Lemana Spahić je dva puta doktorirala. Njen obrazovni put je bio u Bosni i Hercegovini i inostranstvu. Objavila je više od 50 naučnih radova u časopisima, zbornicima radova i poglavljima knjiga.

Prošle godine je na Internacionalnom Burch Univerzitetu (IBU) doktorirala na primjeni vještačke inteligencije za klasifikaciju poremećaja fetusa pri ultrazvučnom snimanju.

Kao stipendistica u okviru prestižnog projekta “Marie Sklodowska Curie Decode ITN” nedavno je na Univerzitetu u Kragujevcu doktorirala višeskalno modeliranje progresije aterosklerotskog plaka korištenjem modeliranja zasnovanog na agentima.

Na Međunarodnoj konferenciji medicinskih i bioloških inženjera Bosne i Hercegovine(CMBEBiH) 2019. je nagrađena za najbolji naučno-istraživački rad dok ju je Međunarodna mjeriteljska konfederacija (IMEKO) prošle godine nagradila za najbolji poster.

Spahić je radila kao šefica Odjela za istraživanje i razvoj laboratorija CH LAB u Tuzli te kao viša asistentica na Odsjeku za genetiku i bioinženjering IBU-a. Trenutno je zaposlena u Institutu Verlab iz Sarajeva.

Generalna sekretarka je Društva za medicinski i biološki inženjering u Bosni i Hercegovini te je bila angažovana na standardizaciji postmarketinškog nadzora medicinskih uređaja u skladu sa standardima Instituta udruženja elektroinženjera za standardizaciju (IEEE), čije je sjedište u Sjedinjenim Američkim Državama.

Članica je uredničkog odbora naučnog časopisa PlosONE te je recenzentica velikog broja časopisa iz oblasti biomedicinskog inženjeringa.

Spahić je u intervjuu za Klix.ba govorila o svom naučnom i životnom putu, o onome čime se bavila u svojim doktoratima, razvoju dijagnostičkih alata u medicini, preprekama u biomedicinskom inženjeringu, primjeni vještačke inteligencije u medicini i genetici te koji su joj naredni ciljevi u naučnom radu.

Kako je izgledao vaš naučni, ali i životni put ka dvostrukom doktoratu?

Moj put ka dvostrukom doktoratu oblikovan je dugotrajnim procesom učenja, preispitivanja i donošenja odluka, ne uvijek linearnim, ali dosljedno vođen jasnim osjećajem svrhe. Odluka da istovremeno razvijam dvije istraživačke agende proizašla je iz uvjerenja da kompleksni izazovi, naročito u zdravstvu, zahtijevaju proširenje vidika, interdisciplinarne i sistemske pristupe.

Nisam se vodila idejom prestiža, već željom da povežem inženjersku preciznost s biomedicinskim potrebama i time doprinesem razvoju rješenja koja imaju direktan utjecaj na kvalitet života ljudi.

Na tom putu sam se susretala s brojnim izazovima – akademskim, logističkim, ali i ličnim. Balansiranje između dva doktorata, rada u industriji, angažmana u institucijama i ličnog života zahtijevalo je visoku dozu organizacije, upornosti i emocionalne otpornosti. Ipak, svaki izazov je bio i prilika da širim svoje granice – intelektualno, profesionalno i lično.

Učila sam kako upravljati složenim projektima, kako donositi odluke pod pritiskom i kako ostati vjerna svojim vrijednostima čak i kada je najlakše bilo odustati.

U ovom procesu ključnu ulogu imala je podrška moje porodice, prijatelja i mentora. Njihovo razumijevanje, ohrabrenje i vjera u mene činili su nevidljivu, ali čvrstu mrežu oslonca u trenucima iscrpljenosti i sumnje. Taj lični aspekt, često zanemaren u akademskim narativima, bio je temelj mog kontinuiteta, unutrašnje snage i otpornosti na kompleksne izazove.

Dvostruki doktorat nije kraj puta, već temelj, validacija da je moguće graditi mostove između različitih znanja i sektora te da se vizija može ostvariti kada iza nje stoji posvećenost i jasno usmjeren trud. Taj proces me oblikovao ne samo kao naučnicom, već i kao liderkom koja želi graditi sisteme u kojima će i drugi imati priliku ostvariti slične puteve.

