του Γεράσιμου Γραμματικόπουλου*

Ο γιατρός μου, ο ChatGPT, MD – η τεχνητή νοημοσύνη στην υπηρεσία της Ιατρικής ή «έκπτωση» της Ιατρικής σε τεχνητή νοημοσύνη;

Το πρόσφατο «άνοιγμα» της τεχνολογίας της τεχνητής νοημοσύνης (ΑΙ) στο ευρύτερο κοινό, μέσα από τη δυνατότητα «εκπαίδευσης» τέτοιων νευρωνικών δικτύων με τεράστια μεγέθη δεδομένων (big data) διέγειρε τη φαντασία πολλών για ειδικές εφαρμογές, ανάμεσά τους και στην Ιατρική. Δεν είναι λίγοι όσοι σκέφτηκαν την αντικατάσταση της φιγούρας του πρωτοβάθμιου Ιατρού από έναν AI agent, είτε χαιρόμενοι είτε φοβούμενοι. Πέραν όμως του ηθικού–φιλοσοφικού ερωτήματος, αμφότερες σκέψεις είναι κατ’ ουσίαν ανεδαφικές, ή έστω, θα έπρεπε να είναι.

Ένα προϋπάρχον σφάλμα.

Για περισσότερο από μια δεκαετία παρατηρείται στην ιατρική έρευνα σαν τάση ένα σημαντικό μεθοδολογικό ατόπημα: η συλλογή μέγιστου αριθμού δεδομένων προσπαθεί να υποκαταστήσει την κατασκευή λογικών μοντέλων εξήγησης των φαινομένων, το οικοδόμημα γνώσης βιοχημικών και βιολογικών μηχανισμών, μίκρο- και μακροσκοπικής ανατομίας, φυσιολογίας, φυσιοπαθολογίας, φαρμακολογίας κλπ. Οι νέοι φοιτητές και ερευνητές δείχνουν να μην νοιάζονται καθόλου να απαντήσουν στα αμέτρητα «γιατί;» του καταπληκτικού φαινομένου της ζωής, φτάνει τα δεδομένα να καταλήγουν στο ένα ή το άλλο συμπέρασμα – σχεδόν μηχανιστικά. Κάπως έτσι οι μετα-αναλύσεις και τα systematic reviews έχουν σχεδόν εξανδραποδίσει την ποιοτική βασική έρευνα, μειώνοντας το βάθος κατανόησης της νεοαποκτούμενης γνώσης.

Cochrane uber alles?

Η βιβλιοθήκη μετα-αναλύσεων Cochrane είναι το χαρακτηριστικότερο παράδειγμα αυτής της στροφής, και έχει δώσει ουκ ολίγα αμφιλεγόμενα «συμπεράσματα» που αντίκεινται στη λογική και την προτέρα γνώση, όπως για παράδειγμα μια σχετικά πρόσφατη τέτοια που εκλήφθηκε ως αμφισβήτηση της χρησιμότητας της μάσκας στην πρόληψη μετάδοσης εισπνεόμενων λοιμωδών παραγόντων συμπεριλαμβανόμενης της Covid-19 και την ακόλουθη δημοσίευση από τους ίδιους επεξηγηματικής απολογίας για το ακραία αντιεπιστημονικό «συμπέρασμα». Παραφράζοντας τη γνωστή έκφραση των προγραμματιστών «garbage in – garbage out», καμία μετα-ανάλυση δεν μπορεί να είναι ποιοτικότερη της ελάχιστης ποιότητας βασικής ανάλυσης που έκανε παραδεκτή. Και εδώ ακριβώς βρίσκεται η αχίλλειος πτέρνα οποιουδήποτε συστήματος big data AI.

