Blog

Photo healthpharma

Η AI αλλάζει τον τρόπο με τον οποίο οι γιατροί αναζητούν πληροφορίες και αξιολογούν διαγνωστικές και θεραπευτικές επιλογές. Άρθρο στο JAMA θέτει στο επίκεντρο έναν κρίσιμο εκπαιδευτικό κίνδυνο: οι νέοι γιατροί να εξαρτηθούν από τους αλγορίθμους πριν αποκτήσουν τις δεξιότητες που χρειάζονται για να ελέγχουν τις απαντήσεις τους.

Η ενσωμάτωση της τεχνητής νοημοσύνης στην κλινική πράξη δημιουργεί νέες απαιτήσεις για την ιατρική εκπαίδευση. Η πρόσβαση σε συστήματα που αναλύουν πληροφορίες και προτείνουν διαγνώσεις ή θεραπείες καθιστά αναγκαία την επανεξέταση τόσο του περιεχομένου των σπουδών όσο και του τρόπου αξιολόγησης των εκπαιδευόμενων.

Το ερώτημα είναι πώς θα αναπτύσσουν οι νέοι γιατροί ανεξάρτητη κλινική κρίση, όταν μπορούν να αναθέτουν στην τεχνολογία μέρος της συλλογιστικής διαδικασίας που παραδοσιακά καλλιεργεί αυτή την ικανότητα.

Αυτόν τον προβληματισμό αναπτύσσουν οι Jesse Burk-Rafel και Robert M. Wachter σε άρθρο γνώμης που δημοσιεύθηκε στις 14 Οκτωβρίου 2026 στο JAMA, με τίτλο «Physician Training for the AI Era: Rethinking a Century-Old Wager». Οι συγγραφείς προτείνουν αναπροσαρμογή της εκπαίδευσης, με ενίσχυση ορισμένων δεξιοτήτων, καλλιέργεια νέων και προσεκτικό περιορισμό απαιτήσεων που χάνουν μέρος της χρησιμότητάς τους.

Τις θέσεις της δημοσίευσης παρουσιάζουν οι ιατροί της Θεραπευτικής Κλινικής του Νοσοκομείου «Αλεξάνδρα», της Ιατρικής Σχολής του ΕΚΠΑ, δρ Μαρία Καπαρέλου, παθολόγος–ογκολόγος, και Θάνος Δημόπουλος, καθηγητής Θεραπευτικής–Ογκολογίας–Αιματολογίας, διευθυντής της Κλινικής και τέως πρύτανης του ΕΚΠΑ.

Ο κίνδυνος του «never-skilling»

Για περισσότερο από έναν αιώνα, η ιατρική εκπαίδευση στηρίζεται στην απόκτηση εκτεταμένων επιστημονικών γνώσεων και στην εφαρμογή τους μέσα από εποπτευόμενη κλινική εμπειρία. Η διαδοχική αντιμετώπιση περιστατικών βοηθά τον εκπαιδευόμενο να συνδέει τα ευρήματα, να αξιολογεί εναλλακτικές εξηγήσεις και να διαχειρίζεται την αβεβαιότητα.

Η δυνατότητα άμεσης πρόσβασης σε αλγοριθμικές απαντήσεις μπορεί να παρακάμπτει μέρος αυτής της προσπάθειας. Ο κίνδυνος αφορά το λεγόμενο never-skilling: ο εκπαιδευόμενος ενδέχεται να μην αναπτύξει εξαρχής ουσιαστικές δεξιότητες, επειδή στηρίζεται πρόωρα στην τεχνολογία.

Οι συγγραφείς περιγράφουν αυτή την πιθανότητα ως βασική πρόκληση για το εκπαιδευτικό μοντέλο. Πρόκειται για προβληματισμό και πρόταση αναμόρφωσης της εκπαίδευσης, όχι για κλινική μελέτη που μετρά την έκταση του φαινομένου στους νέους γιατρούς.

