Η Tεχνητή Νοημοσύνη (ΑΙ) έχει μπει για τα καλά και στον χώρο της ιατρικής με εξαιρετικά αποτελέσματα σύμφωνα με μελέτη του ΑΧΕΠΑ.
Η Τεχνητή Νοημοσύνη (AI) έχει πλέον ενσωματωθεί στην καθημερινή κλινική πράξη στον χώρο της ιατρικής και αυτό δεν αποτελεί πλέον σενάριο επιστημονικής φαντασίας, αλλά ένα πεδίο έντονης ερευνητικής δραστηριότητας.
Σε αυτό το πλαίσιο, μια πρωτοποριακή μελέτη από το Τμήμα Επειγόντων Περιστατικών (ΤΕΠ) του Πανεπιστημιακού Νοσοκομείου ΑΧΕΠΑ στη Θεσσαλονίκη, η οποία δημοσιεύθηκε στο διεθνές επιστημονικό περιοδικό Journal of Clinical Medicine, έρχεται να δώσει απαντήσεις σε ένα κρίσιμο ερώτημα: Μπορεί ένας αλγόριθμος να αποφασίσει ποιος ασθενής προηγείται στην εξέταση από τους γιατρούς;
Πρόκειται για μια από τις μεγαλύτερες αναδρομικές μελέτες παγκοσμίως, καθώς η ερευνητική ομάδα ανέλυσε δεδομένα από 39.375 ασθενείς που προσήλθαν στο ΤΕΠ του ΑΧΕΠΑ.
Οι Έλληνες ερευνητές του ΑΠΘ έθεσαν υπό δοκιμή διάφορα Μεγάλα Γλωσσικά Μοντέλα (LLMs), συγκρίνοντας τις αποφάσεις του αλγόριθμου, με την πραγματική διαλογή που έγινε από το ιατρονοσηλευτικό προσωπικό βάσει του διεθνούς συστήματος ESI (Emergency Severity Index).
Η ακρίβεια ανά ειδικότητα: Πού «αριστεύει» η Τεχνητή Νοημοσύνη
Ένα από τα πιο ενδιαφέροντα ευρήματα της μελέτης είναι ότι η αποτελεσματικότητα της Τεχνητής Νοημοσύνης δεν είναι οριζόντια, αλλά παρουσιάζει σημαντικές διακυμάνσεις ανάλογα με τη φύση του περιστατικού.
Η ανάλυση έδειξε ότι τα μοντέλα AI είναι ιδιαίτερα ικανά στο να αναγνωρίζουν και να ταξινομούν συμπτώματα που συνδέονται με συγκεκριμένες ειδικότητες. Συγκεκριμένα:
Οφθαλμολογία: Στα οφθαλμολογικά περιστατικά, η AI πέτυχε το εντυπωσιακό ποσοστό ακρίβειας 81%. Η σαφήνεια των συμπτωμάτων σε αυτή την κατηγορία φαίνεται πως διευκολύνει τον αλγόριθμο στην ορθή εκτίμηση.
Παιδιατρική: Τα αποτελέσματα ήταν εξαιρετικά ενθαρρυντικά και στα παιδιατρικά περιστατικά, όπου η δομή των δεδομένων επέτρεψε στα μοντέλα να κάνουν ασφαλείς προβλέψεις.
Γυναικολογία και ΩΡΛ: Υψηλά ποσοστά επιτυχίας καταγράφηκαν επίσης σε αυτές τις ειδικότητες, αποδεικνύοντας ότι η AI μπορεί να λειτουργήσει ως ένας αξιόπιστος «ψηφιακός βοηθός» σε περιπτώσεις με συγκεκριμένη κλινική εικόνα.
Αντίθετα, η μελέτη ανέδειξε δυσκολίες σε πιο σύνθετα περιστατικά, όπως τα παθολογικά ή τα πολυτραυματικά, όπου η αλληλεπίδραση πολλών συμπτωμάτων καθιστά τη διαλογή μια πιο περίπλοκη διαδικασία που απαιτεί βαθύτερη κλινική κρίση.
Το ρίσκο της υπερεκτίμησης και οι προκλήσεις για το μέλλον
Παρά την εντυπωσιακή απόδοση σε ορισμένους τομείς, οι Έλληνες επιστήμονες υπογραμμίζουν ότι η Τεχνητή Νοημοσύνη δεν είναι ακόμα έτοιμη να αντικαταστήσει τον άνθρωπο στη διαλογή των Επειγόντων.
Κατά την ανάλυση των 39.375 περιπτώσεων, παρατηρήθηκαν φαινόμενα «over-triage» (όπου το σύστημα θεωρεί το περιστατικό πιο σοβαρό από ό,τι είναι) και «under-triage» (όπου υποτιμάται η σοβαρότητα).
Το πρώτο σενάριο μπορεί να οδηγήσει σε άσκοπη συμφόρηση των νοσοκομείων και σπατάλη πόρων, ενώ το δεύτερο είναι σαφώς πιο επικίνδυνο, καθώς θα μπορούσε να καθυστερήσει την περίθαλψη ενός ασθενούς που κινδυνεύει.
Η μελέτη καταλήγει στο συμπέρασμα ότι τα LLMs μπορούν να αποτελέσουν ένα εξαιρετικό εργαλείο υποστήριξης των γιατρών, προσφέροντας μια «δεύτερη γνώμη» σε δευτερόλεπτα, αλλά η τελική απόφαση πρέπει να παραμείνει στα χέρια των ειδικών.
Η σημασία της ελληνικής έρευνας
Η μελέτη του ΑΧΕΠΑ τοποθετεί την Ελλάδα στον παγκόσμιο χάρτη της έρευνας για την Ψηφιακή Υγεία. Όπως αναφέρεται χαρακτηριστικά στο κείμενο της δημοσίευσης:
«Η χρήση μιας τόσο εκτεταμένης κλινικής βάσης δεδομένων από ένα πανεπιστημιακό νοσοκομείο αιχμής, επιτρέπει μια πολύ πιο στιβαρή και γενικευμένη αξιολόγηση των δυνατοτήτων της Τεχνητής Νοημοσύνης, ξεπερνώντας τους περιορισμούς που είχαν μικρότερες έρευνες στο παρελθόν».
