė didėja dėl kaimo ir miesto skirtumų, skaitmeninės sveikatos infrastruktūros skirtumų tarp šalių ir didelių gydymo išlaidų. Norint užtikrinti veiksmingą DI grindžiamą gydymą, labai svarbu užtikrinti prieigą prie kokybiškų duomenų.

4.3.

DI modelių šališkumas ir lyčių skirtumai:

4.3.1.

Moterys kur kas dažniau serga autoimuninėmis ir lėtinėmis retosiomis ligomis ir, palyginti su ta pačia liga sergančiais vyrais, vidutiniškai ketveriais metais ilgiau laukia diagnozės (17). Daugumoje ikiklinikinių tyrimų naudojami europiečių kilmės vyrų duomenys (18), todėl taikant DI modelius, apmokytus naudojant šiuos duomenų rinkinius, moterų ligos dažniau klaidingai diagnozuojamos (19). Taip pat pastebima bloga piktnaudžiavimo moterų sveikatos duomenimis tendencija (20). DI grindžiamose sveikatos stebėsenos programėlėse dažnai stebimi ir saugomi neskelbtini reprodukcinės sveikatos duomenys, o tai kelia susirūpinimą dėl privatumo (21).

4.3.2.

Dauguma suaugusiems skirtų vaistų dozuojami vienodai tiek vyrams, tiek moterims, neatsižvelgiant į žinomus kūno svorio, sudėties ir metabolizmo skirtumus, todėl moterims kyla vaistų perdozavimo pavojus. Moterims dažnai pasireiškia didesnė vaistų koncentracija kraujyje ir ilgesnis šalinimo laikas, todėl nepageidaujamų reakcijų pasitaiko maždaug du kartus dažniau nei vyrams (22). DI modeliai gali sustiprinti šią problemą, tačiau taip pat gali padėti užtikrinti diferencijuotą vaistų vartojimo režimą.

4.3.3.

DI priemonės, apmokytos naudojant ribotus arba žemos kokybės duomenų rinkinius, negali diagnozuoti retųjų ligų nepakankamai atstovaujamose etninėse ar socialinėse ir ekonominėse grupėse. Jos gali nepastebėti netipinių simptomų, būdingų moterims, vaikams ar dėl rasės diskriminuojamoms bendruomenėms, ir atkartoti sisteminius sveikatos priežiūros sistemų ir gydytojų bei pacientų pokalbių šališkumus, pavyzdžiui, pasitikėjimo tam tikromis pacientų kategorijomis trūkumą, o tai turi įtakos tam, kam diagnozuojama liga ir kas siunčiamas gydytis. Tyrimas rodo, kad juodaodėms moterims diagnozė nustatoma 40 rečiau ir vidutiniškai 2,6 metais vėliau nei baltaodėms moterims (23). 2020–2025 m. ES lyčių lygybės strategijoje pabrėžiamas lyčių požiūriu įtraukių sveikatos priežiūros technologijų poreikis ir raginama vykdyti lyčių aspektu grindžiamus dirbtinio intelekto mokslinius tyrimus, kad būtų išvengta diskriminacijos sveikatos priežiūros srityje.

4.4.

Rizika duomenų privatumui ir saugumui:

4.4.1.

DI modeliams reikia didelio kiekio pacientų duomenų, kad jie galėtų veiksmingai veikti, todėl kyla problemų dėl duomenų privatumo, nuosavybės, informuoto asmens sutikimo ir saugumo pažeidimų. Duomenys apie retąsias ligas visoje Europoje yra labai suskaidyti, todėl sunku atlikti didelio masto DI analizę. ESDE ir ERCT siekiama sudaryti palankesnes sąlygas saugiam ir standartizuotam dalijimuisi duomenimis, tačiau tebekyla problemų dėl duomenų kokybės, techninio sąveikumo ir pacientų sutikimo. ORPHA kodų įvedimas padeda, tačiau jie nėra nuosekliai naudojami visoje Europoje (24).

4.4.2.

