Καθώς η τεχνητή νοημοσύνη ενσωματώνεται όλο και περισσότερο στην καθημερινή ζωή, εκατομμύρια άνθρωποι στρέφονται στα chatbots για καθοδήγηση σε κάθε θέμα, από συνταγές μέχρι οικονομικές συμβουλές. Πλέον, πολλοί χρησιμοποιούν αυτά τα εργαλεία για να αναζητήσουν απαντήσεις ακόμη και σχετικά με την υγεία τους.
Νέα έρευνα, ωστόσο, υποδηλώνει ότι τα chatbots δεν μπορούν να είναι ιδιαίτερα χρήσιμα στη λήψη ιατρικών αποφάσεων, ενώ η υπερβολική εξάρτηση απ’ αυτά μπορεί να αποδειχθεί ακόμη κι επικίνδυνη. Η μελέτη εξέτασε πόσο αποτελεσματικά μπορούν τα chatbots με μεγάλα γλωσσικά μοντέλα (LLM) να βοηθήσουν άτομα με κοινά προβλήματα υγείας και αποκάλυψε ένα εκπληκτικό συμπέρασμα: Η αλληλεπίδραση με αυτά τα συστήματα δε βελτιώνει την ικανότητα των ανθρώπων να διαγνώσουν συμπτώματα ή να λάβουν καλύτερες αποφάσεις σχετικά με την υγεία τους.
Όταν η τεχνητή νοημοσύνη αποτυγχάνει
Στους συμμετέχοντες παρουσιάστηκαν σύντομες περιγραφές τυπικών ιατρικών σεναρίων. Χωρίστηκαν σε δύο ομάδες: Η μία χρησιμοποίησε ευρέως διαθέσιμα chatbots τεχνητής νοημοσύνης, ενώ η άλλη βασίστηκε στις συνήθεις πηγές πληροφοριών της, όπως διαδικτυακές αναζητήσεις ή προσωπική κρίση. Αφού εξέτασαν κάθε σενάριο, στους συμμετέχοντες τέθηκαν δύο βασικές ερωτήσεις: Ποια πάθηση θα μπορούσε να εξηγήσει τα συμπτώματα και πού θα έπρεπε να αναζητήσουν βοήθεια;
Τα ευρήματα ήταν εντυπωσιακά: Όσοι χρησιμοποίησαν chatbots ήταν, στην πραγματικότητα, λιγότερο πιθανό να προσδιορίσουν σωστά την υποκείμενη πάθηση. Επιπλέον, δεν τα πήγαν καλύτερα στο να αποφασίσουν αν πρέπει να αναζητήσουν ιατρική φροντίδα. Ουσιαστικά, η χρήση των chatbots δε βελτίωσε τη διαδικασία λήψης αποφάσεων. Σε ορισμένες περιπτώσεις, αντίθετα, φάνηκε να την παρεμποδίζει.
Ισχυρή γνώση, αδύναμη επικοινωνία
Αυτό δεν σημαίνει ότι τα συστήματα τεχνητής νοημοσύνης στερούνται ιατρικών γνώσεων. Στην πραγματικότητα, τα μοντέλα μεγάλης κλίμακας (LLM) είναι ικανά να περάσουν τις εξετάσεις για την απόκτηση ιατρικής άδειας με εντυπωσιακή ακρίβεια. Όταν οι ερευνητές δοκίμασαν τα ίδια σενάρια απευθείας στα chatbot -χωρίς ανθρώπινη παρέμβαση- τα συστήματα είχαν σημαντικά καλύτερη απόδοση, εντοπίζοντας συχνά τις σωστές παθήσεις και προτείνοντας την κατάλληλη θεραπεία.
Γιατί, λοιπόν, η απόδοση μειώνεται όταν εμπλέκονται άνθρωποι;
Η απάντηση βρίσκεται στην επικοινωνία. Η ανάλυση αποκάλυψε ότι τα chatbots συχνά έδιναν τη σωστή διάγνωση, αλλά οι χρήστες είτε την παρέβλεπαν, είτε δεν αναγνώριζαν τη σημασία της. Σε άλλες περιπτώσεις, οι χρήστες παρείχαν ελλιπείς πληροφορίες ή το chatbot παρερμήνευε βασικά στοιχεία. Το πρόβλημα, επομένως, δεν αφορά στη γνώση, αλλά στο χάσμα μεταξύ του τρόπου με τον οποίο επικοινωνούν οι μηχανές και του τρόπου με τον οποίο κατανοούν οι άνθρωποι.
