(Αυτός ο διάολος)
Πρόσφατα ερωτήθηκα, σαφώς με επιφύλαξη, από έναν ασθενή: πώς χρησιμοποιούν οι γιατροί την AI, πόσο συχνά, και αν αυτό είναι «σωστό». Η ερώτηση είναι εύλογη, γιατί όταν ένα νέο εργαλείο μπαίνει στην ιατρική πράξη, θέλεις να ξέρεις τι ακριβώς κάνει και ποιος κρατάει την ευθύνη.
Πρώτα όμως χρειάζεται μία διευκρίνιση: η AI όπως τη ζούμε σήμερα (ιδίως τα μοντέλα που γράφουν κείμενο, συνοψίζουν, οργανώνουν) είναι πολύ φρέσκια στη ζωή μας. Η μαζική της είσοδος στην καθημερινότητα έγινε ουσιαστικά από το τέλος του 2022, όταν τέτοια εργαλεία έγιναν ευρέως διαθέσιμα στο κοινό. Και επειδή βρισκόμαστε ακόμη σε περίοδο έντονων εξελίξεων (από «πηγή πληροφορίας», σε «παραγωγό περιεχομένου», συγγραφέα κώδικα, “agent mode” κ.λπ.), είναι λογικό να μη νιώθουμε ότι έχουμε οριστικές απαντήσεις για τα όρια και την ηθική.
Με αυτό στο μυαλό, ας δούμε τις πιο συνηθισμένες χρήσεις σήμερα, όπως τις συναντάμε ήδη στην πράξη, και ας προσπαθήσουμε να απαντήσουμε στα ερωτήματα.
Ψηφιακοί γραμματείς
Ένας ψηφιακός γραμματέας είναι λογισμικό που «ακούει» (ambient listening) και γράφει αυτά που θα έγραφε ο γιατρός στο ιατρικό σημείωμα. Για να γίνει πιο κατανοητό, φαντάσου ότι είσαι ασθενής και κάνεις έναν υπέρηχο: ο ακτινολόγος, αντί να υπαγορεύει στο επικουρικό προσωπικό, μιλάει σε ένα λογισμικό (το οποίο λειτουργεί με συγκεκριμένες ρυθμίσεις και συμβάσεις προστασίας δεδομένων, ανάλογα με τον πάροχο) και λέει δυνατά: «Η χοληδόχος είναι καθαρή, δεν βλέπω λίθους. Το ήπαρ είναι εντάξει. Υπάρχει μια μικρή κύστη 1,2 εκ. στον δεξιό λοβό.» Το λογισμικό ακούει, αναγνωρίζει τα κλινικά στοιχεία και τα μετατρέπει σε δομημένο ιατρικό κείμενο, π.χ.: «Υπερηχογραφικός έλεγχος άνω κοιλίας: Χοληδόχος κύστη χωρίς παθολογικά ευρήματα. Δεν απεικονίζονται λίθοι. Ήπαρ ομοιογενούς ηχοδομής. Απεικονίζεται μικρή απλή κύστη διαμέτρου 1,2 cm στον δεξιό λοβό…» Ο γιατρός στο τέλος το διαβάζει, κάνει μικρές διορθώσεις και το εγκρίνει. Αυτό είναι όλο; Όχι: πολλή έρευνα, πολύς χρόνος πειραματισμού και εκπαίδευσης του «γραμματέα» έχει προηγηθεί για να καταλήξουμε στο αποτέλεσμα αυτό.
