AI czasem diagnozuje lepiej niż lekarz. I to problem

Sztuczna inteligencja coraz częściej trafia z diagnozą skuteczniej niż lekarze. Badania opublikowane w Science pokazują, że nowe modele AI potrafią analizować objawy i dokumentację medyczną z dużą skutecznością. Naukowcy podkreślają jednak, że dobre wyniki osiągane w testach nie oznaczają jeszcze gotowości do samodzielnej pracy z pacjentami

W jednym z badań opublikowanych w Science model OpenAI o1-preview analizował przypadki medyczne podobne do tych, z którymi lekarze spotykają się podczas studiów i pracy w szpitalach. System otrzymywał opisy objawów, wyniki badań oraz historię pacjenta, a następnie proponował możliwe diagnozy.

Według autorów badania model częściej niż lekarze wskazywał prawidłową diagnozę albo odpowiedź bardzo bliską właściwej. Testy obejmowały również dane 76 pacjentów z izby przyjęć w Bostonie. „Widzimy naprawdę głęboką zmianę technologiczną, która przekształci medycynę”– twierdzi Arjun Manrai, specjalista od danych biomedycznych z Uniwersytetu Harvarda.

Jednym z opisanych przypadków był pacjent po przeszczepie narządu, który zgłosił się do szpitala z objawami przypominającymi zwykłą infekcję dróg oddechowych. Model AI bardzo wcześnie zasugerował możliwość groźnej infekcji martwiczej wymagającej operacji. Lekarze zaczęli ją podejrzewać dopiero wiele godzin później.

Autorzy drugiej publikacji w Science ostrzegają jednak przed traktowaniem takich wyników jako dowodu na to, że AI może zastąpić lekarzy. Badacze z Uniwersytetu Flinders przypominają, że medycyna nie polega wyłącznie na analizie tekstu i wyników badań. Lekarz rozmawia z pacjentem, obserwuje jego zachowanie, uwzględnia kontekst życiowy i ponosi odpowiedzialność za podejmowane decyzje.

„Decyzje medyczne są złożone, dotyczą bardzo wysokiej stawki i pozostają głęboko ludzkie. Sama trafność odpowiedzi, szczególnie w przypadkach opartych wyłącznie na tekście, nie czyni systemu bezpiecznym dla pacjentów” – podkreśla Erik Cornelisse z College of Medicine and Public Health na Uniwersytecie Flinders.

Naukowcy podkreślają, że obecne systemy AI mogą wspierać lekarzy, ale nie powinny działać bez kontroli człowieka. „Systemy AI pokazały, że potrafią rozwiązywać problemy kliniczne, osiągając wyniki zbliżone do lekarzy. To tworzy realne możliwości ich wykorzystania w przyszłości” – mówi Ashley Hopkins, kierujący Clinical Cancer Epidemiology Lab na Uniwersytecie Flinders.

Część badaczy uważa jednak, że określenie „rozumowanie kliniczne” w odniesieniu do AI może być mylące. Modele rozwiązują problemy inaczej niż lekarze i nadal mają wyraźne słabe punkty. Arya Rao z Harvard Medical School zwraca uwagę, że AI często zbyt szybko wybiera jedną odpowiedź i gorzej radzi sobie w sytuacjach wymagających jednoczesnego rozważenia kilku możliwych diagnoz. „Kiedy mówimy o rozumowaniu klinicznym, nie oznacza to tego samego co rozumowanie modelu” – podkreśla Rao. Jej zespół przeanalizował 21 modeli AI i zauważył, że nawet najlepsze systemy mają problem z działaniem w warunkach niepewności i niepełnych danych.

Autorzy komentarza z Uniwersytetu Flinders przypominają również, że źle zaprojektowane algorytmy mogą prowadzić do błędów, nierównego traktowania pacjentów albo pogorszenia jakości opieki. „Historia pokazuje, że algorytmy mogą pogarszać wyniki leczenia, jeśli wdraża się je bez odpowiednich zabezpieczeń” – mówi Cornelisse.

Badacze podkreślają, że AI stosowana w medycynie powinna przechodzić równie rygorystyczną ocenę jak lekarze czy nowe terapie. „Nie pozwalamy lekarzom praktykować bez nadzoru i oceny. AI powinna podlegać porównywalnym standardom” – dodaje Cornelisse.

Kolejnym krokiem mają być badania kliniczne sprawdzające, czy AI rzeczywiście poprawia leczenie pacjentów w codziennej praktyce szpitalnej, a nie tylko w warunkach kontrolowanych testów.

Źródła:

• P. Brodeur et al., Performance of a large language model on the reasoning tasks of a physician, Science (2026), DOI: 10.1126/science.adz4433
• A. M. Hopkins, E. Cornelisse, AI can reason like a physician; what comes next?, Science (2026), DOI: 10.1126/science.aeg8766

• Nauki medyczne
• Nauki techniczne