Η τεχνητή νοημοσύνη (στη μορφή εργαλείων όπως το ChatGPT) μεταμορφώνει κάθε πλευρά της ζωής μας. Δεν υπάρχει αμφιβολία πως θα κάνει το ίδιο και στον τομέα της ιατρικής. Είναι όμως αλήθεια όλα όσα ακούμε γύρω από αυτό; Όπως συμβαίνει συνήθως με τις ανατρεπτικές καινοτομίες, κάποια από όσα ακούγονται είναι αλήθεια, άλλα πάλι είναι απλά μύθοι.

Μύθος - Δεν θα αλλάξει τίποτα

Υπάρχουν οι (συνήθως μεγαλύτεροι σε ηλικία) ιατροί που θα πουν πως τίποτα δεν πρόκειται ποτέ να αντικαταστήσει την προσωπική επαφή και την εμπειρία του γιατρού. Δεν μπορώ να πω πως δεν κατανοώ τον τρόπο σκέψης τους. Το απόλυτο της δήλωσης είναι όμως μάλλον απλοϊκό. Θεωρούσε κάποτε ο δημοσιογραφικός κόσμος πως τίποτε δεν μπορεί να αντικαταστήσει τον κεντρικό ρόλο της τυπωμένης εφημερίδας που ο αναγνώστης πληρώνει για να διαβάσει. Και όμως, ενδεχομένως διαβάζετε τώρα αυτές τις λέξεις σε ψηφιακή μορφή, δωρεάν. Και αν αυτή φαίνεται παλιά εξέλιξη, μέχρι πολύ πιο πρόσφατα φαινόταν αδιανόητο να ψωνίζει κανείς ρούχα χωρίς να πάει σε κάποιο κατάστημα να τα δοκιμάσει. Σήμερα σχεδόν το μισό των παγκόσμιων λιανικών πωλήσεων μόδας είναι συναλλαγές ηλεκτρονικού εμπορίου (e-commerce), ποσοστό που αναμένεται να αυξηθεί ακόμη περισσότερο τα επόμενα χρόνια. Ομοίως, όσο δύσκολο και αν φαντάζει, οι διάφορες μορφές ηλεκτρονικών υπηρεσιών υγείας είναι ήδη εδώ και θα κερδίζουν έδαφος συνεχώς. Περιλαμβανομένου και του ρόλου εργαλείων όπως το ChatGPT.

Μύθος - Θα αλλάξουν τα πάντα

Υπάρχουν όμως μύθοι και προς την άλλη πλευρά. Επιστρέφοντας στο παράδειγμα των εφημερίδων, όντως είδαμε τη στροφή στα ψηφιακά μέσα. Βλέπουμε όμως επίσης τον ρόλο του δημοσιογράφου να παραμένει, ίσως κάπως διαφορετικό από πριν, πάντα όμως κεντρικό στη διαδικασία της ενημέρωσής μας. Όσο απλοϊκό είναι να θεωρούμε πως δεν θα αλλάξει τίποτα στον ρόλο του γιατρού, άλλο τόσο ή και περισσότερο απλοϊκό είναι να θεωρούμε πως από τη μια μέρα στην άλλη θα σταματήσουμε να έχουμε ανάγκη και να παίρνουμε ουσιαστική αξία από την άμεση επαφή και την προσαρμοσμένη σε εμάς συμβουλή και κατεύθυνση που μπορεί να μας δώσει ο εξειδικευμένος προσωπικός ιατρός μας. Αλήθεια, θα αφήνατε στα «χέρια» του ChatGPT τη διαχείριση μιας σοβαρής κατάστασης υγείας που ενδεχομένως απειλούσε τη ζωή σας; Ελπίζω πως όχι.

