Οι γιατροί εξακολουθούν να υπερτερούν έναντι της ΤΝ σε επείγοντα ιατρικά περιστατικά.

Τα εργαλεία τεχνητής νοημοσύνης (AI) είναι χειρότερα από τους γιατρούς και τους νοσηλευτές στην ιεράρχηση των ασθενών στα επείγοντα περιστατικά, σύμφωνα με μια μικρή νέα μελέτη.

Τα ευρήματα δείχνουν ότι, ενώ η τεχνητή νοημοσύνη υπόσχεται πολλά στον ιατρικό τομέα, οι εργαζόμενοι στον τομέα της υγείας δεν θα πρέπει να αναθέτουν σε τρίτους τις αποφάσεις σχετικά με τη φροντίδα των ασθενών έκτακτης ανάγκης, των οποίων η ζωή μπορεί να κινδυνεύει, δήλωσαν οι ερευνητές.

"Δεδομένης της ταχείας ανάπτυξης εργαλείων ΤΝ όπως το ChatGPT, είχαμε ως στόχο να διερευνήσουμε κατά πόσον η ΤΝ θα μπορούσε να υποστηρίξει τη λήψη αποφάσεων διαλογής, να βελτιώσει την αποτελεσματικότητα και να μειώσει την επιβάρυνση του προσωπικού σε περιβάλλοντα έκτακτης ανάγκης", ανέφερε σε δήλωσή της η Δρ Renata Jukneviciene, μία από τους συγγραφείς της μελέτης και ερευνήτρια στο Πανεπιστήμιο του Βίλνιους στη Λιθουανία.

Η έρευνα, η οποία δεν έχει ακόμη αξιολογηθεί από ανεξάρτητους εμπειρογνώμονες ούτε έχει δημοσιευθεί σε ιατρικό περιοδικό, παρουσιάστηκε στο Ευρωπαϊκό Συνέδριο Επείγουσας Ιατρικής την Τρίτη.

Η ομάδα του Jukneviciene ζήτησε από έξι γιατρούς επειγόντων περιστατικών και 44 νοσηλευτές να εξετάσουν περιστατικά ασθενών -που επιλέχθηκαν τυχαία από μια ηλεκτρονική ιατρική βάση δεδομένων- και να τα διαχωρίσουν, ή να τα ταξινομήσουν κατά σειρά επείγοντος σε μια κλίμακα 1-5.

Στη συνέχεια, οι ερευνητές ζήτησαν από το ChatGPT, το ευρέως χρησιμοποιούμενο chatbot της OpenAI, να αναλύσει τις ίδιες περιπτώσεις.

Το συνολικό ποσοστό ακρίβειας του ChatGPT ήταν 50,4%, σε σύγκριση με 65,5% για τους νοσηλευτές και 70,6% για τους γιατρούς. Υπήρχε ακόμη μεγαλύτερο χάσμα στην ευαισθησία, ή την ικανότητα εντοπισμού πραγματικά επειγουσών περιπτώσεων, με το ChatGPT να φτάνει το 58,3% σε σύγκριση με το 73,8% των νοσηλευτών και το 83% των γιατρών, σύμφωνα με τη μελέτη.

Ωστόσο, το μοντέλο τεχνητής νοημοσύνης υπερείχε των νοσηλευτών όταν επρόκειτο να εντοπίσει τις πιο επείγουσες ή απειλητικές για τη ζωή περιπτώσεις, με καλύτερη ακρίβεια και ειδικότητα.

Τα ευρήματα δείχνουν ότι "η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην ιεράρχηση των πιο επειγόντων περιστατικών με μεγαλύτερη συνέπεια και στην υποστήριξη του νέου ή λιγότερο έμπειρου προσωπικού", δήλωσε η Jukneviciene.

Ωστόσο, το ChatGPT ήταν πολύ πιο πιθανό από τους γιατρούς ή τους νοσηλευτές να χαρακτηρίσει τις περιπτώσεις ως εξαιρετικά επείγουσες, πράγμα που σημαίνει ότι η "ανθρώπινη επίβλεψη" θα ήταν σημαντική για την αποφυγή "αναποτελεσματικότητας", δήλωσε ο Jukneviciene.

"Τα νοσοκομεία θα πρέπει να προσεγγίσουν την εφαρμογή της τεχνητής νοημοσύνης με προσοχή και να επικεντρωθούν στην εκπαίδευση του προσωπικού ώστε να ερμηνεύει κριτικά τις προτάσεις της τεχνητής νοημοσύνης", είπε.

Η μελέτη έχει ορισμένους περιορισμούς, κυρίως το μικρό μέγεθος και το γεγονός ότι έλαβε χώρα σε ένα μόνο νοσοκομείο στη Λιθουανία. Το μοντέλο ChatGPT που χρησιμοποιήθηκε στη μελέτη δεν είχε εκπαιδευτεί για ιατρικούς σκοπούς, πράγμα που σημαίνει ότι τα εκλεπτυσμένα εργαλεία ΤΝ μπορεί να είχαν καλύτερη επίδοση.

Άλλες έρευνες δείχνουν ότι η τεχνητή νοημοσύνη θα μπορούσε να αποτελέσει ευλογία για τον τομέα της υγείας, ξεπερνώντας τους ανθρώπινους γιατρούς στη διάγνωση πολύπλοκων ιατρικών προβλημάτων, διαβάζοντας τις ακτινογραφίες ταχύτερα και με μεγαλύτερη ακρίβεια και καθιστώντας δυνατή την πρόβλεψη μελλοντικών προβλημάτων υγείας .

Αλλά οι επιστήμονες έχουν επίσης προειδοποιήσει ότι η υπερβολική εξάρτηση από τα εργαλεία ΤΝ θα μπορούσε να προκαλέσει την υποβάθμιση των δεξιοτήτων των εργαζομένων στον τομέα της υγείας με την πάροδο του χρόνου.

Η ομάδα του Jukneviciene σχεδιάζει τώρα πρόσθετες μελέτες χρησιμοποιώντας νεότερα μοντέλα ΤΝ, μεγαλύτερες ομάδες ασθενών και μια σειρά από σενάρια, όπως η εκπαίδευση των νοσηλευτών και η ερμηνεία των σαρώσεων ηλεκτροκαρδιογραφήματος (ΗΚΓ ή EKG) που εντοπίζουν ασυνήθιστη καρδιακή δραστηριότητα.

Εν τω μεταξύ, δήλωσε ότι "η τεχνητή νοημοσύνη δεν θα πρέπει να αντικαταστήσει την κλινική κρίση, αλλά θα μπορούσε να χρησιμεύσει ως εργαλείο υποστήριξης αποφάσεων σε συγκεκριμένα κλινικά πλαίσια και σε υπερφορτωμένα τμήματα επειγόντων περιστατικών".