Posebno mi je važno da moj primjer bude poruka mladim ženama da se mogu kretati u visoko zahtjevnim naučnim, tehnološkim i inženjerskim domenima, bez kompromisa po pitanju svojih vrijednosti, identiteta i autentičnosti. Vjerujem u liderstvo koje nije hijerarhijsko, već inkluzivno, inspirativno i zasnovano na znanju i viziji.

Moj cilj nije samo profesionalni uspjeh, već stvaranje prostora u kojem će svi imati jednaku podršku i sistemske uslove da vode, oblikuju i transformišu svijet nauke i tehnologije.

Objasnite nam plastično šta je ono čime ste se bavili prvim doktoratom, a čime drugim doktoratom?

Prvim doktoratom bavila sam se razvojem sistema vještačke inteligencije za ranu, prenatalnu detekciju rizika od neurorazvojnih poremećaja kod fetusa, koristeći interpretaciju četverodimenzionalnog ultrazvuka sofisticiranim algoritmima dubokog učenja.

Cilj je bio omogućiti personalizovanu procjenu rizika i otvoriti mogućnosti za ranu intervenciju, pa čak i potencijalno prenatalno liječenje. To istraživanje je spojilo tehničke metode i kliničku relevantnost, s jasnim fokusom na preventivnu medicinu.

Drugi doktorat bio je znatno fokusiran na multiskalno modeliranje ateroskleroze. Kombinovanjem metoda konačnih elemenata, agentskog modeliranja i surogat modela zasnovanih na dubokom učenju razvila sam okvir za predikciju rasta aterosklerotskog plaka u vremenu i prostoru.

Time je omogućen bolji uvid u mehanizme progresije bolesti na više nivoa, od ćelijskog do vaskularnog, uz potencijalnu primjenu u personalizovanoj medicini i optimizaciji terapijskih strategija.

Iako naizgled različiti, ova dva doktorata su za mene predstavljala komplementarne pristupe istom cilju – razumijevanju i unapređenju zdravlja kroz tehnologiju. Prvi je bio orijentisan na direktnu kliničku primjenu i razvoj alata kojima se može donijeti trenutna korist pacijentima dok je drugi pružio dublje razumijevanje patofizioloških procesa kroz mehanističko modeliranje.

Raditi oba doktorata je imalo dubokog smisla jer mi je omogućilo da se krećem između nivoa apstrakcije – od molekularnog i ćelijskog nivoa do sistemske primjene u realnim kliničkim scenarijima. Ta integracija teorije i prakse, temeljne nauke i inženjerske primjene, dala mi je širi i dublji pogled na to kako možemo graditi mostove između in silico laboratorije i bolnice, između znanja i stvarne promjene.

Šta je to potrebno da bi se napravio jedan dijagnostički alat za medicinske svrhe, kako izgleda proces od ideje do finalnog proizvoda?

Razvoj dijagnostičkog alata za medicinske svrhe je višefazni i strogo regulisan proces koji zahtijeva interdisciplinarnu saradnju između inženjera, kliničara, regulatornih stručnjaka i krajnjih korisnika. Sve počinje identifikacijom kliničke potrebe, jasnog problema koji se treba riješiti alatom. Slijedi faza konceptualizacije i dizajna, gdje se razvija početni prototip na osnovu postojećih naučnih saznanja, algoritama ili bioloških markera.

Nakon toga dolazi validacija u laboratorijskim i simulacijskim uslovima, a onda testiranje u kontrolisanom kliničkom okruženju kako bi se procijenile performanse, sigurnost i robusnost alata. Paralelno se priprema dokumentacija za regulatorna tijela (npr. CE mark, FDA), uz poštovanje standarda za medicinske uređaje (npr. ISO 13485, ISO 14971). Tek nakon uspješne kliničke evaluacije i dobijanja odobrenja, alat može u proizvodnju i širu primjenu.

Ključno je da cijeli proces bude iterativan, povratne informacije iz prakse se stalno integrišu zbog optimizacije. Na kraju, pravi uspjeh alata se ne mjeri samo njegovom tačnošću, već i sposobnošću da se uklopi u klinički radni tok, poboljša ishod liječenja i ostvari održivu vrijednost u zdravstvenom sistemu.