Μύθος και αλήθεια - Η τεχνητή νοημοσύνη ξέρει τα πάντα, ένας γιατρός όχι

Ακούω συχνά πως αφού τα νέα συστήματα τεχνητής νοημοσύνης έχουν διαβάσει σχεδόν ό,τι έχει γραφεί, διαθέτουν την πιο πλήρη βάση γνώσης. Οπότε οι συλλογισμοί που μπορούν να κάνουν ξεπερνούν αυτό που μπορεί να επιτύχει οποιοσδήποτε άνθρωπος με τις σαφώς πιο περιορισμένες γνώσεις του.  Η πραγματικότητα είναι κάπως διαφορετική. Είναι βέβαια αλήθεια πως τα συστήματα τεχνητής νοημοσύνης έχουν πρόσβαση σε ασύλληπτα πολλές πληροφορίες. Αν όμως έπρεπε κάθε φορά να εξετάζουν όλη αυτή την πληροφορία για να απαντήσουν σε ένα ερώτημά μας, δεν θα απαντούσαν ποτέ. Οπότε τι κάνουν; «Μαντεύουν» ποιες λίγες πληροφορίες μπορεί να είναι σχετικές με αυτό που ρωτάμε και με βάση αυτές αποφασίζουν πώς θα μας απαντήσουν. Κάποιες φορές κάνουν καλή «μαντεψιά» και απαντούν καλά, άλλες φορές απαντούν σχεδόν ανόητα. Από την άλλη πλευρά, ένας εξειδικευμένος γιατρός μπορεί να μην έχει στο μυαλό του όλη την ιατρική βιβλιογραφία, έχει όμως το προνόμιο να γνωρίζει ποιες πληροφορίες είναι σχετικές με το κάθε περιστατικό ώστε να μπορεί να τις αναζητήσει - ας μην ξεχνάμε πως ο καλός γιατρός δεν μένει σε αυτά που γνωρίζει ήδη, αλλά μελετά την πιο πρόσφατη βιβλιογραφία για τα θέματα που εξετάζει, ιδίως όταν αυτά παρουσιάζουν ιδιαιτερότητες. Άρα, αν και μπορεί να τύχουν και περιπτώσεις στις οποίες ένα αυτοματοποιημένο εργαλείο θα δώσει καλύτερη απάντηση, μόνο ο εξειδικευμένος γιατρός έχει μια εγγυημένη σταθερότητα στη μεθοδολογία και την ορθότητά του.

Μύθος και αλήθεια - Η τεχνητή νοημοσύνη το κάνει καλύτερα

Θα έχετε ίσως διαβάσει για πρόσφατες μελέτες που συγκρίνουν τις επιδόσεις εργαλείων τεχνητής νοημοσύνης με αυτές γιατρών και βρίσκουν πως οι μηχανές υπερτερούν, κάποιες φορές κατά πολύ. Σίγουρα ακούγεται σαν καλός λόγος για να προτιμήσει κανείς να μιλήσει με το ChatGPT αντί να απευθυνθεί στον τυχαίο γιατρό της γειτονιάς του. Είναι όμως αλήθεια έτσι; Όχι ακριβώς!

Σε αυτές τις μελέτες ο όρος «τεχνητή νοημοσύνη» σημαίνει συνήθως κάτι διαφορετικό. Στις περισσότερες περιπτώσεις αναφέρεται σε συστήματα που έχουν σχεδιαστεί και εκπαιδευτεί ειδικά για να αντιμετωπίζουν συγκεκριμένα ιατρικά ερωτήματα. Για παράδειγμα, μετά σειρά άρθρων στους New York Times πήρε μεγάλη δημοσιότητα η περίπτωση της τεχνητής νοημοσύνης της Microsoft που είχε πολύ καλύτερα ποσοστά σωστών διαγνώσεων από ό,τι οι γιατροί με τους οποίους συγκρίθηκε. Είναι αλήθεια; Βεβαίως! Σημαίνει πως μπορούμε και εμείς να έχουμε ανάλογα σωστές διαγνώσεις μιλώντας με ένα  εργαλείο τεχνητής νοημοσύνης; Όχι! Στη συγκεκριμένη μελέτη χρησιμοποιήθηκε το Microsoft AI Diagnostic Orchestrator. Είναι ένα πολύ εξειδικευμένο σύστημα, σχεδιασμένο και εκπαιδευμένο να αντιμετωπίζει σύνθετα ιατρικά χαρακτηριστικά το οποίο - και αυτό είναι το πιο σημαντικό - δεν είναι διαθέσιμο στο κοινό. Τα εργαλεία στα οποία έχουμε πρόσβαση εμείς, όπως για παράδειγμα το ChatGPT, σε τίποτα δεν μοιάζουν με αυτό. Οπότε οι «ειδήσεις» πως η τεχνητή νοημοσύνη ξεπερνά τους γιατρούς έχουν πιο πολύ αξία για να μας δείχνουν τι να περιμένουμε για το μέλλον, αλλά όχι για να μας εξηγούν τι ισχύει στο παρόν.