Τρεις άξονες για την αναμόρφωση της εκπαίδευσης

Η προτεινόμενη στρατηγική οργανώνεται γύρω από τρεις κατευθύνσεις: ενίσχυση των δεξιοτήτων που αποκτούν μεγαλύτερη αξία με τη χρήση της AI, ανάπτυξη νέων ικανοτήτων που απαιτεί η συνεργασία με τα συστήματα αυτά και στοχευμένη μείωση εκπαιδευτικών απαιτήσεων που γίνονται λιγότερο αναγκαίες.

Η προσέγγιση προϋποθέτει προσεκτική επιλογή. Η ευκολότερη αναζήτηση μιας πληροφορίας δεν καταργεί την ανάγκη κατανόησής της. Αντίστοιχα, η δυνατότητα παραγωγής μιας θεραπευτικής πρότασης δεν εξασφαλίζει ότι η πρόταση ταιριάζει στον συγκεκριμένο ασθενή.

Για τον λόγο αυτό, η εκπαίδευση χρειάζεται να διατηρήσει ισχυρό επιστημονικό υπόβαθρο και ταυτόχρονα να προετοιμάζει τους γιατρούς για την κριτική χρήση των νέων εργαλείων.

Η κλινική εξέταση παραμένει βασική πηγή πληροφορίας

Η άμεση επαφή με τον ασθενή εξακολουθεί να κατέχει κεντρική θέση. Η φυσική εξέταση, η παρατήρηση και η επικοινωνία προσφέρουν πληροφορίες που μπορεί να απουσιάζουν από τον ηλεκτρονικό φάκελο.

Ο γιατρός χρειάζεται να αναγνωρίζει τι δεν έχει καταγραφεί, να θέτει πρόσθετες ερωτήσεις και να ελέγχει αν τα διαθέσιμα στοιχεία περιγράφουν επαρκώς την κατάσταση του ασθενούς. Ένας αλγόριθμος μπορεί να αναλύει τα δεδομένα που λαμβάνει, αλλά η κλινική εκτίμηση καθορίζει και ποια δεδομένα πρέπει να αναζητηθούν.

Η ανάπτυξη αυτής της ικανότητας απαιτεί συστηματική εξάσκηση δίπλα στον ασθενή και εποπτεία από έμπειρους εκπαιδευτές.

Από τη διάγνωση στο εξατομικευμένο θεραπευτικό σχέδιο

Εξίσου σημαντική είναι η θεραπευτική συλλογιστική, γνωστή ως management reasoning. Αφορά την ικανότητα του γιατρού να μετατρέπει τη διάγνωση σε σχέδιο φροντίδας κατάλληλο για τον συγκεκριμένο άνθρωπο.

Η διαδικασία συνυπολογίζει τη βαρύτητα της νόσου, τις ιδιαίτερες ανάγκες και τις προτιμήσεις του ασθενούς. Προϋποθέτει, επομένως, περισσότερα από την αναγνώριση μιας πάθησης ή την επιλογή μιας θεωρητικά αποτελεσματικής αγωγής.

Ο εκπαιδευόμενος πρέπει να μάθει να συνδέει την επιστημονική γνώση με το κλινικό πλαίσιο και να αιτιολογεί τις αποφάσεις του.

Η νέα δεξιότητα: Κριτική εποπτεία των απαντήσεων της AI

Στην εποχή της τεχνητής νοημοσύνης αποκτά ιδιαίτερη σημασία η supervisory reasoning, δηλαδή η ικανότητα κριτικής εποπτείας των αλγοριθμικών προτάσεων.

Ο γιατρός χρειάζεται να αξιολογεί ανεξάρτητα μια διαγνωστική ή θεραπευτική απάντηση, να αναγνωρίζει ανακρίβειες και να αποφασίζει αν θα την αποδεχθεί, αν θα την τροποποιήσει ή αν θα αναζητήσει πρόσθετα στοιχεία.

Η ουσιαστική εποπτεία προϋποθέτει γνώση και κλινική κρίση. Χωρίς αυτές, ο χρήστης δυσκολεύεται να εντοπίσει πότε μια πειστική απάντηση στηρίζεται σε ανεπαρκή δεδομένα ή παραβλέπει μια κρίσιμη πλευρά του περιστατικού.