Η πολυπλοκότητα της υγειονομικής περίθαλψης στον πραγματικό κόσμο
Τα ευρήματα υπογραμμίζουν ένα ευρύτερο ζήτημα: Η υγειονομική περίθαλψη είναι πολύ πιο σύνθετη από τα ελεγχόμενα περιβάλλοντα δοκιμών. Ενώ τα μοντέλα τεχνητής νοημοσύνης συχνά αποδίδουν εξαιρετικά σε δομημένα περιβάλλοντα -όπως εξετάσεις ή προσομοιώσεις- οι πραγματικές αλληλεπιδράσεις με τους ασθενείς είναι απρόβλεπτες. Οι άνθρωποι περιγράφουν τα συμπτώματα αόριστα, παραλείπουν σημαντικές λεπτομέρειες ή θέτουν ερωτήσεις με μη γραμμικό τρόπο. Ένα σύστημα που αποδίδει καλά στη θεωρία μπορεί να δυσκολευτεί όταν έρχεται αντιμέτωπο με τις λεπτές αποχρώσεις της ανθρώπινης επικοινωνίας.
Αυτό αντανακλά μια θεμελιώδη αλήθεια: Η αποτελεσματική κλινική φροντίδα δεν έχει να κάνει μόνο με τη σωστή διάγνωση – περιλαμβάνει την ερμηνεία των περιγραφών των ασθενών, τη διαχείριση της αβεβαιότητας και την οικοδόμηση εμπιστοσύνης. Αυτές οι δεξιότητες βασίζονται στην ενσυναίσθηση, το πλαίσιο και την κρίση – ιδιότητες που δεν μπορούν εύκολα να αναπαραχθούν από αλγόριθμους.
Ένας πιο ρεαλιστικός ρόλος για την τεχνητή νοημοσύνη
Παρά τους περιορισμούς, η τεχνητή νοημοσύνη εξακολουθεί να δίνει πολλά υποσχόμενα δείγματα στον τομέα της υγειονομικής περίθαλψης – ίσως όμως όχι με τον τρόπο που πολλοί φαντάζονται. Αντί να λειτουργούν ως ψηφιακοί γιατροί, τα σημερινά chatbots είναι πιο κατάλληλα για υποστηρικτικές εργασίες: Είναι εξαιρετικά επιδέξια στην οργάνωση πληροφοριών, τη σύνοψη σύνθετων δεδομένων και τη δημιουργία δομημένων εγγράφων. Σε κλινικά περιβάλλοντα, αποδεικνύονται ήδη χρήσιμα για τη σύνταξη σημειώσεων, τη σύνοψη ιατρικών φακέλων ασθενών και την προετοιμασία επιστολών παραπομπής. Με αυτή την έννοια, η τεχνητή νοημοσύνη μπορεί να λειτουργεί περισσότερο ως ένας εξαιρετικά αποδοτικός βοηθός παρά ως ανεξάρτητος υπεύθυνος λήψης αποφάσεων.
Συμπέρασμα
Η χρήση της τεχνητής νοημοσύνης ως πρώτου σημείου επαφής για ιατρικές συμβουλές είναι ελκυστική, αλλά η πραγματικότητα είναι πιο περίπλοκη. Αν και τα συστήματα αυτά διαθέτουν τεράστια ιατρική γνώση, δεν είναι ακόμη ικανά να διαχειριστούν τις πολυπλοκότητες της φροντίδας των ασθενών στην πράξη. Προς το παρόν, οι ικανότητες της τεχνητής νοημοσύνης δεν μπορούν να εγγυηθούν ασφαλή ή αποτελεσματική ιατρική καθοδήγηση. Η λήψη αποφάσεων παραμένει καθαρά ανθρώπινο καθήκον, που απαιτεί όχι μόνο γνώση, αλλά και κρίση, ενσυναίσθηση και ουσιαστική επικοινωνία.
Διαβάστε επίσης
Πόσο έτοιμη είναι η Τεχνητή Νοημοσύνη για να μπει στο χειρουργείο; Τα δεδομένα δείχνουν προβλήματα
Μπορεί η τεχνητή νοημοσύνη να κάνει διαλογή ασθενών στα Επείγοντα; Τι δείχνει μεγάλη ελληνική μελέτη
Έξυπνο τεστ αίματος ανιχνεύει νωρίς τον καρκίνο του παγκρέατος με ακρίβεια 94%