Στην κλινική πράξη, οι scribes χρησιμοποιούνται με δύο βασικούς τρόπους. Πρώτον, κατά τη διάρκεια της αλληλεπίδρασης με τους ασθενείς (επίσκεψη στον θάλαμο, συζήτηση στο ιατρείο), ώστε να φτιαχτεί το πρώτο σημείωμα χωρίς ο γιατρός να διακόπτει για πληκτρολόγηση ή σημειώσεις με στυλό. Δεύτερον, μπορεί να συντάσσουν αυτόματα επιστολές προς τους ασθενείς, προς άλλους γιατρούς, οδηγίες, γνωματεύσεις, εξιτήρια. Σε όλες τις περιπτώσεις, η τελική ευθύνη παραμένει στον άνθρωπο· απλώς η AI είναι επιταχυντής. Και εδώ χρειάζεται να τονιστεί κάτι κρίσιμο: ο έλεγχος από τον γιατρό δεν είναι τυπικός, αλλά ουσιαστικός, γιατί ένα αυτοματοποιημένο κείμενο μπορεί να έχει παραλείψεις ή λάθη που «ακούγονται σωστά» αν δεν διαβαστούν προσεκτικά.
Ένας οργανισμός με προτεραιότητα την κλινική αποτελεσματικότητα, το NHS, έχει κινηθεί προς αυτή την κατεύθυνση, με έγκριση 19 εργαλείων κλινικής καταγραφής, ως προσπάθεια να μειωθεί ο διοικητικός φόρτος και να αυξηθεί ο «καθαρός» χρόνος με τους ασθενείς.
Σε συνθήκες όπου δεν είναι πρακτικά εφικτή η γραπτή ενημέρωση μετά το ραντεβού ή την επίσκεψη —όπως συχνά συμβαίνει και στο ΕΣΥ— λόγω φόρτου, υποστελέχωσης, πίεσης χρόνου ή έλλειψης υποδομών, η ενημέρωση προς τους ασθενείς μένει αναγκαστικά προφορική. Τότε το βάρος της «ακρίβειας» πέφτει άθελά μας στους ασθενείς: να θυμηθούν τι ειπώθηκε, να ξεχωρίσουν το σημαντικό, να αναγνωρίσουν σημεία κινδύνου και να μην μπερδέψουν τον χρόνο επανεκτίμησης. Σε άγχος και κούραση, αυξάνεται ο κίνδυνος να χαθούν λεπτομέρειες και να δημιουργηθούν παρεξηγήσεις.
Εδώ βλέπω την αξία ενός ψηφιακού γραμματέα (scribe): μπορεί να μετατρέψει τη συζήτηση σε σύντομη, δομημένη γραπτή σύνοψη, χωρίς επιπλέον πληκτρολόγηση. Αν ο γιατρός την ελέγξει και την εγκρίνει, το ρίσκο μειώνεται ουσιαστικά, χωρίς μη ρεαλιστικό πρόσθετο φόρτο. Scripta manent, verba volant.
Εφαρμογές στη διάγνωση
Υπάρχουν εγκεκριμένα εργαλεία τεχνητής νοημοσύνης που χρησιμοποιούνται στη διάγνωση και στη λήψη κλινικών αποφάσεων. Το κρίσιμο σημείο εδώ είναι ότι δεν μιλάμε για «ένα πρόγραμμα που λέει γνώμη», αλλά για ιατροτεχνολογικά προϊόντα που περνούν από συγκεκριμένο ρυθμιστικό έλεγχο. Ο Οργανισμός Τροφίμων και Φαρμάκων των Ηνωμένων Πολιτειών (FDA) διατηρεί λίστα με ιατροτεχνολογικά προϊόντα που ενσωματώνουν τεχνητή νοημοσύνη και έχουν εξουσιοδοτηθεί για διάθεση στην αγορά.