Dabartinės sutikimo sistemos dažnai yra netinkamos ilgalaikiam DI naudojimui, ypač kai duomenys pakartotinai naudojami ne pagal pirminę paskirtį. Renkant duomenis pacientai retai informuojami apie būsimas taikomąsias programas. Tai ypač opus klausimas retosiomis ligomis sergantiems pacientams, kurie gali jausti stiprų spaudimą dalytis savo duomenimis iš solidarumo ar situacijos skubos. Be apsaugos priemonių kyla pavojus duomenų kolonializmui, t. y. neskelbtinų duomenų gavimui mainais negaunant teisingos naudos.

4.4.3.

BDAR saugomi asmens sveikatos duomenys, tačiau DI grindžiamiems moksliniams tyrimams dažnai reikia tarpvalstybinio duomenų kaupimo, todėl būtinos aiškios etikos gairės dėl duomenų nuosavybės ir privatumo. Norint iš tiesų padėti retosiomis ligomis sergantiems žmonėms, DI naudojimas turi būti valdomas skaidriai, atskaitingai ir gerbiant pacientų teises. Todėl dirbtinio intelekto naudojimas turi būti aiškiai paminėtas, o duomenys – užšifruoti.

4.5.

Valdymas: DI ir didžiųjų duomenų naudojimas retųjų ligų srityje yra kritiniame etape. Nors šios technologijos užtikrina spartesnę diagnozę ir geresnį gydymą, jos gali sustiprinti nevienodą pacientų, sveikatos priežiūros sistemų ir privačių subjektų galios dinamiką. Neturint aiškaus valdymo, retųjų ligų duomenys, dažnai gaunami iš pažeidžiamų pacientų, galėtų tapti preke, kurią kontroliuoja kelios technologijų įmonės ar įstaigos.

4.6.

ES DI akte sveikatos priežiūros DI klasifikuojamas kaip keliantis didelę riziką, todėl modeliai turi būti paaiškinami ir patikrinami. Be to, BDAR apsaugomi sveikatos duomenys. Tačiau kyla tam tikrų esminių klausimų: kam priklauso duomenys? Kas nusprendžia, kaip jie bus naudojami ar išnaudojami komerciniais tikslais? Ir kas gauna naudos? Nesant griežtos viešosios priežiūros, taikomos pagal galiojančią ES teisės aktų sistemą, pacientai gali prarasti savo asmeninės informacijos kontrolę DI sistemose, kurių jie negali suprasti arba kritiškai vertinti.

4.7.

Dirbtinis intelektas gali būti veiksminga priemonė susiaurinant galimų diagnozių sąrašą, ypač retų ar sudėtingų ligų atveju, tačiau medicininiai sprendimai visada turi būti prižiūrimi žmogaus. Prieš imdamiesi klinikinių veiksmų, sveikatos priežiūros specialistai turėtų kritiškai įvertinti DI parengtas rekomendacijas. Ankstesnės klaidos, pavyzdžiui, nesaugūs „IBM’s AI Watson for Oncology“ (25) pateikti vėžio gydymo pasiūlymai rodo, kad DI grindžiamos sveikatos priežiūros srityje reikia patikimumo ir atskaitomybės. Siekiant didinti pasitikėjimą ir informacija pagrįstą sprendimų priėmimą, labai svarbu skatinti DI skaidrumą ir padėti tiek sveikatos priežiūros specialistams, tiek pacientams suprasti, kaip DI generuoja diagnostinius rezultatus.

4.8.

Ekonominės kliūtys ir MVĮ kylantys iššūkiai:

4.8.1.

DI grindžiamoms medicinos technologijoms ir retųjų ligų modeliams kurti reikia didelės skaičiavimo galios ir prieigos prie didelių duomenų rinkinių, o tai brangiai kainuoja ir sukuria kliūčių mažosioms ir vidutinėms įmonėms (MVĮ). Pažangiausio DI modelio mokymas gali kainuoti daugiau kaip 10 mln. EUR (26), todėl jis tampa neprieinamas MVĮ.

4.8.2.

