Η τεχνητή νοημοσύνη μπαίνει όλο και περισσότερο στην προληπτική ιατρική με έναν συγκεκριμένο στόχο: να αναγνωρίζει μοτίβα κινδύνου πριν ο άνθρωπος αισθανθεί ότι κάτι δεν πάει καλά. Δεν πρόκειται για «μαγική» διάγνωση ούτε για αντικατάσταση του γιατρού. Πρόκειται για εργαλεία που αναλύουν μεγάλες ποσότητες δεδομένων και μπορούν να επισημάνουν πότε χρειάζεται πιο προσεκτικός έλεγχος.
Στις 13 Σεπτεμβρίου 2026, η συζήτηση γύρω από την τεχνητή νοημοσύνη στην υγεία δεν αφορά μόνο τα νοσοκομεία υψηλής τεχνολογίας. Αφορά και τον απλό ασθενή που κάνει εξετάσεις αίματος, φορά ένα smartwatch, υποβάλλεται σε μια απεικονιστική εξέταση ή έχει ηλεκτρονικό ιατρικό φάκελο. Όλα αυτά τα δεδομένα, όταν χρησιμοποιούνται σωστά και με προστασία της ιδιωτικότητας, μπορούν να βοηθήσουν στην εκτίμηση κινδύνου.
Τι βλέπει η τεχνητή νοημοσύνη που μπορεί να ξεφύγει από το ανθρώπινο μάτι
Τα συστήματα τεχνητής νοημοσύνης εκπαιδεύονται να εντοπίζουν επαναλαμβανόμενα μοτίβα. Σε μια ακτινογραφία, μια μαγνητική ή μια αξονική τομογραφία μπορούν να αναγνωρίσουν λεπτές αλλοιώσεις που ίσως χρειάζονται δεύτερη ματιά. Σε εξετάσεις αίματος μπορούν να συσχετίσουν μικρές μεταβολές σε πολλούς δείκτες μαζί, αντί να εξετάζουν κάθε τιμή απομονωμένα. Σε καρδιολογικά δεδομένα μπορούν να αναλύσουν ρυθμούς, διακυμάνσεις και μικρές αποκλίσεις που μπορεί να σχετίζονται με αυξημένο κίνδυνο.
Αυτό έχει ιδιαίτερο ενδιαφέρον σε παθήσεις όπου τα πρώτα στάδια είναι «σιωπηλά». Ο διαβήτης τύπου 2, ορισμένα καρδιαγγειακά προβλήματα, κάποιες νευρολογικές διαταραχές και ορισμένες μορφές καρκίνου μπορεί να εξελίσσονται για καιρό χωρίς έντονα συμπτώματα. Η τεχνητή νοημοσύνη δεν λέει από μόνη της ότι κάποιος έχει μια νόσο· μπορεί όμως να υποδείξει ότι το προφίλ του μοιάζει με περιπτώσεις που χρειάστηκαν περαιτέρω έλεγχο.
Ένα πρακτικό παράδειγμα είναι τα φορητά ρολόγια και οι αισθητήρες υγείας. Μετρούν παλμούς, ύπνο, επίπεδα δραστηριότητας και μερικές φορές οξυγόνωση ή καρδιακό ρυθμό. Ένας μεμονωμένος αριθμός μπορεί να μη σημαίνει πολλά. Όταν όμως εμφανίζεται μια σταθερή αλλαγή σε σχέση με τη συνηθισμένη εικόνα του ίδιου ανθρώπου, ένας αλγόριθμος μπορεί να προτείνει ότι αξίζει να υπάρξει ιατρική αξιολόγηση.
Τα όρια, οι κίνδυνοι και ο ρόλος του γιατρού
Η μεγάλη πρόκληση είναι να μη μετατραπεί η πρόβλεψη σε πανικό. Ένα σύστημα μπορεί να δώσει ψευδώς θετική ένδειξη, δηλαδή να σηματοδοτήσει κίνδυνο εκεί όπου τελικά δεν υπάρχει σοβαρό πρόβλημα. Μπορεί επίσης να δώσει ψευδώς αρνητική ένδειξη, αφήνοντας να περάσει κάτι που θα έπρεπε να ελεγχθεί. Γι’ αυτό τα εργαλεία αυτά χρειάζονται κλινική αξιολόγηση, διαφάνεια και χρήση από επαγγελματίες υγείας.
Εξίσου σημαντικό είναι το ζήτημα των δεδομένων. Για να λειτουργήσει ένα σύστημα τεχνητής νοημοσύνης χρειάζεται αξιόπιστες πληροφορίες. Αν τα δεδομένα είναι ελλιπή, μεροληπτικά ή δεν αντιπροσωπεύουν διαφορετικές ηλικίες, φύλα, πληθυσμούς και ιατρικά ιστορικά, οι προβλέψεις μπορεί να είναι λιγότερο ακριβείς για κάποιες ομάδες ανθρώπων. Η τεχνολογία στην υγεία πρέπει να ελέγχεται όχι μόνο για το αν είναι εντυπωσιακή, αλλά για το αν είναι δίκαιη και ασφαλής.
Για τον ασθενή, το πρακτικό νόημα είναι απλό: η τεχνητή νοημοσύνη μπορεί να γίνει εργαλείο έγκαιρης προειδοποίησης, όχι τελική απάντηση. Αν μια εφαρμογή, μια εξέταση ή ένα σύστημα αναφέρει αυξημένο κίνδυνο, η σωστή κίνηση είναι η επικοινωνία με γιατρό και όχι η αυτοδιάγνωση. Αντίστοιχα, μια «καλή» ένδειξη από έναν αλγόριθμο δεν αντικαθιστά τον τακτικό προληπτικό έλεγχο, ειδικά όταν υπάρχουν συμπτώματα ή οικογενειακό ιστορικό.
Η πιο χρήσιμη εφαρμογή της τεχνητής νοημοσύνης στην υγεία δεν είναι να τρομάζει τον άνθρωπο με προβλέψεις, αλλά να βοηθά το σύστημα υγείας να βλέπει νωρίτερα ποιος χρειάζεται προσοχή. Όταν συνδυάζεται με ιατρική κρίση, σωστά δεδομένα και υπεύθυνη χρήση, μπορεί να μετακινήσει την υγειονομική φροντίδα από την καθυστερημένη αντίδραση προς την πιο στοχευμένη πρόληψη.