Η AI μπορεί να υποστηρίξει την ανάλυση του ηλεκτροκαρδιογραφήματος, επισημαίνοντας μοτίβα, όπως η κολπική μαρμαρυγή. Μπορεί να βοηθήσει στην πρώιμη αναγνώριση επιδείνωσης σε νοσηλευόμενους, βοηθώντας να εντοπιστεί εγκαίρως η σήψη. Μπορεί επίσης να συμβάλει στην εκτίμηση κινδύνου για αγγειακό εγκεφαλικό επεισόδιο ή απορρύθμιση καρδιακής ανεπάρκειας, ώστε ο γιατρός να αποφασίσει ποιοι χρειάζονται στενότερη παρακολούθηση ή πιο άμεση παρέμβαση. Επίσης, η τεχνητή νοημοσύνη χρησιμοποιείται για διαλογή και υποστήριξη στην αξιολόγηση εικόνων. Για παράδειγμα, στην οφθαλμολογία μπορεί να βοηθά στην εκτίμηση φωτογραφιών του βυθού για ενδείξεις διαβητικής αμφιβληστροειδοπάθειας, ενώ στη δερματολογία μπορεί να λειτουργεί ως βοηθητικό εργαλείο στην αξιολόγηση δερματικών βλαβών. Τέλος, αναπτύσσονται γρήγορα εφαρμογές που στοχεύουν να υποστηρίξουν και την ανάλυση απεικονιστικών εξετάσεων, όπως αξονικές, μαγνητικές, ακτινογραφίες και μαστογραφίες, με στόχο την καλύτερη διαλογή και την έγκαιρη ανάδειξη ύποπτων ευρημάτων.
Καταγραφή, εξαγωγή δεδομένων, έλεγχος πεπραγμένων και έρευνα
Η τεχνητή νοημοσύνη χρησιμοποιείται όλο και περισσότερο και σε κάτι που συνήθως δεν φαίνεται στους ασθενείς, αλλά επηρεάζει άμεσα την αποτελεσματικότητα ενός συστήματος υγείας: τον έλεγχο πεπραγμένων και την έρευνα.
Ο έλεγχος πεπραγμένων είναι μια συστηματική διαδικασία ανασκόπησης της κλινικής πρακτικής, της τεκμηρίωσης και των αποτελεσμάτων, με στόχο την ποιότητα, τη συμμόρφωση και την ασφάλεια των ασθενών. Μπορεί, για παράδειγμα, να αυτοματοποιεί επαναλαμβανόμενες εργασίες, να κάνει ελέγχους συνέπειας στα πρωτόκολλα, να επιταχύνει ελέγχους σε καταγραφές και ροές εργασίας, να βοηθά στην προετοιμασία συνοδευτικών εγγράφων του ελέγχου και να εντοπίζει αποκλίσεις ή «σημεία κινδύνου». Με απλά λόγια: αντί να ψάχνεις με το χέρι μέσα σε σωρούς από καταγραφές, η τεχνητή νοημοσύνη μπορεί να οργανώσει τα δεδομένα σε μια δομή που επιτρέπει καλύτερες αποφάσεις και πιο ουσιαστική συμμόρφωση — όχι επειδή «ξέρει καλύτερα», αλλά επειδή βρίσκει πιο γρήγορα αυτό που αλλιώς θα χανόταν μέσα στον όγκο.
Στην έρευνα, η τεχνητή νοημοσύνη βοηθά σημαντικά στα στάδια που συνήθως «τρώνε» χρόνο. Μπορεί να υποστηρίξει την οργάνωση της βιβλιογραφίας (ως εργαλείο χαρτογράφησης και ταξινόμησης, όχι ως πηγή αλήθειας), να κάνει σύνοψη και εξαγωγή βασικών σημείων από μεγάλα κείμενα ή σύνολα δεδομένων, να διευκολύνει τον καθαρισμό δεδομένων εντοπίζοντας ασυνέπειες ή κενά και να βοηθά τη συνεργασία μιας ομάδας δημιουργώντας κοινά κείμενα, πίνακες και ενιαίο πλαίσιο εργασίας.
Η μεγάλη προϋπόθεση, και εδώ, είναι πως ό,τι παράγει η τεχνητή νοημοσύνη πρέπει να ελέγχεται. Ειδικά όταν μιλάμε για αριθμούς, παραπομπές και συμπεράσματα, ο ανθρώπινος έλεγχος δεν είναι «τυπικός». Η τεχνητή νοημοσύνη μπορεί να επιταχύνει τη διαδικασία, αλλά δεν αντικαθιστά την ευθύνη και την επαλήθευση.