Didelės technologijų įmonės dominuoja DI grindžiamuose sveikatos priežiūros tyrimuose, o tai riboja konkurenciją. Pagal Novatoriškų sveikatos sprendimų iniciatyvą remiamas viešojo ir privačiojo sektorių bendradarbiavimas, tačiau reikia papildomų paskatų siekiant skatinti DI grindžiamus medicininius mokslinius tyrimus. ESDE turėtų paspartinti bendrą saugų keitimąsi duomenimis visoje Europoje ir tarp įmonių.

4.8.3.

ES gali remti MVĮ ir startuolius, naudojančius taikomuosius mokslinius tyrimus retųjų ligų DI srityje, teikdama tikslinį finansavimą, pavyzdžiui, pagal programą „Europos horizontas“. Nors šios programos veiksmų grupė „Sveikata“ remia medicininį DI, ji skiria nepakankamai dėmesio retosioms ligoms.

4.8.4.

ES skaitmeninių inovacijų centrai siekia remti MVĮ, tačiau specialus DI finansavimas yra ribotas ir nepakankamas. Pagal 2025–2027 m. Skaitmeninės Europos darbo programą DI sveikatos priežiūros srityje skirta 90 mln. EUR, tačiau numatoma, kad pasaulinė genų terapijos rinka iki 2027 m. sieks 19,88 mlrd. USD (27). Programos „Europos horizontas“ sveikatos veiksmų grupė remia DI inovacijas retųjų ligų diagnostikos srityje, tačiau reikia padidinti finansavimą klinikiniam diegimui.

5.   DI poveikis sveikatos priežiūros darbuotojams ir užimtumui

5.1.

DI ir didžiųjų duomenų naudojimas retųjų ligų srityje pakeis sveikatos priežiūros specialistų vaidmenį. Tais atvejais, kai DI pagalba bus automatizuojamos tam tikros užduotys, jis taip pat padidins sveikatos priežiūros darbuotojų vaidmenį ir sudarys jiems sąlygas skirti dėmesį sudėtingesniems ir į žmogų orientuotiems priežiūros aspektams. Siekiant užtikrinti, kad sveikatos priežiūros specialistai galėtų veiksmingai naudoti DI grindžiamas priemones, kartu išlaikant žmogaus atliekamą priežiūrą, turėtų būti parengtos specialiai pritaikytos mokymo, kvalifikacijos kėlimo ir perkvalifikavimo programos. Jos turėtų apimti ne tik techninius įgūdžius, bet ir etinius bei saugos aspektus ir būti rengiamos bendradarbiaujant su profesinio mokymo įstaigomis, įmonėmis, mokslinių tyrimų centrais, socialiniais partneriais ir atitinkamomis pilietinės visuomenės organizacijomis.

5.2.

DI ir medicinos duomenų mokslo srityje vis dar nepakankamai atstovaujama moterims, kurios visame pasaulyje sudaro tik 22 proc. DI specialistų (28), o atliekant medicininius DI mokslinius tyrimus joms vis dar nepakankamai atstovaujama. Ši lyčių nelygybė gali lemti šališkus algoritmus, ribotas moterų perspektyvas mokslinių tyrimų srityje ir nelygybę sveikatos priežiūros srityje.

5.3.

Profesinės sąjungos ir darbuotojų atstovai turėtų dalyvauti DI valdyme vykdant socialinį dialogą, kad būtų užtikrintos darbuotojų teisės ir prasmingas dalyvavimas, atsižvelgiant į nacionalinių darbo santykių sistemų ypatumus. Be to, reikia atidžiai įvertinti DI sistemų teikiamą naudą ir riziką sveikatai ir saugai, o bet kokia rizika turėtų būti tinkamai sumažinta. Šie veiksniai nurodyti EESRK nuomonės „Darbuotojų sveikata ir sauga. Dabartiniai ir būsimi iššūkiai, susiję su tradicinėmis ir naujomis technologijomis, akcentuojant dirbtinį intelektą  (29) 2.5 ir 2.6 punktuose.

5.4.

EESRK įvairiose nuomonėse jau yra nagrinėjęs DI darbo rinkoje (30) (31) (32). EESRK toliau stebi DI poveikį darbo rinkai ir teikia rekomendacijas, kaip nuolat atnaujinti įgūdžius ir užtikrinti sąžiningą ir teisingą darbdavių, darbuotojų ir pilietinės visuomenės bendradarbiavimą, susijusį su didėjančiu DI vaidmeniu ES.

