Όταν η τεχνητή νοημοσύνη μπαίνει στο νοσοκομείο: τι αλλάζει για τους γιατρούς και τους ασθενείς

Στην προηγούμενη στήλη μου, εξέτασα την τεχνητή νοημοσύνη στην ιατρική από επιχειρηματική σκοπιά, εστιάζοντας στις ευκαιρίες που δημιουργεί για τις εταιρείες τεχνολογίας. Πέρα όμως από τις δυνατότητες για καινοτομία και τη δημιουργία νέων αγορών, υπάρχει ένα πιο θεμελιώδες ερώτημα: τι διαφορά θα κάνουν αυτές οι τεχνολογίες για τους γιατρούς που τις χρησιμοποιούν και τους ασθενείς που βασίζονται σε αυτούς; Άλλωστε, η πραγματική αξία της ιατρικής καινοτομίας έγκειται στην ικανότητά της να βελτιώνει την ποιότητα και την προσβασιμότητα της περίθαλψης. Και ήδη βλέπω εντυπωσιακές αλλαγές στον τρόπο με τον οποίο μπορεί να παρέχεται αυτή η περίθαλψη.

Πώς οι ελλείψεις προσωπικού επιταχύνουν την αυτοματοποίηση στην υγειονομική περίθαλψη

Γνωρίζω έναν επιχειρηματία του οποίου η εταιρεία παρέχει προσωρινό ιατρικό προσωπικό σε νοσοκομεία, μεταξύ άλλων νοσηλευτές που καλύπτουν τις ανάγκες όταν τακτικοί εργαζόμενοι απουσιάζουν. Θα περίμενε κανείς ότι μια τέτοια επιχείρηση θα ευημερούσε εν μέσω των επίμονων ελλείψεων προσωπικού. Εκείνος, όμως, λέει ότι ακόμη και οι εταιρείες που ειδικεύονται στη διάθεση επαγγελματιών υγείας δυσκολεύονται να βρουν αρκετά καταρτισμένα άτομα.

Τα νοσοκομεία αντιμετωπίζουν ελλείψεις γιατρών και νοσηλευτών εδώ και δεκαετίες. Η εκπαίδευση νέων επαγγελματιών υγείας απαιτεί σημαντικό χρόνο και πόρους. Η ιατρική εκπαίδευση, ιδιαίτερα στις Ηνωμένες Πολιτείες, μπορεί να είναι υπερβολικά δαπανηρή, ενώ τα χρόνια σπουδών και κλινικής εκπαίδευσης συνοδεύονται από οικονομική και ψυχολογική πίεση. Ακόμη και μετά την ολοκλήρωση της εκπαίδευσής τους, οι γιατροί αντιμετωπίζουν υψηλά επίπεδα άγχους, τεράστια ευθύνη και διαρκείς χρονικούς περιορισμούς.

Ως αποτέλεσμα, οι γιατροί έχουν μερικές φορές στη διάθεσή τους μόλις λίγα λεπτά με κάθε ασθενή για να εξετάσουν τα συμπτώματα, να μελετήσουν πιθανές διαγνώσεις, να ζητήσουν εξετάσεις και να ολοκληρώσουν την απαραίτητη τεκμηρίωση. Αυτός ο φόρτος εργασίας αυξάνει τον κίνδυνο λαθών και αφήνει λιγότερο χρόνο για ουσιαστική επικοινωνία με τους ασθενείς. Και μόνο η πρόσληψη περισσότερου προσωπικού δύσκολα θα λύσει το πρόβλημα.

Γι’ αυτό πιστεύω ότι οι επίμονες ελλείψεις προσωπικού και ο αυξανόμενος φόρτος εργασίας θα είναι από τους βασικούς παράγοντες που θα επιταχύνουν την υιοθέτηση της τεχνητής νοημοσύνης στα νοσοκομεία.

Τι μπορούν να εμπιστευτούν οι γιατροί στην τεχνητή νοημοσύνη;

Μία από τις πιο πρακτικές εφαρμογές είναι τα συστήματα τεχνητής νοημοσύνης που καταγράφουν τις συνομιλίες γιατρών και ασθενών, συνοψίζουν τις επισκέψεις και βοηθούν στην προετοιμασία της κλινικής τεκμηρίωσης. Αντί να αφιερώνουν χρόνο στη σύνταξη σημειώσεων με το χέρι, οι γιατροί λαμβάνουν ένα προσχέδιο, το οποίο μπορούν να ελέγξουν και να επεξεργαστούν όπως χρειάζεται.

