Ένα μοντέλο τεχνητής νοημοσύνης της OpenAI ξεπέρασε σε δοκιμές δύο έμπειρους γιατρούς στη διάγνωση πραγματικών κλινικών περιστατικών, σύμφωνα με νέα έρευνα που δημοσιεύθηκε στο επιστημονικό περιοδικό Science. Η μελέτη πραγματοποιήθηκε από ερευνητές της Ιατρικής Σχολής του Χάρβαρντ και του Beth Israel Deaconess Medical Center και παρουσιάστηκε στη δημοσιότητα την 1η Μαΐου 2026.
Δοκιμές σε συνθήκες πραγματικού κόσμου, όχι ελεγχόμενα εργαστήρια
Το κρίσιμο στοιχείο της έρευνας είναι ότι δεν αξιολόγησε το AI σε τυπικά benchmark tests, αλλά σε συνθήκες που μοιάζουν με αυτές ενός πραγματικού τμήματος επειγόντων. Το μοντέλο κλήθηκε να αξιολογεί ασθενείς χρησιμοποιώντας μόνο τις πληροφορίες που ήταν διαθέσιμες σε κάθε φάση της νοσηλείας — ελλιπή, ανομοιογενή και συνεχώς μεταβαλλόμενα δεδομένα, ακριβώς όπως αντιμετωπίζει ένας γιατρός σε επείγουσα κατάσταση. Το AI αξιολογήθηκε σε όλα τα στάδια, από την ταξινόμηση στα επείγοντα έως την εισαγωγή στο νοσοκομείο.
Χαρακτηριστικό περιστατικό: Η διάγνωση που ξέφυγε από τους γιατρούς
Σε ένα από τα κλινικά περιστατικά της έρευνας, ασθενής εισήχθη στα επείγοντα με πνευμονική εμβολή. Μετά από προσωρινή βελτίωση, η κατάστασή του επιδεινώθηκε ξανά και οι γιατροί υπέθεσαν αρχικά ότι η αγωγή δεν απέδιδε. Το μοντέλο AI, εξετάζοντας τα ίδια ηλεκτρονικά αρχεία ασθενή που είχαν στη διάθεσή τους οι γιατροί, επισήμανε ότι ο ασθενής είχε ιστορικό λύκου — μιας αυτοάνοσης πάθησης που μπορεί να προκαλέσει φλεγμονή στην καρδιά. Η επακόλουθη διερεύνηση επιβεβαίωσε ότι το AI είχε δείξει τη σωστή κατεύθυνση.
Σύγκριση με γιατρούς σε δύο διαφορετικά σετ περιστατικών
Η ομάδα ερευνητών δοκίμασε το μοντέλο και σε κλινικές περιπτώσεις από το New England Journal of Medicine, οι οποίες ελέγχουν σύνθετη διαγνωστική σκέψη. Το AI ξεπέρασε και εκεί μια μεγάλη ομάδα γιατρών που χρησίμευσε ως ομάδα ελέγχου. Ο Adam Rodman, κλινικός ερευνητής και συν-συγγραφέας της μελέτης, δήλωσε ότι το πιο σημαντικό εύρημα είναι η ικανότητα του συστήματος να επεξεργάζεται τα χαοτικά, πραγματικά δεδομένα ενός τμήματος επειγόντων. Ο Raj Manrai, επίκουρος καθηγητής βιοιατρικής πληροφορικής στο Χάρβαρντ, σημείωσε ότι το μοντέλο υπερέβη μια σημαντικά μεγάλη ομάδα γιατρών αναφοράς.
Σημαντικοί περιορισμοί και ο επόμενος στόχος
Το μοντέλο λειτούργησε αποκλειστικά με κειμενικά ιατρικά αρχεία και δεν επεξεργάστηκε απεικονιστικά δεδομένα, ήχους ή μη λεκτικές πληροφορίες — στοιχεία που παίζουν καθοριστικό ρόλο στην κλινική πράξη. Η έρευνα επίσης δεν υποστηρίζει ότι το AI πρέπει να αντικαταστήσει τους γιατρούς, αλλά ότι μπορεί να λειτουργήσει ως εργαλείο υποστήριξης κλινικών αποφάσεων, ιδιαίτερα στο απαιτητικό περιβάλλον των επειγόντων περιστατικών. Το πραγματικό επόμενο βήμα είναι η δοκιμή τέτοιων συστημάτων σε πραγματικό κλινικό περιβάλλον, με μετρήσεις όχι μόνο διαγνωστικής ακρίβειας αλλά και πραγματικής βελτίωσης των αποτελεσμάτων για τους ασθενείς.
Η συγκεκριμένη έρευνα δεν είναι ακόμα εφαρμογή — είναι ωστόσο ένα από τα πιο ουσιαστικά επιστημονικά επιχειρήματα υπέρ της χρήσης AI στην ιατρική που έχουμε δει έως τώρα. Αν αυτή η ικανότητα επαληθευτεί και σε πραγματικές κλινικές δοκιμές, το AI θα μπορούσε να κάνει αισθητή διαφορά σε συστήματα υγείας όπου ο χρόνος και η διαθεσιμότητα γιατρών είναι περιορισμένα. Και αυτό δεν αφορά μόνο τις ΗΠΑ.