---

(1)   MIDATA.

(2)   The landscape for rare diseases in 2024.

(3)   Retosios ligos – Europos Komisija.

(4)   A look at AI-driven medtech for rare disease diagnosis.

(5)   OL C, C/2025/115, 2025 1 10, ELI: http://data.europa.eu/eli/C/2025/115/oj, OL C, C/2025/105, 2025 1 10, ELI: http://data.europa.eu/eli/C/2025/105/oj, OL C 75, 2023 2 28, p. 67 and OL C, C/2024/879, 2024 2 6, ELI: http://data.europa.eu/eli/C/2024/879/oj.

(6)   Konferencijos retųjų ligų klausimais.

(7)   Europos referencijos centrų tinklai.

(8)   Visuomenės sveikata. ERCT.

(9)   Integrating European Reference Networks into national health systems.

(10)   AI in Healthcare to Reduce Diagnostic Errors by 40 % | Keev Capital.

(11)   Reducing diagnostic delays using machine learning.

(12)   Recognising the disabilities of those living with rare diseases.

(13)   Survey reveals lengthy diagnostic delays for rare disease patients.

(14)   Efficiency of computer-aided facial phenotyping (DeepGestalt).

(15)   Expanding research into rare diseases.

(16)   Marsi Bionics | Enabling human walking.

(17)   Gender Data Health Gap Report.

(18)   Rare disease day 2025 reflecting on a year of progress and the challenges ahead.

(19)   Are AI tools failing women’s health?.

(20)   Female health apps misuse highly sensitive data.

(21)   Pregnancy tracking tech with *privacy not included warning.

(22)   Sex Differences in Pharmacokinetics.

(23)   Time of diagnosis across racial and ethnic groups.

(24)   ORPHA codes.

(25)   Watson Supercomputer Recommended Unsafe Treatments.

(26)   The Cost of Implementing AI in Healthcare: Tips and Insights for 2025.

(27)   8 things you should know about gene therapy.

(28)   Act now to close the digital gender gap in AI.

(29)  Europos ekonomikos ir socialinių reikalų komiteto nuomonė. Darbuotojų sveikata ir sauga. Dabartiniai ir būsimi iššūkiai, susiję su tradicinėmis ir naujomis technologijomis, akcentuojant dirbtinį intelektą (tiriamoji nuomonė ES Tarybai pirmininkaujančios Lenkijos prašymu) (OL C, C/2025/2958, 2025 6 16, ELI: http://data.europa.eu/eli/C/2025/2958/oj).

(30)  Europos ekonomikos ir socialinių reikalų komiteto nuomonė. Darbuotojams palankus dirbtinis intelektas. DI potencialo išnaudojimo ir rizikos mažinimo svertai užimtumo ir darbo rinkos politikos kontekste (nuomonė savo iniciatyva) (OL C, C/2025/1185, 2025 3 21, ELI: http://data.europa.eu/eli/C/2025/1185/oj).

(31)  Europos ekonomikos ir socialinių reikalų komiteto nuomonė. Naujų technologijų, skirtų viešosioms paslaugoms, darbo organizavimui ir lygesnėms bei įtraukesnėms visuomenėms, perspektyvų kūrimas ir rizikos valdymas (tiriamoji nuomonė Europos Komisijos prašymu) (OL C, C/2025/114, 2025 1 10, ELI: http://data.europa.eu/eli/C/2025/114/oj).

(32)  Europos ekonomikos ir socialinių reikalų komiteto nuomonė. Darbo laikas, ekonomikos efektyvumas ir darbuotojų gerovė (be kita ko, atsižvelgiant į skaitmeninius pokyčius ir darbo automatizavimą): teisinė ir lyginamoji padėties ES valstybėse narėse analizė (tiriamoji nuomonė ES Tarybai pirmininkaujančios Lenkijos prašymu) (OL C, C/2025/2960, 2025 6 16, ELI: http://data.europa.eu/eli/C/2025/2960/oj).