Η Τεχνητή Νοημοσύνη αλλάζει ριζικά την ιατρική πράξη, δημιουργώντας νέες δυνατότητες στη διάγνωση και τη θεραπεία. Παράλληλα, όμως, αναδεικνύει έναν σημαντικό κίνδυνο: οι νέοι γιατροί να εξαρτώνται από τους αλγορίθμους πριν προλάβουν να αναπτύξουν ανεξάρτητη κλινική κρίση. Νέα επιστημονική δημοσίευση στο JAMA προτείνει την αναμόρφωση της ιατρικής εκπαίδευσης, με επίκεντρο την κριτική σκέψη και την ανθρώπινη επαφή.
Η ταχύτατη ανάπτυξη της Τεχνητής Νοημοσύνης (AI) δημιουργεί σημαντικές προοπτικές για τη βελτίωση των υπηρεσιών υγείας, αλλά ταυτόχρονα θέτει νέα ερωτήματα για την εκπαίδευση των γιατρών.
Καθώς τα συστήματα AI αποκτούν τη δυνατότητα να αναλύουν ιατρικά δεδομένα και να προτείνουν διαγνωστικές ή θεραπευτικές επιλογές, η ανάγκη για ανεξάρτητη επιστημονική κρίση γίνεται ακόμη πιο σημαντική.
Το ζήτημα αναδεικνύεται σε άρθρο των Jesse Burk-Rafel και Robert Wachter, που δημοσιεύθηκε στις 14 Οκτωβρίου 2026 στο επιστημονικό περιοδικό JAMA.
Τις βασικές θέσεις της δημοσίευσης παρουσιάζουν οι ιατροί της Θεραπευτικής Κλινικής του Νοσοκομείου «Αλεξάνδρα» της Ιατρικής Σχολής του ΕΚΠΑ, Μαρία Καπαρέλου και Θάνος Δημόπουλος.
Τι είναι το «never-skilling» και γιατί προβληματίζει
Ένας από τους σημαντικότερους κινδύνους που περιγράφονται είναι το φαινόμενο «never-skilling».
Ο όρος αναφέρεται στην αδυναμία ανάπτυξης ουσιαστικών δεξιοτήτων όταν ένας εκπαιδευόμενος βασίζεται υπερβολικά νωρίς σε τεχνολογικά εργαλεία.
Στην ιατρική, αυτό μπορεί να συμβεί όταν ένας νέος γιατρός αποδέχεται τις προτάσεις ενός συστήματος AI χωρίς να έχει προηγουμένως αναπτύξει τη δική του διαγνωστική και θεραπευτική συλλογιστική.
Η πρόκληση, επομένως, δεν είναι να περιοριστεί η χρήση της τεχνολογίας, αλλά να ενσωματωθεί με τρόπο που ενισχύει την εκπαίδευση αντί να την υποκαθιστά.
Οι τρεις βασικοί άξονες της νέας ιατρικής εκπαίδευσης
Οι συγγραφείς προτείνουν την αναμόρφωση του παραδοσιακού εκπαιδευτικού μοντέλου μέσα από τρεις κατευθύνσεις:
- Ενίσχυση των υφιστάμενων δεξιοτήτων που αποκτούν μεγαλύτερη σημασία στην εποχή της AI.
- Ανάπτυξη νέων ικανοτήτων, όπως η κριτική αξιολόγηση των αλγοριθμικών προτάσεων.
- Στοχευμένη μείωση λιγότερο αναγκαίων εκπαιδευτικών απαιτήσεων, χωρίς υποβάθμιση των θεμελιωδών ιατρικών γνώσεων.
Η προσέγγιση αυτή δεν επιδιώκει να μειώσει την επιστημονική επάρκεια των γιατρών, αλλά να προσαρμόσει την εκπαίδευσή τους στις πραγματικές ανάγκες της σύγχρονης κλινικής πράξης.
Η ανθρώπινη επαφή παραμένει αναντικατάστατη
Κεντρική θέση στη νέα εκπαιδευτική προσέγγιση εξακολουθούν να κατέχουν η άμεση κλινική εξέταση και η επικοινωνία με τον ασθενή.
Η φυσική εξέταση, η παρατήρηση και η συζήτηση μπορούν να αποκαλύψουν σημαντικές πληροφορίες που δεν περιλαμβάνονται απαραίτητα στον ηλεκτρονικό ιατρικό φάκελο.