Θα ρωτήσετε, δεν υπάρχουν και περιπτώσεις που χρησιμοποιήθηκαν τα ίδια εργαλεία στα οποία έχουμε πρόσβαση εμείς; Ναι, υπάρχει για παράδειγμα μία περίπτωση στην οποία χρησιμοποιήθηκε το GPT-4 για οφθαλμολογικές διαγνώσεις. Και εδώ όμως υπάρχουν λεπτά σημεία: Πρώτον, το σύστημα σε αυτή την περίπτωση ξεπέρασε τους ειδικευόμενους ιατρούς, όχι όμως και τους ειδικευμένους. Και δεύτερον, για να επιτευχθούν αυτά τα αποτελέσματα προηγήθηκε προσεκτικό prompt engineering, δηλαδή «κατασκευή» των ιδανικών ερωτημάτων ώστε να κατευθυνθεί το σύστημα στο πώς πρέπει να λειτουργήσει. Δεν θα είχε τα ίδια αποτελέσματα αν απλά του περιγράφαμε τα συμπτώματά μας, όπως θα τα περιέγραφε ένας μη γιατρός, και το ρωτάγαμε «πες μου τι έχω και τι να κάνω».

Μύθος - Γιατρός και μόνο γιατρός!

Οπότε; Είναι το μήνυμα να μην χρησιμοποιούμε τα εργαλεία και να ακούμε μόνο τον γιατρό μας; Θα ήταν μάλλον αποκομμένο από την πραγματικότητα να προτείνουμε κάτι τέτοιο.

Τα εργαλεία προσφέρουν άμεση πρόσβαση σε πληροφορία, πολύ πιο γρήγορα από ό,τι αν χρειαζόταν πρώτα να πάμε στον γιατρό μας. Ας μην παραβλέπουμε επίσης πως τα εργαλεία προσφέρουν τις υπηρεσίες τους χωρίς κόστος, επιτρέποντας σε καθεμία και καθέναν, ανεξαρτήτως της οικονομικής κατάστασης, να τα χρησιμοποιεί όσο συχνά θεωρεί πως τα χρειάζεται. Αντίθετα για πολλούς συνανθρώπους μας η πρόσβαση σε γιατρό δεν είναι το ίδιο άμεση ή και οικονομικά εφικτή. Γιατί η πραγματικότητα είναι πως η επαφή με τα εργαλεία είναι δεδομένη.  Οπότε είναι μεγάλο ευτύχημα πως έχουν τουλάχιστον την «υπηρεσία» αυτών των δωρεάν εργαλείων τεχνητής νοημοσύνης.

Οπότε, τι;

Ας δούμε ένα ακόμη παράδειγμα: Θα είχε νόημα ένας δάσκαλος σήμερα να λέει στους μαθητές του να μην χρησιμοποιούν το διαδίκτυο για να βρίσκουν πληροφορίες για τις εργασίες τους; Όχι και πολύ, γιατί έτσι και αλλιώς τα παιδιά αυτό θα κάνουν! Θα είχε όμως πολύ περισσότερο νόημα, γνωρίζοντας ποια είναι τα θετικά και ποιες οι αδυναμίες του διαδικτύου ως πηγής πληροφοριών, να δείξει στους μαθητές με ποιο τρόπο να αναζητήσουν τις πληροφορίες ώστε να το κάνουν αποδοτικά και με ασφάλεια.