Εμπιστοσύνη προσαρμοσμένη στο εργαλείο και στο περιστατικό

Η κατάλληλα προσαρμοσμένη εμπιστοσύνη, ή calibrated trust, αποτελεί ακόμη μία βασική ικανότητα. Ο γιατρός πρέπει να προσαρμόζει τον βαθμό εμπιστοσύνης του ανάλογα με το σύστημα, την κλινική εφαρμογή και τη σοβαρότητα των πιθανών συνεπειών ενός λάθους.

Στόχος είναι να περιοριστούν τόσο η άκριτη αποδοχή των προτάσεων όσο και η αδικαιολόγητη απόρριψη της τεχνολογίας.

Παράλληλα, η μεταγνώση βοηθά τον εκπαιδευόμενο να εξετάζει τον δικό του τρόπο σκέψης. Περιλαμβάνει την αναγνώριση των ορίων της γνώσης του, την αξιολόγηση της βεβαιότητάς του και την αναπροσαρμογή της απόφασής του όταν προκύπτουν νέα στοιχεία.

Οι δύο δεξιότητες λειτουργούν συμπληρωματικά: ο γιατρός αξιολογεί την απάντηση του συστήματος και ταυτόχρονα ελέγχει τη δική του συλλογιστική.

Λιγότερη απομνημόνευση, με διατήρηση των θεμελιωδών γνώσεων

Η αναθεώρηση της εκπαίδευσης περιλαμβάνει και τη στοχευμένη μείωση της εγκυκλοπαιδικής απομνημόνευσης. Ορισμένες πληροφορίες μπορούν να αναζητούνται με τη βοήθεια της τεχνολογίας, επιτρέποντας μεγαλύτερη έμφαση στην κατανόηση και στην εφαρμογή τους.

Ωστόσο, οι θεμελιώδεις γνώσεις φυσιολογίας, παθοφυσιολογίας και φαρμακολογίας παραμένουν απαραίτητες. Αποτελούν τη βάση για την ερμηνεία των ευρημάτων και για τον έλεγχο των προτεινόμενων ενεργειών.

Ιδιαίτερη κατηγορία συνιστούν οι γνώσεις που απαιτούνται σε επείγουσες κλινικές αποφάσεις. Αυτές πρέπει να παραμένουν άμεσα διαθέσιμες στον γιατρό, ώστε να μπορεί να ανταποκρίνεται χωρίς καθυστέρηση.

Εξάσκηση με και χωρίς τεχνητή νοημοσύνη

Οι προτάσεις για την εκπαίδευση περιλαμβάνουν συστηματική εξάσκηση τόσο με υποστήριξη AI όσο και χωρίς αυτήν. Έτσι, οι εκπαιδευτές μπορούν να αξιολογούν την ανεξάρτητη ικανότητα του γιατρού και τον τρόπο με τον οποίο αξιοποιεί το εργαλείο.

Χρήσιμες θεωρούνται επίσης οι προσομοιώσεις περιστατικών με ενσωματωμένα σφάλματα. Σε αυτές, ο εκπαιδευόμενος καλείται να αναγνωρίσει το πρόβλημα, να εξηγήσει γιατί η πρόταση είναι ακατάλληλη και να διαμορφώσει ασφαλέστερη προσέγγιση.

Αντίστοιχα, οι μέθοδοι αξιολόγησης χρειάζεται να διαχωρίζουν την προσωπική συμβολή του εκπαιδευόμενου από εκείνη του αλγορίθμου. Μια σωστή τελική απάντηση δεν αποκαλύπτει από μόνη της αν ο γιατρός κατανοεί και μπορεί να υποστηρίξει τη διαδρομή που οδήγησε σε αυτήν.

Η εκπαιδευτική πρόκληση είναι να διαμορφωθούν γιατροί που χρησιμοποιούν αποτελεσματικά την τεχνολογία, διατηρώντας την αυτονομία, την κριτική σκέψη και την ικανότητα υπεύθυνων, εξατομικευμένων αποφάσεων για τους ασθενείς τους.

Πηγή: healthpharma.gr