Εξίσου σημαντική είναι η θεραπευτική συλλογιστική (management reasoning), δηλαδή η ικανότητα του γιατρού να μετατρέπει μια διάγνωση σε εξατομικευμένο σχέδιο αντιμετώπισης.
Η διαδικασία αυτή απαιτεί συνεκτίμηση της βαρύτητας της νόσου, των διαθέσιμων θεραπευτικών επιλογών και των προσωπικών αναγκών και προτιμήσεων του ασθενούς.
Οι γιατροί πρέπει να μπορούν να ελέγχουν την AI
Μία από τις σημαντικότερες νέες δεξιότητες είναι η κριτική εποπτεία της συλλογιστικής της Τεχνητής Νοημοσύνης (supervisory reasoning).
Πρόκειται για την ικανότητα του γιατρού να αξιολογεί τις προτάσεις ενός συστήματος AI, να εντοπίζει πιθανές ανακρίβειες και να αποφασίζει πότε απαιτείται διαφορετική προσέγγιση ή πρόσθετη διερεύνηση.
Η δεξιότητα αυτή βασίζεται σε δύο κρίσιμες ικανότητες.
Η πρώτη είναι η κατάλληλα προσαρμοσμένη εμπιστοσύνη (calibrated trust): ο γιατρός πρέπει να γνωρίζει πότε μπορεί να βασιστεί σε ένα εργαλείο και πότε χρειάζεται μεγαλύτερη επιφυλακτικότητα.
Η δεύτερη είναι η μεταγνώση (metacognition), δηλαδή η ικανότητα να αναγνωρίζει και να επανεξετάζει τον δικό του τρόπο σκέψης και λήψης αποφάσεων.
Στόχος είναι να αποφεύγονται τόσο η άκριτη αποδοχή των αλγοριθμικών αποτελεσμάτων όσο και η αδικαιολόγητη απόρριψη των δυνατοτήτων της τεχνολογίας.
Εκπαίδευση με και χωρίς Τεχνητή Νοημοσύνη
Η προτεινόμενη εκπαιδευτική μεταρρύθμιση περιλαμβάνει συνεχή εξάσκηση τόσο με τη χρήση AI όσο και χωρίς αυτήν.
Ιδιαίτερη σημασία αποδίδεται σε προσομοιώσεις κλινικών περιστατικών που περιλαμβάνουν σκόπιμα σφάλματα, ώστε οι εκπαιδευόμενοι να εξασκούνται στην αναγνώριση λανθασμένων προτάσεων.
Παράλληλα, απαιτούνται νέες μέθοδοι αξιολόγησης που θα διαχωρίζουν τις πραγματικές γνώσεις και δεξιότητες του γιατρού από την υποστήριξη που παρέχει ο αλγόριθμος.
Η απομνημόνευση μεγάλου όγκου πληροφοριών μπορεί να περιοριστεί επιλεκτικά, όχι όμως εις βάρος της γνώσης της φυσιολογίας, της παθοφυσιολογίας και της φαρμακολογίας.
Τεχνητή Νοημοσύνη και βιώσιμα συστήματα υγείας
Η υπεύθυνη ενσωμάτωση της AI στην ιατρική συνδέεται με τη δημιουργία ανθεκτικών και αποτελεσματικών συστημάτων υγείας.
Η τεχνολογία μπορεί να υποστηρίξει την αξιοποίηση ιατρικών δεδομένων και τη λήψη αποφάσεων, αλλά η ασφαλής εφαρμογή της προϋποθέτει κατάλληλα εκπαιδευμένους επαγγελματίες.
Η εξέλιξη αυτή σχετίζεται με τον Στόχο 3 του ΟΗΕ για Καλή Υγεία και Ευημερία και τον Στόχο 4 για Ποιοτική Εκπαίδευση.
Η πρόσβαση σε καινοτόμες τεχνολογίες, η διαρκής κατάρτιση του ιατρικού προσωπικού και η προστασία της αυτονομίας των ασθενών αποτελούν σημαντικές προϋποθέσεις για μια ανθρωποκεντρική ψηφιακή μετάβαση στην υγεία.
Το βασικό μήνυμα της επιστημονικής δημοσίευσης είναι σαφές: η Τεχνητή Νοημοσύνη δεν καθιστά λιγότερο αναγκαία την ιατρική κρίση. Αντίθετα, κάνει την ανάπτυξη και τη διατήρησή της ακόμη πιο σημαντική.