Koje su prepreke s kojim se susreću istraživači u polju biomedicinskog inženjeringa u praksi?

Istraživači u biomedicinskom inženjeringu se u praksi susreću s nizom prepreka koje su tehničke, regulatorne, institucionalne i sistemske prirode. Jedna od ključnih je složenost translacije gdje prelazak od inicijalnog prototipa do klinički validiranog i komercijalno dostupnog rješenja zahtijeva ogromna sredstva, rigoroznu validaciju i dugotrajan regulatorni proces.

Drugi izazov je pristup kliničkim podacima visoke kvalitete. Iako su podaci osnova za razvoj pouzdanih algoritama i uređaja, često su fragmentirani, heterogeni ili nedostupni zbog pravnih i etičkih ograničenja. Osim toga, saradnja između akademije i industrije nije uvijek sistemski podržana, što usporava inovacije i onemogućava skalabilnost rješenja.

Infrastruktura za eksperimentalni razvoj i testiranje, kao i pristup multidisciplinarnim timovima, često je ograničena u manje razvijenim istraživačkim sredinama. Na kraju, postoji i izazov prihvatanja inovacija u kliničkoj praksi jer bez snažne edukacije i uključivanja zdravstvenih radnika u proces razvoja, čak i tehnološki superiorna rješenja mogu ostati neimplementirana.

Mi u Verlab Institutu ove izazove adresiramo sistemski, kroz integraciju istraživačkog, regulatornog i industrijskog znanja unutar jedinstvenog okvira. Fokusirani smo na razvoj validacionih protokola, ranu regulatornu strategiju i blisku saradnju s kliničkim partnerima, što omogućava bržu i sigurniju translaciju tehnologije u praksu.

Naglasak stavljamo na osiguranje kvaliteta podataka i izgradnju infrastrukture za testiranje medicinskih algoritama u kontrolisanim, ali klinički relevantnim uslovima. Kroz našu multidisciplinarnu mrežu stručnjaka iz biomedicine, inženjeringa, vještačke inteligencije i regulative stvaramo okruženje koje podržava razvoj visokotehnoloških rješenja, od ideje do certifikovanog proizvoda.

Aktivno radimo i na edukaciji mladih istraživača i povezivanju s međunarodnim centrima izvrsnosti jer vjerujemo da je održiva inovacija moguća samo ako gradimo kapacitete unutar zajednice.

Šta će primjena vještačke inteligencije u oblasti kojom se bavite konkretno značiti za ljude u preveniranju, ranom otkrivanju bolesti i liječenju?

Primjena vještačke inteligencije u mojoj oblasti donosi značajne koristi u tri ključna segmenta – prevenciji, ranom otkrivanju i liječenju bolesti. U segmentu prevencije, sistemi vještačke inteligencije omogućavaju analizu velikih i heterogenih podataka – od genetičkih informacija, preko kliničkih podataka do podataka o životnom stilu kao faktoru, čime se precizno identificiraju pojedinačni i populacijski rizici.

Takvim pristupom omogućavaju se ciljne preventivne mjere i pravovremeno praćenje stanja, što može spriječiti razvoj bolesti prije pojave simptoma.

U ranom otkrivanju bolesti, algoritmi vještačke inteligencije mogu detektovati vrlo suptilne i kompleksne obrasce u medicinskim slikama, biološkim markerima ili drugim dijagnostičkim parametrima koje je teško uočiti konvencionalnim metodama. Time se značajno povećava tačnost i brzina dijagnoze, omogućavajući ljekarima da reagiraju pravovremeno, prije nego što bolest uznapreduje.

Što se tiče liječenja, vještačka inteligencija podržava razvoj personalizovanih terapijskih pristupa. Analizom podataka o pacijentima i njihovim odgovorima na različite tretmane pomaže u optimizaciji terapija prilagođenih specifičnim potrebama svakog pojedinca. To ne samo da poboljšava efikasnost liječenja, nego i smanjuje rizik od neželjenih efekata, čime se podiže ukupni kvalitet zdravstvene zaštite.

Osim direktne kliničke primjene, vještačka inteligencija ima značajan potencijal i u postprodajnoj fazi medicinskih uređaja. Uvođenje algoritama za postprodajno istraživanje omogućava kontinuirano praćenje performansi uređaja u stvarnim uslovima rada, rano prepoznavanje kvarova, odstupanja ili sigurnosnih incidenata te donošenje pravovremenih korektivnih mjera.

