Η Τεχνητή Νοημοσύνη (Artificial Intelligence – AI) μετασχηματίζει με γρήγορους ρυθμούς την ιατρική, ανοίγοντας νέες δυνατότητες στη διάγνωση, στη λήψη θεραπευτικών αποφάσεων και στη φροντίδα των ασθενών. Την ίδια στιγμή, όμως, γεννά ένα κρίσιμο ερώτημα: πώς πρέπει να εκπαιδεύονται οι γιατροί όταν ολοένα περισσότερες γνωστικές λειτουργίες μπορούν να υποστηρίζονται από ευφυή υπολογιστικά συστήματα; Οι ιατροί της Θεραπευτικής Κλινικής (Νοσοκομείο Αλεξάνδρα) της Ιατρικής Σχολής του ΕΚΠΑ δρ. Μαρία Καπαρέλου (παθολόγος – ογκολόγος) και Θάνος Δημόπουλος (καθηγητής Θεραπευτικής – Ογκολογίας – Αιματολογίας, διευθυντής Θεραπευτικής Κλινικής, Νοσοκομείο «Αλεξάνδρα», τ. πρύτανης ΕΚΠΑ) αναφέρουν ότι σε άρθρο που δημοσιεύθηκε στις 14 Οκτωβρίου 2026 στο επιστημονικό περιοδικό JAMA, οι Jesse Burk-Rafel και Robert Wachter υποστηρίζουν πως η ενσωμάτωση της Τεχνητής Νοημοσύνης στην κλινική πράξη κάνει αναγκαία μια ουσιαστική αναθεώρηση του παραδοσιακού μοντέλου ιατρικής εκπαίδευσης.
Για περισσότερο από έναν αιώνα, η εκπαίδευση των γιατρών στηρίζεται στην απόκτηση εκτεταμένων επιστημονικών γνώσεων και στην καλλιέργεια κλινικής εμπειρίας. Ωστόσο, η δυνατότητα της Τεχνητής Νοημοσύνης να αναλύει πληροφορίες και να προτείνει διαγνωστικές ή θεραπευτικές προσεγγίσεις δημιουργεί τον κίνδυνο οι νέοι γιατροί να παρακάμπτουν τη διαδικασία συλλογισμού μέσα από την οποία διαμορφώνεται η ανεξάρτητη κλινική κρίση. Το φαινόμενο αυτό περιγράφεται ως never-skilling, δηλαδή η αδυναμία ανάπτυξης ουσιαστικών δεξιοτήτων λόγω πρόωρης εξάρτησης από την τεχνολογία. Οι συγγραφείς προτείνουν μια νέα εκπαιδευτική στρατηγική που βασίζεται σε τρεις άξονες: την ενίσχυση των δεξιοτήτων που αποκτούν μεγαλύτερη σημασία στην εποχή της Τεχνητής Νοημοσύνης, την καλλιέργεια νέων ικανοτήτων και τον προσεκτικό περιορισμό εκπαιδευτικών απαιτήσεων που γίνονται λιγότερο αναγκαίες. Κεντρική θέση εξακολουθεί να έχει η άμεση κλινική εξέταση. Η φυσική εξέταση, η παρατήρηση και η επικοινωνία με τον ασθενή δίνουν πληροφορίες που ενδέχεται να λείπουν από τον ηλεκτρονικό ιατρικό φάκελο ή να μην αναγνωρίζονται από έναν αλγόριθμο. Εξίσου σημαντική είναι η θεραπευτική συλλογιστική (management reasoning), δηλαδή η ικανότητα μετατροπής μιας διάγνωσης σε εξατομικευμένο θεραπευτικό σχέδιο, με βάση τη βαρύτητα της νόσου, τις ιδιαίτερες ανάγκες και τις προτιμήσεις του ασθενούς.
Ιδιαίτερη σημασία αποκτά η ανάπτυξη της ικανότητας κριτικής εποπτείας της συλλογιστικής της Τεχνητής Νοημοσύνης (supervisory reasoning). Πρόκειται για την ικανότητα του γιατρού να αξιολογεί ανεξάρτητα τις διαγνωστικές και θεραπευτικές προτάσεις που παράγονται από συστήματα Τεχνητής Νοημοσύνης, να εντοπίζει πιθανές ανακρίβειες και να αποφασίζει πότε πρέπει να τις αποδεχθεί, να τις τροποποιήσει ή να αναζητήσει πρόσθετα κλινικά δεδομένα. Ο γιατρός του μέλλοντος δεν αρκεί να ξέρει πώς να χρησιμοποιεί την Τεχνητή Νοημοσύνη. Πρέπει να διαθέτει την επιστημονική γνώση και την ανεξάρτητη κλινική κρίση που απαιτούνται για να αναγνωρίζει τους περιορισμούς και τα ενδεχόμενα σφάλματά της και να παρεμβαίνει όταν χρειάζεται. Η διαδικασία αυτή προϋποθέτει δύο βασικές δεξιότητες: την κατάλληλα προσαρμοσμένη εμπιστοσύνη (calibrated trust), δηλαδή την ικανότητα του γιατρού να προσαρμόζει τον βαθμό εμπιστοσύνης στην Τεχνητή Νοημοσύνη ανάλογα με το εργαλείο, την κλινική εφαρμογή και τη σοβαρότητα των πιθανών συνεπειών, και τη μεταγνώση (metacognition), δηλαδή την ικανότητα να αναγνωρίζει, να αξιολογεί και να αναπροσαρμόζει τον δικό του τρόπο σκέψης και λήψης αποφάσεων. Με αυτόν τον τρόπο επιδιώκεται να περιοριστεί τόσο η άκριτη αποδοχή των αλγοριθμικών προτάσεων όσο και η αδικαιολόγητη απόρριψη των δυνατοτήτων που προσφέρει η τεχνολογία. Παράλληλα, προτείνεται η στοχευμένη μείωση της εγκυκλοπαιδικής απομνημόνευσης, χωρίς να υποβαθμίζονται οι θεμελιώδεις γνώσεις φυσιολογίας, παθοφυσιολογίας και φαρμακολογίας. Οι γνώσεις που χρειάζονται για επείγουσες κλινικές αποφάσεις πρέπει να μένουν άμεσα διαθέσιμες, ενώ άλλες πληροφορίες μπορούν να αναζητούνται με τη βοήθεια της τεχνολογίας.
Η αναμόρφωση της ιατρικής εκπαίδευσης προϋποθέτει συνεχή εξάσκηση τόσο με, όσο και χωρίς Τεχνητή Νοημοσύνη. Χρειάζονται προσομοιώσεις περιστατικών με ενσωματωμένα σφάλματα και νέες μέθοδοι αξιολόγησης που θα ξεχωρίζουν την προσωπική συμβολή του εκπαιδευόμενου από εκείνη του αλγορίθμου. Το βασικό μήνυμα της δημοσίευσης είναι ότι η Τεχνητή Νοημοσύνη δεν αντικαθιστά την ιατρική κρίση, αλλά κάνει ακόμη πιο αναγκαία την καλλιέργειά της. Η πρόκληση δεν είναι μόνο να εκπαιδεύονται γιατροί που αξιοποιούν αποτελεσματικά την τεχνολογία, αλλά επιστήμονες που διατηρούν την αυτονομία, την κριτική σκέψη και την ικανότητα να λαμβάνουν υπεύθυνες, εξατομικευμένες αποφάσεις, με επίκεντρο πάντοτε τον άνθρωπο.
ΦΩΤΟ ΑΡΧΕΙΟΥ
