Lekarz czy maszyna? AI od Google lepiej zarządza chorobą niż człowiek

Wyobraź sobie sztuczną inteligencję, która nie tylko słucha, jak opisujesz objawy, ale przez wiele wirtualnych wizyt prowadzi cię przez cały proces leczenia – od diagnozy, przez dobór terapii, aż po bezpieczną receptę. Taki właśnie system przetestowali naukowcy z Google DeepMind i Google Research. Ich agent AI o nazwie AMIE w starciu z lekarzami podstawowej opieki zdrowotnej nie tylko nie wypadł gorzej, ale w kluczowych aspektach zarządzania chorobą okazał się wyraźnie lepszy. Czy to początek ery, w której chatbot stanie na straży przestrzegania wytycznych klinicznych?

Od diagnozy do zarządzania chorobą

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

Jeszcze niedawno głównym celem inżynierów AI w medycynie było postawienie poprawnej diagnozy na podstawie rozmowy z pacjentem. System AMIE (Articulate Medical Intelligence Explorer) już wcześniej udowodnił, że potrafi dorównać lekarzom w diagnostyce. Teraz badacze poszli o krok dalej. W nowym eksperymencie, opisanym 17 czerwca w prestiżowym Nature, zmierzyli się z o wiele trudniejszym wyzwaniem: zarządzaniem chorobą w czasie. Chodzi o śledzenie postępów terapii w trakcie wielu wizyt, dostosowywanie zaleceń i przede wszystkim – bezpieczne przepisywanie leków.

System przeszkolono tak, by swoje decyzje opierał na aktualnych brytyjskich wytycznych NICE i standardach BMJ Best Practice. Badanie opublikowane w Nature pokazuje zasadniczą zmianę perspektywy. Dotąd modele językowe skupiano na pojedynczym kontakcie z chorym. AMIE został zaprojektowany jako agent zdolny do rozumowania o progresji schorzenia, odpowiedzi na terapię i interakcjach lekowych podczas wieloetapowego leczenia.

100 scenariuszy, 21 lekarzy i ślepa próba

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

Żeby zweryfikować te możliwości, naukowcy z Google DeepMind i Google Research przeprowadzili randomizowane badanie metodą wirtualnego OSCE (Objective Structured Clinical Examination). Stworzyli 100 wielowizytowych scenariuszy klinicznych i skonfrontowali AMIE z 21 lekarzami podstawowej opieki zdrowotnej. Żadna ze stron nie wiedziała, z kim ma do czynienia – specjaliści oceniający wyniki również pracowali w ślepej próbie.

Co się okazało? AMIE nie ustępował lekarzom w ocenie rozumowania klinicznego. Prawdziwa różnica wyszła na jaw, gdy analizowano precyzję zlecanych badań i terapii. W tych kategoriach sztuczna inteligencja wypadła lepiej niż człowiek. System częściej dobierał badania i leki zgodnie z obowiązującymi wytycznymi – jego zalecenia były ściślej osadzone w aktualnej wiedzy medycznej.

AMIE dorównał lekarzom w ogólnym rozumowaniu klinicznym, ale wyraźnie przewyższył ich w precyzji i zgodności z wytycznymi.

Twórcy systemu wykorzystali architekturę Gemini z długim kontekstem, łącząc wyszukiwanie informacji z ustrukturyzowanym rozumowaniem. W efekcie AMIE na bieżąco konsultował się z wytycznymi i formularzami leków, zanim zaproponował terapię.

Test lekowy, który odsiewa błędy

Równolegle badacze opracowali nowy test – RxQA – wzorowany na pytaniach z amerykańskich i brytyjskich narodowych spisów leków. Zestaw pytań wielokrotnego wyboru, zweryfikowanych przez dyplomowanych farmaceutów, sprawdzał, jak model radzi sobie z recepturowaniem w sytuacjach o różnym stopniu trudności. Tu również AMIE pokazał przewagę. Gdy pytania stawały się bardziej złożone, model radził sobie lepiej niż lekarze, nawet jeśli obie strony miały dostęp do zewnętrznych źródeł informacji o lekach.

To istotny punkt. Współczesna farmakoterapia jest tak skomplikowana, że nawet doświadczony klinicysta może przeoczyć rzadką interakcję lekową. System, który na bieżąco przeszukuje gigantyczne bazy danych i porównuje je z historią wirtualnego pacjenta, ma tu naturalną przewagę. Nie zastępuje intuicji – zastępuje żmudne sprawdzanie regułek.

Co to zmienia dla przyszłości medycyny?

Autorzy badania są ostrożni w prognozach. Podkreślają, że zanim AMIE trafi do prawdziwych gabinetów, potrzebne są dalsze testy i walidacja w realnym środowisku. Symulowane scenariusze, choć zaawansowane, nie oddają chaosu codziennej praktyki klinicznej. Nie uwzględniają też fizykalnego badania pacjenta ani niuansów komunikacji niewerbalnej. Mimo to wyniki wyznaczają nowy kierunek – od chatbotów-diagnostów w stronę systemów realnie wspomagających zarządzanie terapią.

Szczególnie intrygująca jest perspektywa wykorzystania takich narzędzi do nadzorowania zgodności leczenia z wytycznymi. W systemach opieki zdrowotnej, gdzie błędy lekowe kosztują życie i miliardy dolarów rocznie, asystent AI, który w tle weryfikuje każdą decyzję, mógłby działać niczym zaawansowany system bezpieczeństwa. Nie po to, by odebrać sprawczość lekarzowi, ale by upewnić się, że żadne okno interakcji lekowej nie umknęło podczas nocnego dyżuru. Następnym krokiem, jak zapowiadają badacze, będzie przełożenie tych obiecujących wyników na testy kliniczne z udziałem prawdziwych pacjentów.