Μεγάλη μελέτη του Χάρβαρντ δείχνει ότι προηγμένα μοντέλα τεχνητής νοημοσύνης μπορούν να διαγιγνώσκουν επείγοντα περιστατικά με μεγαλύτερη ακρίβεια από έμπειρους γιατρούς. Οι ερευνητές ζητούν πλέον άμεσες κλινικές δοκιμές, προειδοποιώντας όμως για σοβαρά ζητήματα ευθύνης και ασφάλειας.
Έρευνα του Χάρβαρντ που δημοσιεύθηκε στο περιοδικό Science ανατρέπει τα δεδομένα στη διαγνωστική ιατρική, δείχνοντας ότι προηγμένα μοντέλα τεχνητής νοημοσύνης (large language models) μπορούν, υπό προϋποθέσεις, να ξεπεράσουν σε ακρίβεια ακόμη και έμπειρους γιατρούς επειγόντων περιστατικών.
Πώς συγκρίθηκαν τα μοντέλα AI με τους γιατρούς
Η μελέτη πραγματοποιήθηκε από ομάδα ιατρών και επιστημόνων υπολογιστών της Ιατρικής Σχολής του Χάρβαρντ και του Beth Israel Deaconess Medical Center. Σε ένα από τα βασικά πειράματα εξετάστηκαν 76 πραγματικά περιστατικά ασθενών που προσήλθαν στα επείγοντα του νοσοκομείου. Οι διαγνώσεις δύο εφημερευόντων ιατρών συγκρίθηκαν με τις διαγνώσεις των μοντέλων o1 και 4o της OpenAI.
Κρίσιμο στοιχείο είναι ότι τα μοντέλα δεν «προεπεξεργάστηκαν» τα δεδομένα: τροφοδοτήθηκαν με ακριβώς τις ίδιες πληροφορίες που ήταν διαθέσιμες στους γιατρούς στα ηλεκτρονικά ιατρικά αρχεία, σε κάθε διαγνωστικό βήμα. Στη συνέχεια, δύο άλλοι έμπειροι γιατροί, χωρίς να γνωρίζουν ποια διάγνωση προήλθε από άνθρωπο ή από AI, αξιολόγησαν την ακρίβεια κάθε πρότασης.
Στο κρίσιμο πρώτο στάδιο της διαλογής (triage) στα επείγοντα –όπου υπάρχει η μεγαλύτερη αβεβαιότητα και η μεγαλύτερη πίεση χρόνου– το μοντέλο o1 πέτυχε «ακριβή ή πολύ κοντινή» διάγνωση στο 67% των περιπτώσεων. Οι δύο γιατροί, στο ίδιο στάδιο, έφτασαν αντίστοιχα σε ποσοστά 55% και 50%. Όπως σημείωσε ο επικεφαλής ερευνητής Arjun Manrai, το μοντέλο «υπερέβη τόσο τα προηγούμενα μοντέλα όσο και τα ιατρικά μας σημεία αναφοράς».
Ευκαιρίες για τα συστήματα υγείας, αλλά και κενό ευθύνης
Παρά τα εντυπωσιακά αποτελέσματα, οι ερευνητές ξεκαθαρίζουν ότι τα ευρήματα δεν σημαίνουν πως η τεχνητή νοημοσύνη είναι έτοιμη να λαμβάνει αυτόνομα αποφάσεις ζωής και θανάτου στα επείγοντα. Αντιθέτως, υπογραμμίζουν την «επείγουσα ανάγκη» για προοπτικές κλινικές δοκιμές σε πραγματικές συνθήκες φροντίδας, με αυστηρά πρωτόκολλα ασφάλειας και εποπτεία.
Η μελέτη περιορίστηκε σε κείμενο-βασισμένα δεδομένα (ιστορικό, κλινικές σημειώσεις, εργαστηριακές τιμές). Οι ίδιοι οι συγγραφείς αναγνωρίζουν ότι τα σημερινά θεμελιώδη μοντέλα έχουν σαφείς περιορισμούς όταν καλούνται να ερμηνεύσουν μη κειμενικές πληροφορίες, όπως απεικονιστικές εξετάσεις ή σήματα από ιατρικές συσκευές.
Ο Adam Rodman, γιατρός του Beth Israel και συν-συγγραφέας της μελέτης, επισήμανε ότι δεν υπάρχει ακόμη «τυπικό πλαίσιο λογοδοσίας» για διαγνώσεις που προέρχονται από AI. Οι ασθενείς, τόνισε, εξακολουθούν να θέλουν ανθρώπους γιατρούς να τους καθοδηγούν σε αποφάσεις ζωής και θανάτου και σε δύσκολες θεραπευτικές επιλογές.
Για τα συστήματα υγείας –συμπεριλαμβανομένου του ελληνικού– τα ευρήματα ανοίγουν τη συζήτηση για ενσωμάτωση της τεχνητής νοημοσύνης ως εργαλείου υποστήριξης, ιδίως σε υποστελεχωμένα τμήματα επειγόντων. Ωστόσο, το ρυθμιστικό πλαίσιο, η προστασία προσωπικών δεδομένων και η σαφής κατανομή ευθύνης σε περίπτωση ιατρικού σφάλματος θα αποτελέσουν κρίσιμους παράγοντες πριν από οποιαδήποτε ευρεία εφαρμογή.
Σχόλιο 
: Η μελέτη του Χάρβαρντ δεν προαναγγέλλει την αντικατάσταση των γιατρών, αλλά τη γέννηση ενός νέου υβριδικού μοντέλου ιατρικής, όπου η τεχνητή νοημοσύνη θα λειτουργεί ως «δεύτερο ζευγάρι μάτια» σε κρίσιμες αποφάσεις. Η πρόκληση για κυβερνήσεις, ρυθμιστικές αρχές και νοσοκομεία –και στην Ελλάδα– είναι να κινηθούν γρήγορα, θέτοντας αυστηρούς κανόνες χρήσης, αντί να βρεθούν προ τετελεσμένων τεχνολογικών εξελίξεων.
#τεχνητήνοημοσύνη #υγεία #Harvard #OpenAI #ιατρική
