ΑΧΕΠΑ: Αξιολογήσαν για πρώτη φορά την Τεχνητή Νοημοσύνη στα Επείγοντα

Η Τεχνητή Νοημοσύνη (AI) έχει πλέον αρχίσει να ενσωματώνεται στην καθημερινή κλινική πρακτική, παύοντας να αποτελεί σενάριο επιστημονικής φαντασίας και εξελισσόμενη σε πεδίο έντονης ερευνητικής δραστηριότητας.

Σε αυτό το πλαίσιο, πρωτοποριακή μελέτη του Τμήματος Επειγόντων Περιστατικών (ΤΕΠ) του Πανεπιστημιακού Νοσοκομείου ΑΧΕΠΑ στη Θεσσαλονίκη, που δημοσιεύθηκε στο επιστημονικό περιοδικό Journal of Clinical Medicine, επιχειρεί να απαντήσει σε ένα κρίσιμο ερώτημα: μπορεί ένας αλγόριθμος να καθορίσει ποιος ασθενής πρέπει να εξεταστεί πρώτος στα Επείγοντα;

Πρόκειται για μία από τις μεγαλύτερες αναδρομικές μελέτες παγκοσμίως στον τομέα αυτό, καθώς η ερευνητική ομάδα ανέλυσε δεδομένα από 39.375 ασθενείς που προσήλθαν στο ΤΕΠ του ΑΧΕΠΑ.

Οι ερευνητές του Αριστοτελείου Πανεπιστημίου Θεσσαλονίκης έθεσαν υπό αξιολόγηση διάφορα Μεγάλα Γλωσσικά Μοντέλα (LLMs), συγκρίνοντας τις εκτιμήσεις του αλγορίθμου με τη διαλογή που πραγματοποιήθηκε στην πράξη από το ιατρονοσηλευτικό προσωπικό, σύμφωνα με το διεθνές σύστημα ESI (Emergency Severity Index).

Η ακρίβεια ανά ειδικότητα

Ένα από τα σημαντικότερα ευρήματα της μελέτης είναι ότι η αποτελεσματικότητα της Τεχνητής Νοημοσύνης δεν είναι ομοιόμορφη, αλλά διαφοροποιείται ανάλογα με τη φύση του περιστατικού.

Η ανάλυση έδειξε ότι τα μοντέλα AI παρουσιάζουν ιδιαίτερα υψηλή ακρίβεια στην αναγνώριση και ταξινόμηση συμπτωμάτων που συνδέονται με συγκεκριμένες ιατρικές ειδικότητες.

Στα οφθαλμολογικά περιστατικά, η Τεχνητή Νοημοσύνη κατέγραψε ποσοστό ακρίβειας 81%, γεγονός που αποδίδεται στη σαφήνεια των συμπτωμάτων που χαρακτηρίζουν αυτή την κατηγορία περιστατικών. Ενθαρρυντικά ήταν επίσης τα αποτελέσματα στην παιδιατρική, όπου η δομή των διαθέσιμων δεδομένων επέτρεψε στα μοντέλα να πραγματοποιούν αξιόπιστες προβλέψεις.

Υψηλά ποσοστά επιτυχίας καταγράφηκαν ακόμη στη γυναικολογία και την ωτορινολαρυγγολογία (ΩΡΛ), γεγονός που δείχνει ότι η Τεχνητή Νοημοσύνη μπορεί να λειτουργήσει ως ένας αξιόπιστος «ψηφιακός βοηθός» σε περιστατικά με σαφώς καθορισμένη κλινική εικόνα.

Αντίθετα, η μελέτη ανέδειξε δυσκολίες στην αξιολόγηση πιο σύνθετων περιστατικών, όπως τα παθολογικά ή τα πολυτραυματικά, όπου η συνύπαρξη πολλών συμπτωμάτων καθιστά τη διαδικασία διαλογής πιο περίπλοκη και απαιτεί πιο σύνθετη κλινική κρίση.

Οι κίνδυνοι της υπερεκτίμησης

Παρά τα εντυπωσιακά αποτελέσματα σε ορισμένες κατηγορίες περιστατικών, οι ερευνητές επισημαίνουν ότι η Τεχνητή Νοημοσύνη δεν είναι ακόμη σε θέση να αντικαταστήσει τον ανθρώπινο παράγοντα στη διαδικασία διαλογής των Επειγόντων.

Κατά την ανάλυση των 39.375 περιστατικών καταγράφηκαν φαινόμενα «over-triage», δηλαδή περιπτώσεις στις οποίες το σύστημα αξιολόγησε ένα περιστατικό ως πιο σοβαρό από ό,τι ήταν στην πραγματικότητα, αλλά και «under-triage», όπου η σοβαρότητα υποτιμήθηκε.

Στην πρώτη περίπτωση υπάρχει κίνδυνος άσκοπης συμφόρησης των νοσοκομείων και σπατάλης πόρων, ενώ στη δεύτερη το ενδεχόμενο καθυστέρησης στην περίθαλψη ενός ασθενούς που χρειάζεται άμεση φροντίδα θεωρείται ιδιαίτερα επικίνδυνο.

Οι επιστήμονες καταλήγουν ότι τα Μεγάλα Γλωσσικά Μοντέλα μπορούν να λειτουργήσουν ως ένα ισχυρό εργαλείο υποστήριξης των γιατρών, παρέχοντας μια ταχεία «δεύτερη γνώμη», ωστόσο η τελική απόφαση πρέπει να παραμένει στα χέρια των ειδικών.

Η σημασία της ελληνικής έρευνας

Η μελέτη του ΑΧΕΠΑ ενισχύει την παρουσία της Ελλάδας στον διεθνή ερευνητικό χάρτη της Ψηφιακής Υγείας. Όπως επισημαίνεται στη δημοσίευση:

«Η χρήση μιας τόσο εκτεταμένης κλινικής βάσης δεδομένων από ένα πανεπιστημιακό νοσοκομείο αιχμής επιτρέπει μια πιο στιβαρή και γενικευμένη αξιολόγηση των δυνατοτήτων της Τεχνητής Νοημοσύνης, ξεπερνώντας τους περιορισμούς που είχαν μικρότερες έρευνες στο παρελθόν».