Τα οφέλη αυτών των εργαλείων γίνονται ήδη εμφανή στην κλινική πράξη. Μια μελέτη του Απριλίου 2026 που δημοσιεύτηκε στο JAMA εξέτασε δεδομένα από περισσότερους από 8.500 επαγγελματίες υγείας σε πέντε ιατρικά κέντρα των ΗΠΑ. Μεταξύ των κλινικών γιατρών που υιοθέτησαν εργαλεία τεκμηρίωσης με τεχνητή νοημοσύνη, ο χρόνος που αφιερωνόταν στις κλινικές σημειώσεις μειώθηκε κατά μέσο όρο κατά 10%, ποσότητα που αντιστοιχεί σε περίπου 16 λεπτά ανά οκτάωρο προγραμματισμένων επισκέψεων ασθενών.

Ένα ακόμη παράδειγμα είναι η υποβοηθούμενη από την τεχνητή νοημοσύνη διαφορική διάγνωση. Φανταστείτε έναν ασθενή που επισκέπτεται γιατρό με κοιλιακό πόνο και αίσθημα μυρμηγκιάσματος στην αριστερή πλευρά. Ένα σύστημα τεχνητής νοημοσύνης μπορεί να αναλύσει τα συμπτώματα και να προτείνει διάφορες πιθανές αιτίες προς διερεύνηση. Δεν θέτει την τελική διάγνωση, αλλά μπορεί να βοηθήσει τον γιατρό να καταρτίσει έναν κατάλογο πιθανών αιτιών, να εντοπίσει συμπληρωματικές ερωτήσεις και να καθορίσει ποιες εξετάσεις ενδέχεται να είναι απαραίτητες. Έχω ήδη συναντήσει τέτοια εργαλεία στην πράξη και πιστεύω ότι θα αποτελέσουν τακτικό μέρος των ιατρικών επισκέψεων. Εγείρουν όμως και έναν εύλογο προβληματισμό: θα μπορούσε η εξάρτηση από προτάσεις που παράγονται από την τεχνητή νοημοσύνη να αποδυναμώσει σταδιακά την ικανότητα των γιατρών να σκέφτονται ανεξάρτητα; Όταν ένα σύστημα προσφέρει έτοιμες απαντήσεις, είναι δελεαστικό να εμπιστευτεί κανείς τα συμπεράσματά του, ιδίως όταν ο χρόνος για κάθε ασθενή είναι ήδη τόσο περιορισμένος.

Υπάρχει, ωστόσο, και μια άλλη πλευρά. Όσο έμπειρος κι αν είναι ένας γιατρός, οι γνώσεις του διαμορφώνονται αναπόφευκτα από τους ασθενείς που έχει θεραπεύσει, την εκπαίδευση που έχει λάβει και τις έρευνες που έχει προλάβει να μελετήσει. Τα μοντέλα τεχνητής νοημοσύνης, αντίθετα, μπορούν ενδεχομένως να εντοπίσουν μοτίβα σε πολύ μεγαλύτερους όγκους ιατρικών δεδομένων, συμπεριλαμβανομένων περιστατικών που ένας μεμονωμένος γιατρός μπορεί να μην έχει συναντήσει ποτέ.

Η τεχνητή νοημοσύνη ως συμμετέχων στην ιατρική έρευνα

Ένας ακόμη τομέας που αξίζει να διερευνηθεί είναι τα σύνθετα κλινικά περιστατικά, στα οποία ακόμη και έμπειροι ειδικοί δυσκολεύονται να καταλήξουν σε συναίνεση. Σήμερα, τέτοια περιστατικά συχνά παρουσιάζονται σε ιατρικά συμβούλια περιστατικών, όπου οι γιατροί εξετάζουν τα αποτελέσματα των εξετάσεων, συζητούν πιθανές διαγνώσεις και συμφωνούν για τα επόμενα βήματα της θεραπείας. Δεν πιστεύω ότι η τεχνητή νοημοσύνη θα αντικαταστήσει αυτές τις συζητήσεις, μπορώ όμως να φανταστώ ότι θα γίνει ένας ακόμη συμμετέχων.