Πόσο συχνά «πρέπει» να χρησιμοποιείται;
Γενικά, θα έλεγα πως το εύρος της χρήσης της τεχνητής νοημοσύνης εξαρτάται από το έργο που έχεις μπροστά σου. Αν ο γιατρός πρέπει να μελετήσει, να ενημερωθεί για να πάρει αποφάσεις, να οργανώσει έγγραφα, να κάνει απολογισμό πεπραγμένων ή συμμετέχει σε έρευνα, και η τεχνητή νοημοσύνη μειώνει την τριβή και την κούραση χωρίς να αλλοιώνει την αλήθεια, τότε, κατά τη γνώμη μου, έχει νόημα να τη χρησιμοποιεί τόσο συχνά όσο εμπλέκεται σε αυτά.
Θα μπορούσε ένας γιατρός να γίνει «τεμπέλης» αν βασίζεται ολοκληρωτικά στην τεχνητή νοημοσύνη; Πιθανόν. Γι’ αυτό, κατά τη γνώμη μου, χρειάζεται μια συγκεκριμένη φιλοσοφία χρήσης: κάθε φορά που καταφεύγουμε στην τεχνητή νοημοσύνη, αυτό να είναι μέρος ενός κύκλου μάθησης. Να την αξιοποιούμε για να κερδίζουμε χρόνο, αλλά παράλληλα να παίρνουμε πίσω μια καλύτερη δομή σκέψης, μια πιο καθαρή διαδικασία, μια πιο σύντομη διατύπωση. Στόχος, ιδανικά, είναι την επόμενη φορά να χρειαζόμαστε λιγότερη βοήθεια, όχι περισσότερη.
Αυτό δεν σημαίνει ότι σταματάμε να τη χρησιμοποιούμε εκεί όπου πραγματικά μας εξοικονομεί χρόνο (όπως στην τεκμηρίωση ή στην οργάνωση). Σημαίνει ότι δεν αφήνουμε την ευκολία να μας αφοπλίσει. Κρατάμε ενεργή συμμετοχή, ζητάμε απλές και ελέγξιμες εξηγήσεις, διατηρούμε την ανθρώπινη κρίση στο κέντρο και εκπαιδευόμαστε συστηματικά στα όρια του εργαλείου.
Είναι «σωστό» να χρησιμοποιείται AI στην ιατρική;
Αν δεν έχει απαντηθεί ακόμη, θα το έλεγα έτσι: η AI είναι ένα πρακτικό εργαλείο που αλλάζει ήδη τον τρόπο που η ιατρική διδάσκεται και εφαρμόζεται. Μπορεί να βοηθήσει τους γιατρούς να δουλέψουν πιο γρήγορα, πιο σταθερά και —σε ορισμένα σημεία— πιο έξυπνα, ιδίως όταν μιλάμε για τυποποίηση, τεκμηρίωση, διαλογή και επικοινωνία. Το «σωστό» δεν κρίνεται από το αν είναι καινούργιο ή εντυπωσιακό. Κρίνεται από το αν χρησιμοποιείται με ασφάλεια, διαφάνεια, συγκατάθεση και ανθρώπινη ευθύνη.
Η πρακτική μου συμβουλή: ρωτήστε τον/τη γιατρό σας αν χρησιμοποιεί εργαλεία τεχνητής νοημοσύνης. Και αν ναι, δώστε τη συγκατάθεσή σας ή όχι, ανάλογα με το πώς αισθάνεστε. Ένα «εγκεκριμένο» εργαλείο συνήθως έχει προβλέψεις ασφαλείας ως προς την προστασία δεδομένων, αλλά η εμπιστοσύνη δεν είναι «κουμπί»: είναι διαδικασία.