Τεχνητή Νοημοσύνη: Ο κίνδυνος οι νέοι γιατροί να μην αναπτύσσουν κλινική κρίση

Άρθρο στο JAMA προειδοποιεί για τον κίνδυνο του «never-skilling» - Οι νέες δεξιότητες που χρειάζονται οι γιατροί και ο ρόλος της ανθρώπινης κρίσης

AI
Συνοπτικά από ΣΚΑΪ AI toggle
  • Άρθρο στο επιστημονικό περιοδικό JAMA επισημαίνει την ανάγκη αναμόρφωσης της ιατρικής εκπαίδευσης λόγω της αυξανόμενης χρήσης Τεχνητής Νοημοσύνης.

  • Οι συγγραφείς προειδοποιούν για το ενδεχόμενο «never-skilling», δηλαδή οι νέοι γιατροί να μην αναπτύσσουν επαρκώς ανεξάρτητες κλινικές δεξιότητες εξαιτίας της πρόωρης εξάρτησης από αλγορίθμους.

  • Προτείνουν εκπαίδευση με και χωρίς Τεχνητή Νοημοσύνη, ενίσχυση της κριτικής σκέψης και ανάπτυξη δεξιοτήτων ελέγχου των διαγνωστικών και θεραπευτικών προτάσεων των συστημάτων AI.

Η Τεχνητή Νοημοσύνη στην ιατρική προσφέρει στους γιατρούς νέες δυνατότητες στη διάγνωση, στην επιλογή θεραπειών και στη φροντίδα των ασθενών. Την ίδια στιγμή, όμως, δημιουργεί μια σοβαρή πρόκληση για την εκπαίδευση των νέων επιστημόνων: πώς θα αποκτήσουν ανεξάρτητη κλινική κρίση, όταν μπορούν να αναζητούν έτοιμες απαντήσεις σε ευφυή υπολογιστικά συστήματα;

Το ερώτημα βρίσκεται στο επίκεντρο άρθρου που δημοσιεύθηκε στις 14 Οκτωβρίου στο επιστημονικό περιοδικό JAMA, με συγγραφείς τους Jesse Burk-Rafel και Robert Wachter. Τις θέσεις τους παρουσιάζουν οι γιατροί της Θεραπευτικής Κλινικής του Νοσοκομείου «Αλεξάνδρα» της Ιατρικής Σχολής του ΕΚΠΑ, Μαρία Καπαρέλου, παθολόγος-ογκολόγος, και Θάνος Δημόπουλος, καθηγητής Θεραπευτικής, Ογκολογίας και Αιματολογίας, διευθυντής της Θεραπευτικής Κλινικής και πρώην πρύτανης του ΕΚΠΑ.

Οι δύο συγγραφείς του JAMA υποστηρίζουν ότι η ολοένα μεγαλύτερη παρουσία της Τεχνητής Νοημοσύνης στην κλινική πράξη καθιστά αναγκαία μια ουσιαστική αλλαγή στον τρόπο με τον οποίο εκπαιδεύονται οι γιατροί.

Ο κίνδυνος να αποκτούν οι νέοι γιατροί απαντήσεις χωρίς να μαθαίνουν να σκέφτονται

Για περισσότερο από έναν αιώνα, η ιατρική εκπαίδευση στηρίζεται στην απόκτηση εκτεταμένων επιστημονικών γνώσεων και στην ανάπτυξη εμπειρίας μέσα από την κλινική πράξη. Η διαδικασία αυτή επιτρέπει στους νέους γιατρούς να καλλιεργούν σταδιακά την ικανότητα να αξιολογούν δεδομένα, να διατυπώνουν διαγνώσεις και να λαμβάνουν αποφάσεις.

Η Τεχνητή Νοημοσύνη μπορεί πλέον να αναλαμβάνει μέρος αυτής της γνωστικής εργασίας, αναλύοντας πληροφορίες και προτείνοντας διαγνωστικές ή θεραπευτικές προσεγγίσεις. Εάν, όμως, ο εκπαιδευόμενος βασίζεται πρόωρα σε τέτοιες απαντήσεις, υπάρχει ο κίνδυνος να μην αναπτύξει επαρκώς τις δικές του δεξιότητες.

Το φαινόμενο περιγράφεται ως «never-skilling»: η αδυναμία ουσιαστικής απόκτησης δεξιοτήτων επειδή η τεχνολογία αναλαμβάνει τη διαδικασία συλλογισμού προτού ο άνθρωπος μάθει να την εκτελεί ανεξάρτητα.

Οι συγγραφείς προτείνουν την αναμόρφωση της εκπαίδευσης σε τρεις κατευθύνσεις: ενίσχυση των δεξιοτήτων που αποκτούν μεγαλύτερη αξία στην εποχή της Τεχνητής Νοημοσύνης, ανάπτυξη νέων ικανοτήτων και προσεκτική μείωση εκπαιδευτικών απαιτήσεων που γίνονται λιγότερο αναγκαίες.

Σε αυτή τη νέα προσέγγιση, η άμεση επαφή με τον ασθενή παραμένει αναντικατάστατη. Η φυσική εξέταση, η παρατήρηση και η επικοινωνία μπορούν να προσφέρουν πληροφορίες που δεν υπάρχουν στον ηλεκτρονικό ιατρικό φάκελο ή δεν αναγνωρίζονται από έναν αλγόριθμο.

Εξίσου σημαντική είναι η θεραπευτική συλλογιστική (management reasoning), δηλαδή η ικανότητα του γιατρού να μετατρέπει μια διάγνωση σε εξατομικευμένο θεραπευτικό σχέδιο. Για να το πετύχει, πρέπει να συνεκτιμά τη βαρύτητα της νόσου, τις ανάγκες και τις προτιμήσεις του ασθενούς, αντί να περιορίζεται στην επιλογή μιας προτεινόμενης θεραπείας.

