Sztuczna inteligencja od OpenAI zdeklasowała doświadczonych lekarzy w szybkości i trafności diagnoz na SOR-ze. Badanie Harvardu nie pozostawia złudzeń.
W skrócie:
- Model o1 od OpenAI osiągnął 67% trafności w diagnozach na SOR, podczas gdy doświadczeni interniści uzyskali wynik na poziomie 50 – 55%, bazując na szczątkowych danych.
- Przewaga AI była największa w przypadkach złożonych i przy minimalnej ilości informacji. Gdy danych przybywało, różnica w skuteczności malała i traciła na istotności.
- W teście planowania leczenia, obejmującym dobór antybiotyków, sztuczna inteligencja zdobyła 89% punktów, a grupa 46 lekarzy zaledwie 34%.
Scena jak z medycznego serialu, tylko zamiast charyzmatycznego lekarza w roli głównej występuje algorytm. Na oddziale ratunkowym w Bostonie, gdzie każda sekunda może decydować o życiu, przeprowadzono kontrolowany eksperyment. Po jednej stronie stanęli doświadczeni interniści. Po drugiej – model o1, najnowsze dziecko inżynierów z OpenAI. Obie strony dostały ten sam, bardzo ograniczony zestaw danych: kilka parametrów życiowych, wiek, płeć i lakoniczną notatkę od pielęgniarki. Zadanie? Postawić wstępną diagnozę. To triaż, czyli medyczna selekcja w najczystszej postaci.
Wyniki, opublikowane przez badaczy z Harvardu, mogą wywołać dreszcz emocji u jednych i egzystencjalny niepokój u drugich. Okazało się, że sztuczna inteligencja trafiała z diagnozą “dokładną lub bardzo bliską” w 67% przypadków. Lekarze? Zaledwie w 50 – 55%. To nie jest drobna statystyczna anomalia. To przepaść.
Jak wyglądał pojedynek człowieka z maszyną na bostońskim SOR-ze?
Eksperyment był do bólu prosty i właśnie dlatego tak wymowny. Wzięto 76 autentycznych przypadków pacjentów, którzy trafili na bostoński SOR. Zarówno model AI, jak i dwóch niezależnych internistów, otrzymywali identyczny wycinek z elektronicznej dokumentacji medycznej. Bez kontekstu, bez możliwości zadania dodatkowych pytań, bez obserwacji pacjenta. Następnie panel niezależnych ekspertów oceniał wszystkie diagnozy “na ślepo”, nie wiedząc, która pochodzi od człowieka, a która od maszyny. Tutaj właśnie ujawniła się przewaga krzemu nad białkiem.
Co więcej, badacze zauważyli intrygującą zależność. Gdy do dokumentacji dodawano kolejne dane – wyniki badań, dokładniejszy wywiad – przewaga AI malała. Przy pełniejszym obrazie klinicznym model osiągał skuteczność na poziomie 82%, a lekarze doganiali go z wynikami 70 – 79%. Różnica stawała się statystycznie nieistotna. To prowadzi do zaskakującego, a nawet lekko paradoksalnego wniosku.
Dlaczego AI radzi sobie lepiej, gdy danych jest mniej?
“Im bardziej złożony przypadek i im mniej danych, tym AI radziła sobie relatywnie lepiej” – podsumowują autorzy badania. Można to interpretować na kilka sposobów. Po pierwsze, ludzki umysł, obciążony stresem, zmęczeniem i presją czasu, może zawężać pole widzenia, opierając się na rutynie i najczęstszych scenariuszach. AI, pozbawiona tych ograniczeń, analizuje dostępne strzępki informacji w poszukiwaniu wszystkich możliwych wzorców, także tych rzadkich i nietypowych. Nie ma uprzedzeń poznawczych, które każą nam ignorować mało prawdopodobne, choć pasujące do objawów, choroby.
To nie wszystko. W innym teście poproszono AI oraz 46 lekarzy o przygotowanie planów leczenia dla pięciu skomplikowanych przypadków klinicznych. Chodziło o dobór antybiotyków czy planowanie opieki paliatywnej. Wynik był nokautem. Sztuczna inteligencja zdobyła 89 na 100 możliwych punktów. Lekarze? Średnio 34 punkty. To pokazuje, że algorytm potrafi nie tylko rozpoznawać, ale i planować terapię w oparciu o gigantyczną, niedostępną dla pojedynczego człowieka bazę wiedzy medycznej.
Czy to koniec ery lekarzy i początek medycyny bez człowieka?
Spokojnie, to nie ten moment. Sami badacze studzą emocje i podkreślają fundamentalne ograniczenie eksperymentu. AI pracowała wyłącznie na danych tekstowych. Nie widziała pacjenta, nie oceniała jego mowy ciała, poziomu bólu, niepokoju czy koloru skóry. Nie miała dostępu do tych wszystkich subtelnych sygnałów, które doświadczony lekarz wychwytuje w ciągu pierwszych sekund kontaktu i które często nazywamy intuicją medyczną.
Model o1 działał więc raczej jak superzaawansowany konsultant, genialna “druga opinia”, a nie samodzielny diagnosta. Pomimo tego nie da się zignorować potencjału. Sztuczna inteligencja na SOR-ach czy w przychodniach może stać się narzędziem, które odciąży personel, przyspieszy diagnozę i, co najważniejsze, zmniejszy ryzyko ludzkiego błędu. To nie technologia nas zastąpi. To lekarz, który używa technologii, zastąpi tego, który tego nie robi. I wszystko wskazuje na to, że stanie się to szybciej, niż nam się wydaje.