Αυτό θα μπορούσε να γίνει με διάφορους τρόπους. Πολλαπλά μοντέλα θα μπορούσαν να αναλύσουν ανεξάρτητα το ίδιο κλινικό περιστατικό, επιτρέποντας στους γιατρούς να συγκρίνουν τα ευρήματά τους και να εντοπίζουν σημεία συμφωνίας ή διαφωνίας. Εναλλακτικά, ένα μόνο μοντέλο θα μπορούσε να εξετάσει το περιστατικό πολλές φορές, χρησιμοποιώντας διαφορετικές αναλυτικές προσεγγίσεις, και στη συνέχεια τα αποτελέσματα να συγκεντρωθούν για αξιολόγηση.

Φυσικά, η συμφωνία μεταξύ μοντέλων τεχνητής νοημοσύνης δεν σημαίνει απαραίτητα ότι έχουν καταλήξει στο σωστό συμπέρασμα. Τα μοντέλα μπορεί να έχουν κοινούς περιορισμούς, να βασίζονται σε παρόμοια δεδομένα εκπαίδευσης και να κάνουν τα ίδια λάθη. Παρ’ όλα αυτά, αυτές οι πρόσθετες οπτικές θα μπορούσαν να βοηθήσουν στον εντοπισμό ασυνεπειών, στην επισήμανση σπάνιων παθήσεων ή στην υπόδειξη ενδεχομένων που οι γιατροί δεν είχαν αρχικά εξετάσει.

Ωστόσο, για να συμβάλει ουσιαστικά σε τέτοιες συζητήσεις, η ΤΝ πρέπει να λαμβάνει υπόψη περισσότερα από μεμονωμένα αποτελέσματα εξετάσεων. Έχω διαπιστώσει από πρώτο χέρι πόσο σημαντικό είναι αυτό το ευρύτερο κλινικό πλαίσιο μέσα από τη δουλειά μας στην Keymakr. Σε ένα έργο απεικόνισης με υπερήχους, εργαστήκαμε με σαρώσεις των ίδιων ασθενών που είχαν ληφθεί σε διαφορετικές χρονικές στιγμές, μερικές φορές αρκετές φορές την ημέρα και ξανά μήνες αργότερα. Η ομάδα σημείωνε τις ανατομικές δομές και επισήμαινε πιθανές ανωμαλίες για αξιολόγηση από ειδικούς, λαμβάνοντας παράλληλα υπόψη τις αλλαγές σε όλο το ιστορικό εξετάσεων του ασθενούς.

Μικρές ασυνέπειες σε επιμέρους ιατρικά αρχεία θα μπορούσαν να επηρεάσουν την ερμηνεία συναφών δεδομένων σε ολόκληρο το εύρος του συνόλου δεδομένων. Αυτή η εμπειρία επιβεβαίωσε πόσο σημαντικό είναι να λαμβάνεται υπόψη το ιατρικό ιστορικό του ασθενούς ως σύνολο — κάτι εξίσου απαραίτητο για συστήματα ΤΝ που υποστηρίζουν σύνθετες κλινικές αποφάσεις.

Μαγνητική τομογραφία χωρίς μαγνητικό τομογράφο

Η διάγνωση, όμως, δεν αφορά μόνο τη σωστή ερμηνεία των ιατρικών δεδομένων. Αφορά και τη δυνατότητα πρόσβασης σε αυτά εξαρχής. Ένα από τα πιο ενδιαφέροντα έργα ΤΝ που έχω συναντήσει σε εκδήλωση που μου πρότεινε η Scryon αντιμετωπίζει ακριβώς αυτή την πρόκληση. Μια ομάδα προγραμματιστών βρήκε τρόπο να χρησιμοποιεί αξονικές τομογραφίες και αρκετές ακτινογραφίες που έχουν ληφθεί από συγκεκριμένες γωνίες, ώστε να ανασυνθέτει με τη βοήθεια της τεχνητής νοημοσύνης μια εικόνα παρόμοια με εκείνη της μαγνητικής τομογραφίας. Η ιδέα προέκυψε από ένα πολύ πρακτικό πρόβλημα: οι μαγνητικοί τομογράφοι είναι ακριβοί και οι ασθενείς μερικές φορές περιμένουν μήνες για να εξεταστούν, ενώ τα μηχανήματα ακτινογραφίας και οι αξονικοί τομογράφοι είναι πολύ πιο ευρέως διαθέσιμοι.

