Με ταχύτατους ρυθμούς, η Τεχνητή Νοημοσύνη (Artificial Intelligence – AI) αλλάζει την ιατρική, προσφέροντας νέες δυνατότητες στη διάγνωση, στις θεραπευτικές αποφάσεις και στη φροντίδα των ασθενών.
Την ίδια στιγμή, τίθεται ένα βασικό ερώτημα: με ποιον τρόπο χρειάζεται να εκπαιδεύονται οι γιατροί, καθώς όλο και περισσότερες γνωστικές λειτουργίες μπορούν να υποστηρίζονται από ευφυή υπολογιστικά συστήματα; Η δρ. Μαρία Καπαρέλου, παθολόγος – ογκολόγος, και ο Θάνος Δημόπουλος, καθηγητής Θεραπευτικής – Ογκολογίας – Αιματολογίας, διευθυντής της Θεραπευτικής Κλινικής στο Νοσοκομείο «Αλεξάνδρα» και τ. πρύτανης του ΕΚΠΑ, από τη Θεραπευτική Κλινική του Νοσοκομείου Αλεξάνδρα της Ιατρικής Σχολής του ΕΚΠΑ, μεταφέρουν την εκτίμηση των Jesse Burk-Rafel και Robert Wachter. Σε άρθρο τους που δημοσιεύτηκε στις 14 Οκτωβρίου 2026 στο επιστημονικό περιοδικό JAMA, οι δύο συγγραφείς υποστηρίζουν πως η χρήση της Τεχνητής Νοημοσύνης στην κλινική πράξη επιβάλλει ουσιαστική αναθεώρηση του παραδοσιακού τρόπου ιατρικής εκπαίδευσης.
Τεχνητή Νοημοσύνη και η ανάπτυξη της κλινικής κρίσης των γιατρών
Εδώ και περισσότερο από έναν αιώνα, οι γιατροί εκπαιδεύονται αποκτώντας ευρύ επιστημονικό υπόβαθρο και κλινική εμπειρία. Η δυνατότητα, ωστόσο, των συστημάτων Τεχνητής Νοημοσύνης να επεξεργάζονται πληροφορίες και να εισηγούνται διαγνωστικές ή θεραπευτικές λύσεις ενέχει τον κίνδυνο οι νέοι γιατροί να παραλείπουν τον συλλογισμό που είναι απαραίτητος για την ανάπτυξη ανεξάρτητης κλινικής κρίσης. Η πιθανή αυτή εξέλιξη ονομάζεται never-skilling: πρόκειται για την αδυναμία απόκτησης ουσιαστικών δεξιοτήτων, όταν η εξάρτηση από την τεχνολογία αρχίζει πολύ νωρίς. Ως απάντηση, οι συγγραφείς εισηγούνται εκπαιδευτική στρατηγική με τρεις κατευθύνσεις: να ενισχυθούν οι δεξιότητες που αποκτούν αυξημένη βαρύτητα στην εποχή της Τεχνητής Νοημοσύνης, να αναπτυχθούν νέες ικανότητες και να περιοριστούν προσεκτικά εκπαιδευτικές απαιτήσεις που έχουν μικρότερη χρησιμότητα. Βασικό στοιχείο παραμένει η άμεση κλινική εξέταση. Η παρατήρηση, η φυσική εξέταση και η επικοινωνία με τον ασθενή αποκαλύπτουν πληροφορίες που μπορεί να λείπουν από τον ηλεκτρονικό ιατρικό φάκελο ή να μην εντοπίζονται από έναν αλγόριθμο. Εξίσου κρίσιμη είναι η θεραπευτική συλλογιστική (management reasoning): η δεξιότητα να μετατρέπεται η διάγνωση σε εξατομικευμένο σχέδιο θεραπείας, με συνεκτίμηση της σοβαρότητας της νόσου και των αναγκών και προτιμήσεων κάθε ασθενούς.
Σημαντικό ρόλο έχει επίσης η δεξιότητα της εποπτείας και αξιολόγησης της συλλογιστικής της Τεχνητής Νοημοσύνης (supervisory reasoning). Ο γιατρός καλείται να κρίνει με ανεξάρτητο τρόπο τις διαγνωστικές και θεραπευτικές εισηγήσεις των σχετικών συστημάτων, να εντοπίζει πιθανές ανακρίβειες και να αποφασίζει αν θα τις ακολουθήσει, θα τις προσαρμόσει ή θα ζητήσει επιπλέον κλινικά δεδομένα. Η γνώση της χρήσης της Τεχνητής Νοημοσύνης δεν θα είναι από μόνη της αρκετή για τον γιατρό του μέλλοντος: θα χρειάζεται επιστημονική κατάρτιση και ανεξάρτητη κλινική κρίση, ώστε να αναγνωρίζει τους περιορισμούς και τα πιθανά σφάλματα των εργαλείων και να παρεμβαίνει όπου απαιτείται. Στη διαδικασία αυτή είναι απαραίτητες δύο δεξιότητες. Η κατάλληλα προσαρμοσμένη εμπιστοσύνη (calibrated trust) σημαίνει ότι ο γιατρός ρυθμίζει το πόσο εμπιστεύεται την Τεχνητή Νοημοσύνη με βάση το εργαλείο, την κλινική χρήση και τη σοβαρότητα των πιθανών συνεπειών. Η μεταγνώση (metacognition) αφορά την αναγνώριση και αξιολόγηση του προσωπικού τρόπου σκέψης και λήψης αποφάσεων, καθώς και την αναπροσαρμογή του. Στόχος είναι να αποφευχθούν τόσο η άκριτη υιοθέτηση των αλγοριθμικών προτάσεων όσο και η αδικαιολόγητη απόρριψη των τεχνολογικών δυνατοτήτων. Εισηγούνται ακόμη να μειωθεί στοχευμένα η εγκυκλοπαιδική απομνημόνευση, διατηρώντας όμως σε υψηλό επίπεδο τις βασικές γνώσεις φυσιολογίας, παθοφυσιολογίας και φαρμακολογίας. Όσα χρειάζονται για επείγουσες κλινικές αποφάσεις πρέπει να είναι άμεσα προσβάσιμα στη μνήμη, ενώ για άλλες πληροφορίες μπορεί να αξιοποιείται η τεχνολογία.
Για να αλλάξει η ιατρική εκπαίδευση, χρειάζεται διαρκής εξάσκηση με τη χρήση Τεχνητής Νοημοσύνης αλλά και χωρίς αυτήν, προσομοιώσεις περιστατικών που περιλαμβάνουν σφάλματα και νέες διαδικασίες αξιολόγησης, ώστε να ξεχωρίζει η συμβολή του εκπαιδευόμενου από εκείνη του αλγορίθμου. Το βασικό συμπέρασμα είναι πως η Τεχνητή Νοημοσύνη δεν αντικαθιστά την ιατρική κρίση· αντίθετα, κάνει ακόμη πιο απαραίτητη την καλλιέργειά της. Ζητούμενο δεν είναι μόνο οι γιατροί να αξιοποιούν αποτελεσματικά την τεχνολογία, αλλά να διαμορφωθούν επιστήμονες με αυτονομία και κριτική σκέψη, ικανοί να παίρνουν υπεύθυνες και εξατομικευμένες αποφάσεις, έχοντας πάντοτε στο επίκεντρο τον άνθρωπο.
ΑΠΕ-ΜΠΕ
Το άρθρο στο ygeiax.gr: https://www.ygeiax.gr/news/techniti-noimosyni-stin-iatriki-pos-metamorfonetai-i-ekpaideysi-ton-giatron/25309
