950.000 γιατροί έκαναν 270 εκατ. ερωτήσεις σε AI – Τι το ρωτούν πραγματικά όταν έχουν μπροστά τους έναν ασθενή

επιμελεια medlabnews.gr iatrikanea

Το AI μπήκε στο ιατρείο: 952.000 κλινικοί έκαναν 271 εκατ. ερωτήσεις – Τι το ρωτούν όταν έχουν μπροστά τους έναν ασθενή

Η μεγαλύτερη μέχρι σήμερα μελέτη πραγματικής χρήσης κλινικής τεχνητής νοημοσύνης δείχνει ότι οι γιατροί δεν στρέφονται στο AI κυρίως για να βρουν τη διάγνωση. Το χρησιμοποιούν περισσότερο για να αποφασίσουν τι θα κάνουν μετά: θεραπεία, φάρμακα και διαχείριση του ασθενούς.

Η τεχνητή νοημοσύνη φαίνεται ότι έχει ήδη περάσει από το στάδιο του πειραματισμού στην καθημερινή κλινική πρακτική στις ΗΠΑ.

Μια εξαιρετικά μεγάλη μελέτη που δημοσιεύθηκε στις 15 Οκτωβρίου 2026 στο JAMA ανέλυσε τη χρήση της πλατφόρμας τεχνητής νοημοσύνης OpenEvidence από 952.008 επαγγελματίες υγείας σε διάστημα δυόμισι ετών.

Οι χρήστες υπέβαλαν συνολικά περίπου 271 εκατομμύρια κλινικά ερωτήματα.

Από αυτούς, 556.200 ήταν γιατροί, ενώ το υπόλοιπο δείγμα περιλάμβανε nurse practitioners, physician assistants, φαρμακοποιούς και άλλους αδειοδοτημένους επαγγελματίες υγείας.

Το εντυπωσιακό εύρημα: δεν το ρωτούν κυρίως «τι έχει ο ασθενής»

Ένα από τα πιο ενδιαφέροντα ευρήματα της μελέτης είναι ότι η πραγματική χρήση της AI από τους γιατρούς διαφέρει από τον τρόπο με τον οποίο συχνά αξιολογούνται τα ιατρικά μοντέλα τεχνητής νοημοσύνης.

Οι περισσότερες ερωτήσεις δεν αφορούσαν τη διάγνωση.

Στους γιατρούς, το 51,9% των ερωτημάτων αφορούσε κλινική λήψη αποφάσεων. Ειδικότερα:

• 33,1% αφορούσε θεραπεία και διαχείριση του ασθενούς,
• 14,1% πληροφορίες για φάρμακα,
• ενώ μόλις 13,9% είχε ως κύριο αντικείμενο τη διάγνωση.

Με άλλα λόγια, ο γιατρός φαίνεται να χρησιμοποιεί το AI λιγότερο ως ένα σύστημα που θα του πει «ποια είναι η νόσος» και περισσότερο ως ένα εργαλείο που μπορεί να βοηθήσει να απαντηθεί το επόμενο ερώτημα:

«Έχω αυτόν τον ασθενή μπροστά μου. Ποια είναι η καλύτερη αντιμετώπιση σύμφωνα με τα διαθέσιμα δεδομένα;»

Από 355 χρήστες τον μήνα σε περισσότερους από 703.000

Η ταχύτητα υιοθέτησης είναι ίσως εξίσου εντυπωσιακή με τον συνολικό αριθμό των ερωτημάτων.

Τον Ιανουάριο του 2024 η πλατφόρμα είχε μόλις 355 ενεργούς χρήστες τον μήνα.

Τον Ιούνιο του 2026 οι ενεργοί χρήστες είχαν φτάσει τους 703.265.

Την ίδια περίοδο, ο αριθμός των ερωτημάτων αυξήθηκε από περίπου 6.000 τον μήνα σε 27,8 εκατομμύρια.

Παράλληλα, τα μέσα ερωτήματα ανά ενεργό χρήστη αυξήθηκαν από 18 σε 39,5 τον μήνα.

Και υπάρχει ακόμη ένα στοιχείο που δείχνει ότι δεν πρόκειται απλώς για περιέργεια απέναντι σε μια νέα τεχνολογία: σύμφωνα με το συνοδευτικό editorial του JAMA, μέσα στο 2026 περίπου 9 στους 10 κλινικούς που χρησιμοποιούσαν την πλατφόρμα έναν μήνα επέστρεφαν και τον επόμενο.