Η νέα δεξιότητα: Να μπορεί ο γιατρός να ελέγχει την Τεχνητή Νοημοσύνη

Ιδιαίτερη βαρύτητα αποδίδεται σε μια ικανότητα που αποκτά κεντρική σημασία με την εξάπλωση των συστημάτων Τεχνητής Νοημοσύνης: την εποπτική κλινική συλλογιστική (supervisory reasoning).

Ο γιατρός δεν χρειάζεται μόνο να γνωρίζει πώς να χρησιμοποιεί ένα ψηφιακό εργαλείο. Πρέπει να μπορεί να εξετάζει κριτικά τις προτάσεις του, να αναγνωρίζει πιθανές ανακρίβειες και να αποφασίζει πότε μια απάντηση είναι κατάλληλη, πότε χρειάζεται τροποποίηση και πότε απαιτούνται περισσότερα κλινικά δεδομένα.

Η ικανότητα αυτή βασίζεται, σύμφωνα με τους συγγραφείς, σε δύο ακόμη δεξιότητες.

Η πρώτη είναι η κατάλληλα προσαρμοσμένη εμπιστοσύνη (calibrated trust). Πρόκειται για την ικανότητα του γιατρού να αξιολογεί πόσο μπορεί να εμπιστεύεται ένα σύστημα Τεχνητής Νοημοσύνης, ανάλογα με το συγκεκριμένο εργαλείο, τη χρήση του και τη σοβαρότητα των συνεπειών που μπορεί να έχει ένα σφάλμα.

Η δεύτερη είναι η μεταγνώση (metacognition), δηλαδή η επίγνωση και η κριτική αξιολόγηση του ίδιου του τρόπου σκέψης του γιατρού. Δεν αρκεί, με άλλα λόγια, να εντοπίζει τα πιθανά λάθη ενός αλγορίθμου· χρειάζεται να αναγνωρίζει και τα όρια της δικής του γνώσης και κρίσης.

Στόχος είναι να αποφεύγονται δύο αντίθετες συμπεριφορές: η άκριτη αποδοχή των απαντήσεων της Τεχνητής Νοημοσύνης και η αδικαιολόγητη απόρριψη των δυνατοτήτων της. Η ανάγκη ανθρώπινης αξιολόγησης των απαντήσεων αποκτά ιδιαίτερη σημασία όταν οι πληροφορίες αφορούν την υγεία και τη θεραπεία ενός ανθρώπου.

Παράλληλα, οι συγγραφείς εισηγούνται τον περιορισμό της εκτεταμένης απομνημόνευσης πληροφοριών που μπορούν να αναζητούνται με τη βοήθεια της τεχνολογίας. Αυτό, ωστόσο, δεν σημαίνει υποβάθμιση των θεμελιωδών γνώσεων φυσιολογίας, παθοφυσιολογίας και φαρμακολογίας. Οι γνώσεις που απαιτούνται για τη λήψη επειγουσών κλινικών αποφάσεων πρέπει να παραμένουν άμεσα διαθέσιμες στον γιατρό.

Εκπαίδευση με και χωρίς Τεχνητή Νοημοσύνη

Η αλλαγή δεν αφορά μόνο όσα διδάσκονται οι φοιτητές Ιατρικής και οι ειδικευόμενοι γιατροί, αλλά και τον τρόπο με τον οποίο εξασκούνται και αξιολογούνται.

Οι συγγραφείς προτείνουν συνεχή εξάσκηση τόσο με όσο και χωρίς τη βοήθεια της Τεχνητής Νοημοσύνης, ώστε οι εκπαιδευόμενοι να αναπτύσσουν ανεξάρτητη κλινική κρίση, αλλά και την ικανότητα να συνεργάζονται αποτελεσματικά με τα ψηφιακά συστήματα.

Στο πλαίσιο αυτό, προτείνονται προσομοιώσεις κλινικών περιστατικών στις οποίες θα ενσωματώνονται σκόπιμα σφάλματα, καθώς και νέοι τρόποι αξιολόγησης που θα επιτρέπουν να διαπιστώνεται τι γνωρίζει και τι μπορεί να αποφασίσει ο ίδιος ο εκπαιδευόμενος, ανεξάρτητα από τη συμβολή του αλγορίθμου.

Το ζητούμενο δεν είναι να περιοριστεί η χρήση μιας τεχνολογίας που προσφέρει σημαντικές δυνατότητες, αλλά να διασφαλιστεί ότι η αξιοποίησή της δεν θα αποδυναμώσει τις δεξιότητες που χρειάζεται να διαθέτει κάθε γιατρός. Όπως αναδεικνύεται από την παρουσίαση των γιατρών του ΕΚΠΑ, η Τεχνητή Νοημοσύνη δεν υποκαθιστά την ιατρική κρίση, αλλά καθιστά ακόμη σημαντικότερη την καλλιέργειά της.

Η πρόκληση για την ιατρική εκπαίδευση είναι, επομένως, να προετοιμάσει επιστήμονες που δεν θα γνωρίζουν απλώς πώς να χρησιμοποιούν την τεχνολογία, αλλά θα μπορούν να ελέγχουν τα αποτελέσματά της, να αναγνωρίζουν τα όριά της και να λαμβάνουν υπεύθυνες, εξατομικευμένες αποφάσεις με επίκεντρο τον ασθενή.

Πηγή: ΑΠΕ-ΜΠΕ
68 0 Bookmark

Απόρρητο