Garbage in – Garbage out

Αν ο AI agent δρασκελίζει όλη τη γνώση – αλλά και «γνώμη» – που βρίσκεται διαθέσιμη στο διαδίκτυο για να μας απαντήσει, κανείς δεν μπορεί να εγγυηθεί για την ποιότητα της απάντησης — μάλλον το αντίθετο θα έλεγε κανείς, ιδίως για φλέγοντα και κάπως διχαστικά ζητήματα. Ακόμα όμως και αν περιορίσουμε τις «πηγές» του σε επιστημονικές εκδόσεις, δεν θα είναι άνοσος από «παρανοήσεις», αδυναμία αποκλεισμού non applicable μελετών για μια σειρά λόγων και, ακόμη πιο σημαντικά, αδυναμία επαγωγικού συνειρμού από τα ήδη λεχθέντα. Στην καλύτερη των περιπτώσεων λοιπόν ο AI agent δεν θα ξεφύγει από την πεπατημένη, ή τέλος πάντων αυτό που «διαβλέπει» ως πεπατημένη βάσει συχνοτήτων δημοσίευσης και/ή επιδημιολογικών στοιχείων. Αυτό μπορεί να αποδειχθεί καταστροφικό για κάποιον ασθενή που ξεφεύγει από τα συνήθη, εκεί ακριβώς που ένας γιατρός με σάρκα και οστά μπορεί να γράψει λαμπρές σελίδες επιστήμης βασιζόμενος σε συνειρμούς, πρότερη εμπειρία και επαγωγική σκέψη – αυτό που απροσδιόριστα περιγράφει ως «επιστημονική διαίσθηση».

Το τέλος της Πρωτοβάθμιας Φροντίδας Υγείας (ΠΦΥ)

Τα τελευταία χρόνια έχει παρατηρηθεί πως τα Συστήματα Υγείας, σε μια προσπάθεια περιορισμού του κόστους, οδηγούνται στην εγκαθίδρυση ολοένα και σφιχτότερων φραγμών πρόσβασης σε ουσιαστικές υπηρεσίες υγείας, χρησιμοποιώντας την ΠΦΥ ως gatekeeper και μάλιστα κατά περίπτωση μετατίθοντας τον ρόλο αυτό σε μη ιατρούς (εξειδικευμένους νοσηλευτές και άλλους επαγγελματίες υγείας) που εκτελούν λιγότερο ή περισσότερο τυφλά «πρωτόκολλα» και flow-charts μπροστά σε μια οθόνη υπολογιστή. Το επόμενο βήμα της αντικατάστασης του ανθρώπινου «κόφτη» με έναν AI agent δεν είναι λοιπόν καθόλου μακρινό, καθώς σε πρώτη όψη μπορεί να φαντάζει εξόχως δελεαστικό από οικονομικής σκοπιάς. Το απώτερο κοινωνικό κόστος αυτής της τακτικής έκπτωσης της ποιότητας ιατρικής φροντίδας θα εμφανιστεί μόνο σε δεύτερο χρόνο.

Είναι τελικά η ΑΙ χρήσιμη στην Ιατρική;

Είναι, και πολύ μάλιστα, αλλά όχι όπως τη φαντάζονται οι πολλοί. Είναι χρήσιμη εκεί ακριβώς που είναι καλή – πολύ καλύτερη από τους δικούς μας εγκεφάλους: στη διαχείριση τεράστιων σειρών δεδομένων και την αναγνώριση και ανάδειξη patterns. Για παράδειγμα, μια AI μπορεί να εκπαιδευτεί να «βλέπει» ώρες επί ωρών εγκεφαλογραφημάτων και την εξαγωγή ποιοτικών, ημι-ποσοτικών και ποσοτικών αποτελεσμάτων που μπορούν να βοηθήσουν σημαντικά μια διάγνωση. Μπορεί να εκπαιδευθεί να παρακολουθεί σειρές μαγνητικών ασθενών υπό αγωγή και να εξάγει ποσοτικές εκτιμήσεις π.χ. για τον συνολικό όγκο του εγκεφαλικού παρεγχύματος, ή λόγους σχέσης συγκεκριμένων περιοχών – κρίσιμα στοιχεία για εμάς τους νευρολόγους στην παρακολούθηση της νευροεκφύλισης και εξαιρετικά δύσκολα και υποκειμενικά μέχρι ώρας. Αντίστοιχες εφαρμογές είμαι σίγουρος υπάρχουν και σε πολλές άλλες ειδικότητες (αν όχι όλες).

*Ο Γεράσιμος Γραμματικόπουλος είναι ιδιώτης Ειδικός Νευρολόγος

πηγη: https://info-war.gr