Koncept pametno održavanje (smart maintenance), baziran na prediktivnoj analitici i automatizaciji servisnih intervencija, može znatno produžiti životni vijek opreme, optimizovati troškove održavanja i poboljšati dostupnost tehnologije u kliničkoj praksi. Vještačka inteligencija na taj način doprinosi ne samo boljoj dijagnostici i terapiji, već i održivoj, sigurnoj i pouzdanoj zdravstvenoj infrastrukturi.

U konačnici, integracija vještačke inteligencije u zdravstvene sisteme predstavlja ključni korak prema pametnijoj, preciznijoj i humanijoj medicini, gdje tehnologija postaje partner ljekarima i pacijentima u borbi za zdravlje i kvalitetniji život.

Da li postoje i, ako postoje, koje su to etičke granice u primjeni vještačke inteligencije u medicini i genetici?

Etičke granice u primjeni vještačke inteligencije u medicini i genetici su ključne za razvoj i odgovornu implementaciju ovih tehnologija. Jedan od osnovnih principa je razvoj objašnjive vještačke inteligencije (Explainable AI-XAI) koja omogućava transparentnost u donošenju odluka.

Zdravstveni radnici i pacijenti moraju razumjeti kako i na osnovu kojih podataka vještačka inteligencija donosi zaključke, što je ključno za povjerenje i sigurnu upotrebu ovih sistema.

Koncept pouzdane vještačke inteligencije AI (trustworthy AI) podrazumijeva da sistemi budu sigurni, pravedni, odgovorni i usklađeni s etičkim normama. To podrazumijeva zaštitu privatnosti i sigurnost osjetljivih medicinskih podataka, kao i prevenciju pristrasnosti u algoritmima, koja može dovesti do nejednakog tretmana pacijenata.

Važan pravni okvir predstavlja EU AI Act, kojim se postavljaju stroge regulative za razvoj i upotrebu sistema vještačke inteligencije, posebno u osjetljivim oblastima kao što je medicina. Ovim zakonom se naglašava potreba za visokim standardima sigurnosti, transparentnosti i odgovornosti kako bi se zaštitili korisnici i osiguralo etičko korištenje vještačke inteligencije.

Alati vještačke inteligencije u medicini ne smiju zamijeniti ljudsku prosudbu, već treba da budu pomoćni alati koji podržavaju kliničke odluke, uz očuvanje empatije i etičke refleksije koje pruža ljudski faktor.

Vještačka inteligencija u genetici omogućava predikciju nasljednih bolesti i potencijalne genetske intervencije, zbog čega su etičke dileme dodatno naglašene. Neophodna je stroga regulacija i multidisciplinarni pristup koji uključuje stručnjake iz medicine, tehnologije, prava i etike kako bi se osigurala sigurnost, pravičnost i poštovanje ljudskih prava.

Samo integracijom principa XAI, trustworthy AI i usklađivanjem s regulativom, poput EU AI Act, moguće je razvijati sisteme vještačke inteligencije koji su ne samo tehnološki napredni, već i etički prihvatljivi i društveno odgovorni.

Da li će vještačka inteligencija zamijeniti ljekare ili će ostati samo kao alat ljekarima?

Vještačka inteligencija neće zamijeniti ljekare, već će postati neizostavan saveznik u medicinskoj praksi, posebno u unapređenju pristupa zdravstvenoj zaštiti i kvalitetu dijagnostike i liječenja.

Alati vještačke inteligencije, poput TrueAId sistema koji sam razvila, pružaju konkretan primjer kako se tehnologijom mogu osnažiti ljekari, posebno u udaljenim i nedovoljno opremljenim područjima.

Ako uzmemo TrueAId za primjer, on omogućava prenatalnu detekciju rizika od neurorazvojnih poremećaja kod fetusa, što je proces koji zahtijeva složene analize i pristup naprednim dijagnostičkim tehnologijama.

Zahvaljujući ovom rješenju, ljekari u ruralnim sredinama ili manjim bolnicama mogu dobiti precizne, pravovremene i personalizovane informacije koje su do sada bile dostupne samo u velikim medicinskim centrima sa specijaliziranim stručnjacima i sofisticiranom opremom.