Κάπως έτσι είναι τα πράγματα και στην περίπτωση της χρήσης των εργαλείων τεχνητής νοημοσύνης για ιατρικές συμβουλές. Γνωρίζουμε πως οι περισσότερες και οι περισσότεροι από εμάς θα ρωτήσουμε (και) κάποιο εργαλείο για κάτι που μας συμβαίνει. Τις περισσότερες φορές μάλιστα θα ρωτήσουμε πρώτα την τεχνητή νοημοσύνη και θα χρησιμοποιήσουμε την απάντηση για να αποφασίσουμε αν θα πάμε ή όχι στο γιατρό.

Στο παράδειγμα των μαθητών που αναζητούν πληροφορίες για τις εργασίες στο διαδίκτυο, μπορεί να βρουν ακριβώς αυτό που αναζητούν, μπορεί όμως να βρουν και στοιχεία που είναι λανθασμένα. Το σημαντικό είναι 1) να γνωρίζουν πως δεν είναι όλες οι πληροφορίες του διαδικτύου αξιόπιστες και 2) να έχουν τρόπους να αναζητούν αξιόπιστες πληροφορίες.

Έτσι και στην περίπτωση της υγείας, αν μη τι άλλο, είναι σημαντικό να γνωρίζουμε τρία πράγματα.

Το πρώτο είναι πως τα εργαλεία έχουν στόχο την ικανοποίηση του χρήστη, όχι την πληροφόρησή του. Δεν προσπαθούν να δώσουν την απάντηση που είναι η πιο σωστή, αλλά την απάντηση που πιθανότατα θα ήθελε να δει ο χρήστης. Πώς το ξεπερνάμε αυτό στην πράξη; Με απλά, σύντομα, συγκεκριμένα ερωτήματα που δεν περιλαμβάνουν τη δική μας εκτίμηση του τι συμβαίνει. Κρύβουμε από το σύστημα την άποψή μας για να αναγκαστεί να μας απαντήσει αντικειμενικά.

Το δεύτερο είναι πως τα εργαλεία κάνουν λάθη. Τα λάθη τους είναι πολύ συχνά και εμφανίζονται ακόμη και σε φαινομενικά εύκολα ερωτήματα. Όμως τα εργαλεία έχουν σχεδιαστεί να προσποιούνται αυθεντία και να εμπνέουν εμπιστοσύνη. Ο τόνος τους, ο τρόπος «τεκμηρίωσης» των απαντήσεών τους και η σιγουριά τους δεν αφήνει πολλά περιθώρια αμφισβήτησης όταν τα θέματα δεν είναι πολύ καλά γνωστά στο χρήστη. Αν κάποιος δεν είναι εξειδικευμένος γιατρός, δύσκολα θα καταλάβει πως το σύστημα του λέει ανοησίες για το ιατρικό θέμα που τον απασχολεί.

Το τρίτο είναι πως τα εργαλεία παραπλανούν. Πολύ συχνά επικαλούνται ανύπαρκτες πηγές (πχ αναφέρουν κάποια μελέτη η οποία δεν έχει γίνει ποτέ), κάνουν υπερβατικές υποθέσεις (πχ δεν γνωρίζουν για το θέμα που ρωτάτε και απαντάνε με βάση ό,τι γνωρίζουν για κάποιο άλλο παρόμοιο θέμα) ή μπερδεύουν θέματα (πχ ρωτάτε σχετικά με μία πάθηση, ενώ απαντούν για άλλη επειδή μοιάζουν τα ονόματά τους),

Στα τρία αυτά αρνητικά, ας προσθέσουμε ένα θετικό και μια παρότρυνση.

Το θετικό είναι πως η εξέλιξη της τεχνητής νοημοσύνης είναι ραγδαία. Μπορεί τα εργαλεία να μην είναι άριστα, γίνονται όμως κάθε μέρα καλύτερα. Στο εγγύς μέλλον θα μπορούμε να τα εμπιστευόμαστε ακόμη περισσότερο, ακόμη και για ιατρικά θέματα, ιδιαίτερα για κάποια μη κρίσιμα ζητήματα πρωτοβάθμιας περίθαλψης.

Πολλαπλές πηγές, μεγαλύτερη ασφάλεια!

