Η ιστορία επαναλαμβάνεται, αλλά με έναν ριζικά διαφορετικό πρωταγωνιστή. Πριν από δύο δεκαετίες, οι γιατροί προειδοποιούσαν τους ασθενείς να μην εμπιστεύονται τον «Dr. Google». Σήμερα, η συζήτηση έχει μετατοπιστεί σε ένα πολύ πιο ισχυρό και αμφιλεγόμενο εργαλείο: τη Μεγάλη Γλωσσική Μοντέλα (LLM) και την Τεχνητή Νοημοσύνη. Η πρόσφατη αναφορά της Καθημερινής για ασθενείς που, ελλείψει σαφούς διάγνωσης από το παραδοσιακό σύστημα υγείας, στράφηκαν στην ΑΙ, δεν είναι απλώς μια μεμονωμένη τάση· είναι η κραυγή αγωνίας μιας κοινωνίας που βλέπει τα δημόσια συστήματα υγείας να λυγίζουν υπό το βάρος της υποστελέχωσης και της γραφειοκρατίας.

Το φαινόμενο της «διαγνωστικής οδύσσειας» —της πολυετούς δηλαδή αναζήτησης μιας εξήγησης για συμπτώματα που επιμένουν— αποτελεί μια από τις πιο ψυχοφθόρες εμπειρίες για έναν ασθενή. Σε αυτό το κενό εισέρχεται η Τεχνητή Νοημοσύνη. Με τη δυνατότητα να αναλύει τεράστιους όγκους ιατρικών δεδομένων, ερευνών και συμπτωματολογίας σε δευτερόλεπτα, η ΑΙ προσφέρει μια αίσθηση ελπίδας εκεί που η ανθρώπινη εξειδίκευση φαίνεται να εξαντλείται ή να καθυστερεί απελπιστικά.

Η Διαγνωστική Ικανότητα της ΑΙ: Πραγματικότητα ή Ψευδαίσθηση;

Δεν είναι λίγες οι περιπτώσεις που έχουν δει το φως της δημοσιότητας, όπου εργαλεία όπως το ChatGPT-4 κατάφεραν να διαγνώσουν σπάνιες παθήσεις που διέφευγαν από δεκάδες γιατρούς για χρόνια. Το πιο χαρακτηριστικό παράδειγμα είναι η περίπτωση ενός μικρού αγοριού στις ΗΠΑ, του οποίου η χρόνια πάθηση διαγνώστηκε από την ΑΙ αφού 17 γιατροί απέτυχαν να βρουν την αιτία. Η ΑΙ δεν «σκέφτεται» με την ιατρική έννοια, αλλά αναγνωρίζει μοτίβα. Συνδέει συμπτώματα που ένας εξειδικευμένος γιατρός μπορεί να μην συσχετίσει ποτέ λόγω της υπερ-εξειδίκευσης του κλάδου του.

Ωστόσο, η χρήση της ΑΙ στην ιατρική διάγνωση ενέχει σοβαρούς κινδύνους. Οι «παραισθήσεις» (hallucinations) των μοντέλων AI, όπου το σύστημα παράγει με βεβαιότητα λανθασμένες πληροφορίες, μπορούν να οδηγήσουν σε επικίνδυνες αυτοδιαγνώσεις ή λανθασμένες θεραπευτικές προσεγγίσεις. Επιπλέον, η έλλειψη κλινικής εξέτασης και η αδυναμία της ΑΙ να κατανοήσει το πλήρες πλαίσιο της ζωής ενός ασθενούς καθιστούν την τεχνολογία αυτή ένα εργαλείο συμπληρωματικό και όχι υποκατάστατο.

Το Κενό στο Εθνικό Σύστημα Υγείας και η Ψηφιακή Διέξοδος

Στην Ελλάδα, το πρόβλημα αποκτά επιπλέον διαστάσεις. Η υποχρηματοδότηση του ΕΣΥ, οι τεράστιες λίστες αναμονής για μια μαγνητική τομογραφία ή για ένα ραντεβού με εξειδικευμένο νευρολόγο, οδηγούν τους πολίτες στην «ψηφιακή αυτοβοήθεια». Όταν ένας ασθενής στην επαρχία πρέπει να περιμένει έξι μήνες για να δει έναν ειδικό, η ΑΙ φαντάζει ως η μόνη άμεση λύση. Αυτό δημιουργεί μια νέα μορφή υγειονομικής ανισότητας: από τη μία πλευρά εκείνοι που έχουν την παιδεία να χρησιμοποιήσουν την ΑΙ ως εργαλείο έρευνας και από την άλλη εκείνοι που παραμένουν εγκλωβισμένοι σε ένα δυσκίνητο σύστημα.

  • Η ΑΙ μπορεί να λειτουργήσει ως «δεύτερη γνώμη» για τους γιατρούς, μειώνοντας τα διαγνωστικά λάθη.
  • Η ανάγκη για ρύθμιση της ιατρικής ΑΙ είναι επιτακτική για την αποφυγή παραπληροφόρησης.
  • Η εκπαίδευση των ασθενών στη χρήση αυτών των εργαλείων είναι εξίσου σημαντική με την εκπαίδευση των γιατρών.
«Η Τεχνητή Νοημοσύνη δεν θα αντικαταστήσει τους γιατρούς, αλλά οι γιατροί που χρησιμοποιούν την ΑΙ θα αντικαταστήσουν εκείνους που δεν τη χρησιμοποιούν», αναφέρουν συχνά οι αναλυτές του κλάδου.

Ηθικά Διλήμματα και το Μέλλον της Ιατρικής Σχέσης

Η στροφή στην ΑΙ επαναπροσδιορίζει τη σχέση γιατρού-ασθενούς. Ο ασθενής δεν είναι πλέον ένας παθητικός δέκτης πληροφοριών, αλλά ένας «ενημερωμένος» (ή ενίοτε παραπληροφορημένος) συνομιλητής. Αυτό απαιτεί από την ιατρική κοινότητα μια αλλαγή κουλτούρας. Αντί να απορρίπτουν τα ευρήματα που φέρνει ο ασθενής από την ΑΙ, οι γιατροί θα πρέπει να μάθουν να τα αξιολογούν κριτικά. Η ηθική διάσταση της ευθύνης παραμένει το μεγαλύτερο αγκάθι: Αν μια ΑΙ προτείνει μια διάγνωση και ο γιατρός την αποδεχτεί, ποιος φέρει την ευθύνη σε περίπτωση λάθους;

Συμπερασματικά, η τάση των ασθενών να στρέφονται στην ΑΙ είναι ένα σύμπτωμα ενός βαθύτερου προβλήματος στην παροχή υγείας. Η τεχνολογία προσφέρει ταχύτητα και ευρύτητα γνώσης, αλλά στερείται της ενσυναίσθησης και της κλινικής κρίσης που μόνο η ανθρώπινη επαφή μπορεί να προσφέρει. Το μέλλον της διάγνωσης βρίσκεται σε μια υβριδική προσέγγιση, όπου ο αλγόριθμος θα κάνει τη «βαριά δουλειά» της επεξεργασίας δεδομένων και ο γιατρός θα διατηρεί τον ρόλο του τελικού κριτή και θεραπευτή.