AI pokonała lekarzy w diagnozowaniu pacjentów SOR. Czy to koniec medycyny, jaką znamy?

Wyobraź sobie izbę przyjęć w środku nocy. Pacjent z bólem w klatce piersiowej, gorączką i splątaniem. Lekarz ma kilka minut, by podjąć decyzję, która może zaważyć o życiu. Właśnie w takich warunkach – chaotycznych, stresujących, pełnych niepełnych danych – sztuczna inteligencja okazała się lepsza od człowieka. Nowe badanie opublikowane 30 kwietnia w czasopiśmie Science dowodzi, że model AI oparty na dużym języku (LLM) trafniej diagnozował pacjentów izby przyjęć niż dwójka doświadczonych lekarzy. Czy to oznacza, że wkrótce stracimy zaufanie do ludzkiej intuicji?

Test na żywym organizmie – czyli prawdziwe dane ze szpitala

→ Czytaj też: Największy otwarty model AI ma 2,8 biliona parametrów. Chiny rzucają wyzwanie USA

Od lat 50. XX wieku naukowcy porównują umiejętności diagnostyczne lekarzy i komputerów. Dotychczasowe testy opierały się jednak na starannie wyselekcjonowanych opisach przypadków z New England Journal of Medicine. Maszyny radziły sobie coraz lepiej, ale wciąż brakowało dowodów, że sprawdzą się w realnym świecie. Aż do teraz.

Zespół pod kierunkiem Adama Rodmana, klinicysty z Beth Israel Deaconess Medical Center w Bostonie, postanowił sprawdzić, jak poradzi model o1 od OpenAI – zapowiedź nowej generacji systemów rozumujących – z prawdziwymi danymi ze szpitala. Naukowcy wybrali 76 pacjentów izby przyjęć i przedstawili AI oraz dwóm lekarzom ich dokumentację w trzech kluczowych momentach: podczas wstępnej segregacji medycznej (triage), pierwszej rozmowy z lekarzem oraz przyjęcia do szpitala. Eksperyment nie wpływał na rzeczywiste leczenie.

Wyniki? Lekarze trafnie diagnozowali pacjentów w 50 i 55 procentach przypadków. AI – w 67 procentach. Jak mówi Thomas Buckley, informatyk z Harvard Medical School i współautor badania, ten test był „najważniejszy” z całej serii sześciu eksperymentów. AI spisywała się tak dobrze, że badacze obawiali się, iż nikt nie uwierzy w rezultaty.

Dlaczego to działa – i dlaczego to nie koniec lekarzy

→ Czytaj też: AI rozszyfrowała śpiew ptaków. Co mówią nam od lat?

Klucz do sukcesu leży w architekturze modelu o1. W przeciwieństwie do starszych systemów, które jedynie przewidują kolejne słowo, o1 potrafi wykonywać i wyjaśniać krok po kroku logiczne rozumowanie. To właśnie ta zdolność – nazywana przez twórców łańcuchem myśli – pozwoliła AI przeanalizować skąpe, często niespójne notatki z izby przyjęć i wyciągnąć poprawne wnioski.

Jednak naukowcy i lekarze spoza badania studzą entuzjazm. Arya Rao, biomedyczny informatyk z Harvard Medical School, zauważa, że „kiedy mówimy o rozumowaniu klinicznym, nie oznacza to tego samego, co rozumowanie moralne”. Modele takie jak o1 są zoptymalizowane do sekwencyjnego myślenia, ale to nie to samo, czego uczymy studentów medycyny. Lekarz nie tylko analizuje objawy – bierze pod uwagę kontekst społeczny, emocje pacjenta, etyczne dylematy.

Co więcej, badanie miało ograniczenia. AI testowano na stosunkowo małej grupie pacjentów, a dokumentacja dotyczyła krótkiego pobytu na SOR. Nie wiadomo, jak model spisałby się z danymi z kilkudniowej hospitalizacji. Zespół planuje już badania kliniczne, by sprawdzić, jak najlepiej włączyć AI do opieki nad pacjentem.

Narzędzie, nie zastępstwo

Mimo spektakularnych wyników, badacze podkreślają, że AI nie zastąpi lekarzy. Nour Khatib, internistka z Oak Valley Health w Kanadzie, zaznacza wprost: „To tylko kolejne narzędzie, które pomoże nam zapewnić pacjentowi opiekę najwyższej jakości”. I rzeczywiście – coraz więcej klinicystów wykorzystuje AI do transkrypcji notatek, analizy obrazów medycznych czy wczesnego wykrywania chorób. Badanie z Science sugeruje, że modele rozumujące, takie jak o1, mogą wkrótce regularnie pomagać w stawianiu diagnoz.

Czy to oznacza, że medycyna stanie się bezduszną maszyną? Wręcz przeciwnie. Jeśli AI przejmie żmudną analizę danych, lekarze będą mogli skupić się na tym, co najważniejsze – na rozmowie z pacjentem, empatii i podejmowaniu decyzji, które wymagają człowieczeństwa. Jak komentuje Adam Rodman w rozmowie z NPR: „To działa z chaotycznymi danymi z izby przyjęć. Działa w realnym świecie”. Pytanie tylko, jak szybko nauczymy się z tego korzystać.