Αν δεν υπήρχαν οι παράμετροι του κόστους και της ταλαιπωρίας, δεν θα ήταν ευπρόσδεκτη η άποψη ενός δεύτερου γιατρού; Τώρα που είναι δωρεάν και απλό (αρκεί η επικόλληση του ίδιου ερωτήματος) γιατί να μην πάρουμε την άποψη ενός ακόμη εργαλείου; Δεν υπάρχει μόνο το ChatGPT! Δωρεάν ιατρικές συμβουλές, ίδιας ή και καλύτερης ποιότητας, μπορούν να δώσουν και τα Claude, Gemini, DeepSeek, Copilot και άλλα. Χρησιμοποιήστε τα!

Οι συγγραφείς

Ο Μανόλης Γουάλλες είναι καθηγητής στο Πανεπιστήμιο Πελοποννήσου με έρευνα στα πεδία της τεχνητής νοημοσύνης και της ιατρικής πληροφορικής, επιστημονικά υπεύθυνος προγραμμάτων κατάρτισης σχετικά με τα εργαλεία τεχνητής νοημοσύνης και επικεφαλής της ερευνητικής ομάδας που ανέπτυξε την τεχνολογία VaccineHero για τον παιδικό εμβολιασμό.

Η Εύη Τόγια είναι κάτοχος MSc εφαρμοσμένης ψυχολογίας από το University of Manchester και υποψήφια διδάκτωρ στο Πανεπιστήμιο Πελοποννήσου με έρευνα στα πεδία της συμπερίληψης και της αξιοποίησης της τεχνολογίας για την άμβλυνση των κοινωνικών ανισοτήτων. Είναι μέλος του Διεπιστημονικού Εργαστηρίου Γνώσης και Αβεβαιότητας της Σχολής Οικονομίας και Τεχνολογίας.

Παράρτημα με συμπληρωματικές σχετικές πληροφορίες

Διάδοση της χρήσης της τεχνητής νοημοσύνης για ιατρικά θέματα

Το KFF (πρώην Ίδρυμα Οικογένειας Κάιζερ) είναι ένας ανεξάρτητος, μη κερδοσκοπικός οργανισμός που παρέχει αμερόληπτα στοιχεία, ανάλυση και έρευνα σε θέματα δημόσιας υγείας και πολιτικής υγείας στις ΗΠΑ. Σε πρόσφατη (2024) μελέτη ανέδειξε πως το 17% των Αμερικανών συμβουλεύονται εργαλεία όπως τα ChatGPT, Microsoft Copilot, ή Google  Gemini τουλάχιστον μία φορά το μήνα για ιατρικά θέματα. Σε νεότερες ηλικίες (18-29) το ποσοστό ανεβαίνει στο 25%.

Prompt engineering

Prompt engineering είναι η εξειδικευμένη διαδικασία σχεδιασμού και βελτιστοποίησης των εντολών/prompts που δίνονται σε εργαλεία όπως το ChatGPT. Με αυτό τον τρόπο το εργαλείο καθοδηγείται, ώστε να δώσει απαντήσεις που είναι περισσότερο ακριβείς και υψηλής ποιότητας, αξιοποιώντας καλύτερα τις δυνατότητές του. Για παράδειγμα, πρόσφατη (2025) μελέτη που δημοσιεύτηκε στο επιστημονικό περιοδικό Communications Medicine έδειξε πως κατάλληλο prompt engineering μπορεί να βελτιώσει σημαντικά την ποιότητα των παρεχόμενων ιατρικών πληροφοριών, μειώνοντας  κατά περίπου 30% τις εντελώς ανακριβείς ή επινοημένες απαντήσεις.

