Η Τεχνητή Νοημοσύνη έχει ενεργή και συνεχώς αυξανόμενη παρουσία στην κλινική πράξη, υποστηρίζοντας την ιατρική διάγνωση, την αξιολόγηση εξετάσεων και τη λήψη ιατρικών αποφάσεων. Πόσο προετοιμασμένοι είναι οι γιατροί να χρησιμοποιήσουν τη ραγδαία εξελισσόμενη τεχνολογία προς όφελος του ασθενή; Ποια εκπαίδευση και υποστήριξη τους παρέχεται, όταν μάλιστα η ΤΝ χρησιμοποιείται και για να ελέγξει δικές τους αποφάσεις, ενώ οι ίδιοι επωμίζονται την ευθύνη; Ποια τεκμήρια αποδεικνύουν πως τα εγκεκριμένα εργαλεία ΑΙ παράγουν μετρήσιμο αποτέλεσμα για τον ασθενή; 

Η αν. καθηγήτρια Αιματολογίας και διευθύντρια της Ογκολογικής Κλινικής του Πανεπιστημιακού Γενικού Νοσοκομείου Ιωαννίνων, Ελευθερία Χατζημιχαήλ (φωτογραφία) μιλά στο iatronet.gr, θέτοντας κρίσιμα ερωτήματα και προβληματισμούς για την επόμενη μέρα. Αυτή, όπως υποστηρίζει, πρέπει να βρει τον γιατρό σε ρόλο συνδιαμορφωτή και όχι απλού αποδέκτη και χρήστη έξυπνων αλγορίθμων, των οποίων θα αγνοεί τους περιορισμούς και το προφίλ αξιοπιστίας. 

Η χρήση της ΤΝ προχωρά, η εκπαίδευση μένει πίσω

Σύμφωνα με μελέτη - καταγραφή της Ευρωπαϊκής Περιφέρειας του Παγκόσμιου Οργανισμού Υγείας, το 74% των χωρών χρησιμοποιούν την ΤΝ στη διάγνωση, αλλά μόνο το 24% (12 από τις 50 χώρες) εκπαιδεύουν τους εν ενεργεία επαγγελματίες Υγείας. Όπως αναφέρει η κα Χατζημιχαήλ, η εκπαίδευση δεν αφορά μόνο στη χρήση των εργαλείων, αλλά και στην κριτική τους αξιολόγηση, την αναγνώριση των περιορισμών τους και την ασφαλή ενσωμάτωσή τους στην κλινική πράξη.

"Για παράδειγμα, ένα νοσοκομείο φέρνει ένα software ανάλυσης ακτινογραφιών με χρήση ΤΝ. Ο ακτινολόγος πρέπει να γνωρίζει σε ποιους ασθενείς έχει εκπαιδευτεί, τι ποσοστά ειδικότητας και ευαισθησίας έχει, πόσο μπορεί να το εμπιστευτεί, αν μπορεί να διαφωνεί και να παρακάμπτει τα ευρήματά του, κάτω από ποιες προϋποθέσεις, πού αρχίζει και πού τελειώνει η δική του ευθύνη", σημειώνει και προσθέτει, κάνοντας μια αντιστοιχία με τα φάρμακα: "Κάθε φάρμακο που έχω στη θεραπευτική μου φαρέτρα, ξέρω ακριβώς σε ποιους ασθενείς δοκιμάστηκε, τις ενδείξεις, τα οφέλη, τους κινδύνους, τις παρενέργειες, καθώς έχει περάσει από όλα τα διαδοχικά στάδια ανάπτυξης και ελέγχου στις κλινικές μελέτες. Με προβληματίζει πολύ το ότι σε αυτά τα εργαλεία που θα μπουν στη ζωή μας πολύ σύντομα δεν γνωρίζουμε πού έχουν δοκιμαστεί και τι περιορισμούς έχουν". 

Ένα νοσοκομείο μπορεί να επιλέξει να προμηθευτεί έναν διαγνωστικό αλγόριθμο έναντι ενός άλλου, για λόγους μικρότερου κόστους. Όμως το φθηνότερο μπορεί να έχει δοκιμαστεί σε 1.000 ασθενείς και το ακριβότερο σε 100.000 ασθενείς. "Ποιος θα έχει την ευθύνη να επιλέξει το ένα από τα δύο; Και ο γιατρός που θα το χρησιμοποιεί ποια ενημέρωση θα έχει για το τι αποκτήθηκε και με ποια κριτήρια;", διερωτάται η καθηγήτρια και συμπληρώνει: "Αν αυτός ο αλγόριθμος, π.χ., έχει δοκιμαστεί μόνο σε ενήλικες, δεν θα του δώσει αξιόπιστο αποτέλεσμα για παιδιά. Αυτό είναι μια προκατάληψη (bias) του αλγόριθμου που ο γιατρός πρέπει να ξέρει γιατί ο ίδιος θα κληθεί να το χρησιμοποιήσει".