Προς το παρόν, η τεχνολογία εστιάζει στο γόνατο, αν και οι προγραμματιστές εξετάζουν το ενδεχόμενο να την επεκτείνουν και σε άλλες αρθρώσεις. Σύμφωνα με την ομάδα, οι ανασυνθέσεις προορίζονται να παρέχουν πληροφορίες συγκρίσιμες με εκείνες των μαγνητικών τομογραφιών, παρόλο που οι τεχνικές απεικόνισης βασίζονται σε διαφορετικές φυσικές αρχές.

Αντί να αναπτύξει έναν ακόμη ακριβό ιατρικό εξοπλισμό, η ομάδα αξιοποιεί την υπάρχουσα τεχνολογία απεικόνισης και διευρύνει τις δυνατότητές της μέσω της ανασύνθεσης εικόνων με τη βοήθεια της ΤΝ.

Χειρουργική αίθουσα χωρίς σύνορα

Πιστεύω ότι μέσα στην επόμενη δεκαετία η ΤΝ θα διαδραματίζει, με τη μία ή την άλλη μορφή, ρόλο σε τουλάχιστον τις μισές από όλες τις ιατρικές διαδικασίες. Αναφέρομαι σε ένα ευρύ φάσμα εφαρμογών, από την ανάλυση ιατρικών δεδομένων και την υποστήριξη της διάγνωσης έως την καθοδήγηση από ΤΝ σε πραγματικό χρόνο κατά τη διάρκεια χειρουργικών επεμβάσεων.

Μακροπρόθεσμα, αυτές οι τεχνολογίες θα μπορούσαν επίσης να συμβάλουν στην υπέρβαση οικονομικών, οργανωτικών, ακόμη και γεωγραφικών εμποδίων στην πρόσβαση στην υγειονομική περίθαλψη. Φανταστείτε έναν έμπειρο χειρουργό στις Ηνωμένες Πολιτείες να συνδράμει σε μια επέμβαση σε ένα παιδί στην Ινδία ή έναν ειδικό στην Ινδία να συμβάλλει στη θεραπεία ενός ασθενούς στον Καναδά, χωρίς να βρίσκεται με φυσική παρουσία στη χειρουργική αίθουσα. Οι εξελίξεις στη ρομποτική, στα συστήματα τηλεχειρισμού και στη χειρουργική υποστήριξη με τη βοήθεια της ΤΝ θα μπορούσαν να καταστήσουν δυνατά τέτοια σενάρια.

Ήδη βλέπουμε τα πρώτα βήματα προς αυτή την κατεύθυνση. Για παράδειγμα, η πλατφόρμα Proximie επιτρέπει στους χειρουργούς να συνδέονται εξ αποστάσεως με χειρουργικές αίθουσες, να παρακολουθούν επεμβάσεις σε πραγματικό χρόνο και να συνεργάζονται με τις ιατρικές ομάδες που βρίσκονται επιτόπου. Το σύστημα υποστηρίζει ζωντανή μετάδοση βίντεο, φωνητική επικοινωνία και οπτικές σημειώσεις, ενώ χρησιμοποιεί ΤΝ για να αναλύει δεδομένα σχετικά με τη ροή εργασιών στο χειρουργείο. Αυτό δεν σημαίνει ότι οι χειρουργοί μπορούν ήδη να εκτελούν εξ αποστάσεως οποιαδήποτε επέμβαση, επιτρέπει όμως στους ειδικούς να μοιράζονται την τεχνογνωσία τους και να παρέχουν καθοδήγηση χωρίς να βρίσκονται στην ίδια χειρουργική αίθουσα.

Πιστεύω ότι η βελτίωση της πρόσβασης στην υγειονομική περίθαλψη θα πρέπει να αποτελεί έναν από τους βασικούς στόχους της ΤΝ στην ιατρική. Σημασία έχει αν αυτές οι τεχνολογίες μπορούν να συμβάλουν στη μείωση των χρόνων αναμονής για διαγνωστικές εξετάσεις, να ελαφρύνουν τον φόρτο εργασίας των επαγγελματιών υγείας και να δίνουν στους γιατρούς περισσότερο χρόνο με τους ασθενείς τους. Τελικά, θα αξιολογούσα την επιτυχία της ΤΝ στην ιατρική με βάση το πόσοι περισσότεροι άνθρωποι μπορούν χάρη σε αυτήν να λαμβάνουν έγκαιρη και υψηλής ποιότητας ιατρική φροντίδα.