Το μέλλον που περιγράφουμε δεν είναι καθόλου μακρινό

Τα εργαλεία τεχνητής νοημοσύνης που είναι ικανά να κάνουν διαγνώσεις καλύτερα από τους γιατρούς δεν είναι ούτε επιστημονική φαντασία ούτε βγαλμένα από κάποιο μακρινό μέλλον. Υπάρχει για παράδειγμα ήδη το «δικό μας», μια που έχει δημιουργηθεί από Ευρωπαίους ερευνητές, σύστημα Delphi-2M. Με όνομα ταιριαστό (Delphi από το μαντείο των Δελφών λόγω της ικανότητάς του να βλέπει στο ιατρικό μας μέλλον, 2M από τα δύο εκατομμύρια παραμέτρους που εξετάζει), το Delphi-2M προβλέπει πάνω από 1.000 ασθένειες, κάποιες από αυτές ολόκληρες δεκαετίες πριν εκδηλωθούν τα πρώτα συμπτώματά τους.

Hallucinations

Hallucination είναι το φαινόμενο στο οποίο τα εργαλεία τεχνητής νοημοσύνης δίνουν απαντήσεις που δεν βασίζονται σε πραγματικές πληροφορίες, αλλά αντίθετα είναι εντελώς φανταστικές/επινοημένες. Τα παραγόμενα κείμενα φαίνονται απολύτως πειστικά και εύλογα, δημιουργώντας μια ψευδή αίσθηση αλήθειας.

Τα hallucinations είναι πολύ πιο συνηθισμένα από ό,τι ίσως φαντάζονται οι περισσότεροι χρήστες. Για παράδειγμα, έρευνα που δημοσιεύτηκε πρόσφατα στο περιοδικό Journal of Empirical Legal Studies (2025) βρήκε πως μία στις δύο φορές οι απαντήσεις του ChatGPT για νομικά θέματα ήταν αποτέλεσμα hallucination.

Το φαινόμενο είναι ιδιαίτερα επικίνδυνο στην περίπτωση που τα εργαλεία χρησιμοποιούνται για τη λήψη νομικών, ιατρικών, οικονομικών ή άλλων σημαντικών αποφάσεων, καθώς για τον μη εξειδικευμένο χρήστη είναι εξαιρετικά δύσκολο να διακρίνει μεταξύ τον έγκυρων απαντήσεων και εκείνων που είναι αποτέλεσμα hallucination.

Microsoft AI Diagnostic Orchestrator

Έγινε μεγάλος ντόρος όταν η Microsoft παρουσίασε την εντυπωσιακή διαγνωστική ικανότητα του συστήματος Microsoft AI Diagnostic Orchestrator (MAI-DxO) το οποίο πέτυχε 85,5% ακρίβεια διάγνωσης σε δύσκολα περιστατικά του NEJM (The New England Journal of Medicine), έναντι περίπου 20% των ιατρών. Αυτό που είναι ακριβές είναι ότι το MAI-DxO όντως επέδειξε μια καινοτόμο και ιδιαίτερα αποτελεσματική αρχιτεκτονική «ενορχήστρωσης» πολλών μοντέλων τεχνητής νοημοσύνης για σύνθετη συλλογιστική και μείωση του κόστους των εξετάσεων.

Ωστόσο, το σημείο της μελέτης που ίσως είναι παραπλανητικό είναι πως οι συμμετέχοντες γιατροί κλήθηκαν να διαγνώσουν τα δύσκολα αυτά περιστατικά μόνοι και χωρίς πρόσβαση σε πόρους (βιβλιογραφία ή συνεργάτες), συνθήκες που δεν ανταποκρίνονται στην πραγματική κλινική πρακτική όπου η ομαδική εργασία και τα εργαλεία είναι δεδομένα.

Η ανακοίνωση της Microsoft επιβεβαιώνει μεν τις μεγάλες προοπτικές της τεχνητής νοημοσύνης στην υποστήριξη της διάγνωσης, χωρίς όμως τα διθυραμβικά της αποτελέσματα να μπορούν ακόμη να μεταφερθούν στην καθημερινή άσκηση της ιατρικής.

Ειδήσεις υγείας σήμερα
Αεροαλλεργιογόνα και αλλεργικά νοσήματα του αναπνευστικού στα παιδιά
Πόνος: Οι καλύτερες στάσεις ύπνου
Ο βασιλιάς Κάρολος κερδίζει τη μάχη με τον καρκίνο και απευθύνει έκκληση για έγκαιρη διάγνωση