Η ΤΝ ελέγχει τον γιατρό, αλλά πόσο τον βοηθάει;

Αλγόριθμοι ΤΝ χρησιμοποιούνται από τις αρμόδιες Αρχές για τον έλεγχο των αιτημάτων αποζημίωσης φαρμάκων, με σκοπό τον εντοπισμό τυχόν φαινομένων απάτης μέσω υπερσυνταγογράφησης. "Από την περασμένη άνοιξη, νομοθετική διάταξη προβλέπει τη δυνατότητα στον ΕΟΠΥΥ να χρησιμοποιεί αλγορίθμους και για την υποστήριξη της διαδικασίας έγκρισης αιτημάτων αποζημίωσης που υποβάλλονται από γιατρούς για φάρμακα υψηλού κόστους μέσω του Συστήματος Ηλεκτρονικής Προέγκρισης (ΣΗΠ)", σημειώνει η καθηγήτρια, διευκρινίζοντας πως δεν γνωρίζει σε ποιο στάδιο βρίσκεται σήμερα η εφαρμογή αυτής της δυνατότητας. 

Η ίδια θέτει το παράλληλο ερώτημα αν η τεχνολογία πρέπει να χρησιμοποιείται μόνο για τον έλεγχο των γιατρών ή αν θα έπρεπε να τους παρέχει και την υποστήριξη στη διαδικασία καταχώρησης των αιτημάτων. "Ένας γιατρός που κάνει 10 αιτήματα στο Σύστημα Ηλεκτρονικής Προέγκρισης, πρέπει κάθε μέρα, εκτός ωραρίου εργασίας, να σκανάρει τις εξετάσεις των ασθενών, να συντάξει το ενημερωτικό, να ανεβάσει όλα αυτά σε μια πλατφόρμα", σημειώνει και προσθέτει: "Από τη στιγμή που τα αιτήματά του ελέγχονται, δεν θα έπρεπε να έχει και ένα εργαλείο που να τον βοηθάει στη διαδικασία; Κάποιοι συνάδελφοι μπορεί να χρησιμοποιούν LLM και εκεί να έχουμε διαφυγή προσωπικών δεδομένων". 

Εγκεκριμένο δεν σημαίνει και ωφέλιμο

Αμερικανική μελέτη που δημοσιεύτηκε τον Αύγουστο στο PLOS Digital Health προχώρησε σε συστηματική ανάλυση 1.357 ιατροτεχνολογικών προϊόντων που χρησιμοποιούν ΑΙ και έχουν λάβει έγκριση ή άδεια κυκλοφορίας από τον FDA. Διαπίστωσε πως μόνο 34 (2,5%) συνδέθηκαν με εγγεγραμμένες προοπτικές δοκιμές, 12 (0,9%) είχαν αναρτήσει αποτελέσματα στο ClinicalTrials.gov, άλλα 12 (0,9%) είχαν δημοσιεύσεις με κριτές και μόνο 3 (0,2%) αξιολόγησαν αποτελέσματα με επίκεντρο τον ασθενή, όπως θνησιμότητα, νοσηρότητα ή επανεισαγωγές.

"Τα περισσότερα από αυτά τα εργαλεία, όπως διαπίστωσαν οι ερευνητές, δεν έχουν δοκιμαστεί σε σύγκριση με το τι γινόταν πριν, ώστε να τεκμηριωθεί το όφελος για τον ασθενή. Εκεί έχουμε το μεγάλο κενό", παρατηρεί η καθηγήτρια και συμπληρώνει: "Ας φανταστούμε ότι έχουμε στο κινητό μας ένα προγραμματάκι, με το οποίο φωτογραφίζουμε μια ελιά στο δέρμα για να διαπιστώσει ότι είναι μελάνωμα. Αυτό μπορεί να αποτύχει παταγωδώς αν ο χρήστης είναι έχει σκουρόχρωμο δέρμα (π.χ. αφροαμερικανικής καταγωγής) γιατί το πρόγραμμα εκπαιδεύτηκε με με εικόνες ανοιχόχρωμου δέρματος καυκάσιων". 

"Δεν ζητάμε από την ΤΝ κάτι παραπάνω. Ζητάμε ό,τι από κάθε φάρμακο, εξέταση ή θεραπευτική παρέμβαση: τεκμήρια", καταλήγει η κ. Χατζημιχαήλ, η οποία πριν από λίγες μέρες κατέθεσε την οπτική του κλινικού γιατρού για το θέμα της ΤΝ στην υγεία, στο πλαίσιο του 9th Health IT Forum 2026. 

Ειδήσεις υγείας σήμερα
Σπόροι chia: Όσα πρέπει να γνωρίζετε
Ωμέγα-3 λιπαρά: Πώς επηρεάζουν την επιβίωση στον προχωρημένο καρκίνο παχέος εντέρου
Υγεία των οστών: Η πρόληψη αρχίζει πριν από το πρώτο κάταγμα