Vještačka inteligencija na taj način djeluje kao produžena ruka kliničara, omogućavajući lokalnim zdravstvenim radnicima da donose informisane odluke i adekvatno planiraju tretman, čak i kada su geografski udaljeni od velikih ustanova. Ovakvom integracijom vještačke inteligencije u praksu smanjuju se zdravstvene nejednakosti i širi dostupnost kvalitetne zdravstvene zaštite.

Važno je naglasiti da vještačka inteligencija ne može i ne treba zamijeniti ljekare. Stručnost, kliničko iskustvo i empatija su nezamjenjivi elementi medicine. Umjesto toga, vještačka inteligencija funkcioniše kao moćan alat koji podržava ljekare, štedi im vrijeme, povećava preciznost i otvara prostor za fokus na kompleksnije dijagnostičke i terapijske izazove.

U konačnici, cilj je sinergija čovjeka i tehnologije u službi bolje i dostupnije zdravstvene zaštite za sve.

Koji su vam naredni ciljevi u naučnom radu?

Moji naredni naučni ciljevi usmjereni su na razvoj skalabilnih i prilagodljivih rješenja vještačke inteligencije, koja integrišu multimodalne podatke, uključujući kliničke, slikovne, biometrijske i genetske informacije, kako bi se omogućila preciznija, personalizovana i sveobuhvatnija dijagnostika i liječenje.

Posebno me zanima primjena tih rješenja u zdravstvenim sistemima s ograničenim resursima (low i mid-resource settings), gdje pristup savremenoj medicinskoj opremi i ekspertizi nije uvijek moguć. Kroz automatizaciju i inteligentnu podršku kliničkom odlučivanju, cilj mi je optimizirati workflow-e, smanjiti vrijeme i troškove te unaprijediti sigurnost i dostupnost zdravstvene zaštite.

Posvećena sam i razvoju tehnologija koje omogućavaju pouzdanu zdravstvenu zaštitu u udaljenim ili manje razvijenim regijama. Decentralizacija zdravstvenih usluga i dostupnost ekspertize mimo velikih centara ključna je za smanjenje zdravstvenih nejednakosti, a upravo tu vidim prostor za stvarnu, mjerljivu promjenu kroz integraciju naprednih tehnologija.

Fokus mog budućeg rada uključuje standardizaciju procesa osiguranja kvaliteta medicinskih tehnologija nakon njihovog plasmana na tržište. U eri digitalnih i AI baziranih uređaja, važno je osigurati da implementirana rješenja ne prestaju biti praćena i ocjenjivana kada izađu iz faze razvoja.

Kvalitet, sigurnost i pouzdanost u realnim uslovima primjene zahtijevaju jasne okvire za postprodajno istraživanje, evaluaciju performansi i kontinuirano usaglašavanje s regulatornim standardima.

Zato me posebno zanimaju regulatorni mehanizmi i politike koje definišu life-cycle pristup medicinskim tehnologijama, gdje odgovornost ne prestaje s inicijalnim odobrenjem, već uključuje održavanje standarda tokom čitavog perioda upotrebe.

Moj cilj je da doprinesem izgradnji održivih modela za upravljanje kvalitetom i sigurnošću medicinskih uređaja u kliničkoj praksi, modela koji su tehnički validirani, transparentni i usklađeni s međunarodnim regulativama poput EU MDR i drugih globalno važećih normi.

Vjerujem da samo kroz takav integrisani pristup možemo osigurati da medicinske tehnologije dugoročno ostanu pouzdane, efektivne i etički prihvatljive u svim kontekstima primjene.

Kroz ovu kombinaciju naučnih i regulatornih angažmana želim osigurati da inovacije ne ostanu ograničene na laboratorije ili pilot-projekte, već da postanu robustan, provjerljiv i etički utemeljen dio svakodnevne kliničke prakse. U tom procesu, težim kreiranju rješenja koja su tehnički sofisticirana, ali istovremeno operativno održiva, dostupna i sigurna, bez kompromisa po pitanju kvaliteta, nezavisno od toga gdje i od koga se koriste.

(TIP/Izvor: Klix.ba/Razgovarao: Benjamin Redžić/Foto: I. Š./Klix.ba)