Οι συντάκτες του editorial θεωρούν ότι αυτό παραπέμπει περισσότερο σε σταθερή χρήση παρά σε μια αρχική δοκιμή της τεχνολογίας.

Οι γιατροί ρωτούν το AI και για πράγματα έξω από την ειδικότητά τους

Ίσως το πιο ενδιαφέρον εύρημα για την πραγματική ιατρική πράξη αφορά τα όρια της ειδικότητας.

Οι ερευνητές διαπίστωσαν ότι σημαντικό μέρος των ερωτημάτων των γιατρών αφορούσε θέματα εκτός της δικής τους ειδικότητας.

Το ποσοστό διέφερε θεαματικά:

• περίπου 35% στους ογκολόγους και αιματολόγους,
• έως και 88% στους γιατρούς επειγόντων περιστατικών.

Το εύρημα έχει ιδιαίτερη σημασία. Ο γιατρός μπορεί να γνωρίζει σε βάθος το αντικείμενό του, αλλά στην πραγματική κλινική πράξη ένας ασθενής σπάνια έρχεται με πρόβλημα που περιορίζεται αυστηρά στα σύνορα μίας ειδικότητας.

Η τεχνητή νοημοσύνη φαίνεται επομένως ότι χρησιμοποιείται και ως ένα είδος άμεσης πρόσβασης σε γνώση από γειτονικά ή εντελώς διαφορετικά πεδία της Ιατρικής.

Ποιοι γιατροί χρησιμοποιούν περισσότερο το AI

Η χρήση δεν ήταν ίδια σε όλες τις ειδικότητες.

Σε σχέση με το ποσοστό που αντιπροσωπεύει κάθε ειδικότητα στο αμερικανικό ιατρικό δυναμικό, μεγαλύτερη χρήση παρατηρήθηκε σε:

• Ογκολογία και Αιματολογία: λόγος χρήσης 2,00
• Παθολογία / Internal Medicine: 1,88
• Οικογενειακή Ιατρική: 1,80

Αντίθετα, αρκετά χαμηλότερη χρήση καταγράφηκε σε ειδικότητες όπως:

• Οφθαλμολογία: 0,23
• Ακτινολογία: 0,24
• Ορθοπαιδική: 0,24

Οι ερευνητές θεωρούν ότι μία πιθανή εξήγηση είναι πως ένα σύστημα που βασίζεται κυρίως σε επεξεργασία κειμένου και σύνθεση της βιβλιογραφίας είναι σήμερα περισσότερο χρήσιμο σε ειδικότητες όπου οι θεραπευτικές αποφάσεις απαιτούν συνεχή αναζήτηση και ενσωμάτωση νέων επιστημονικών δεδομένων.

Οι νεότεροι γιατροί είναι οι πιο έντονοι χρήστες

Ισχυρή ήταν και η επίδραση της ηλικίας της επαγγελματικής σταδιοδρομίας.

Οι γιατροί που βρίσκονταν μέσα στην πρώτη δεκαετία από την αποφοίτησή τους είχαν 2,54 φορές μεγαλύτερη συμμετοχή στα ερωτήματα σε σχέση με αυτό που θα αναμενόταν με βάση την παρουσία τους στο ιατρικό δυναμικό.

Οι ειδικευόμενοι και fellows παρουσίασαν επίσης αυξημένη χρήση, με λόγο 1,84.

Οι συγγραφείς επισημαίνουν ότι το εύρημα ενδέχεται να αντιπροσωπεύει μια ευρύτερη γενεακή μεταβολή στον τρόπο με τον οποίο οι γιατροί αναζητούν και χρησιμοποιούν την ιατρική γνώση.

Nurse practitioners και physician assistants έκαναν ακόμη περισσότερες ερωτήσεις

Ένα στοιχείο που εύκολα μπορεί να περάσει απαρατήρητο είναι ότι οι γιατροί δεν ήταν οι πιο εντατικοί χρήστες της πλατφόρμας.

Οι γιατροί υπέβαλλαν κατά μέσο όρο 37,1 ερωτήματα ανά ενεργό μήνα.

Οι nurse practitioners και οι physician assistants έφταναν κατά μέσο όρο τα 44,5 ερωτήματα ανά ενεργό μήνα.

Περισσότερο από το 40% των χρηστών της πλατφόρμας δεν ήταν γιατροί.

Πώς έγινε η μελέτη

Οι ερευνητές ανέλυσαν δεδομένα από την 1η Ιανουαρίου 2024 έως τις 30 Ιουνίου 2026.

Οι λογαριασμοί έπρεπε να διαθέτουν επαληθευμένο National Provider Identifier (NPI), ώστε οι ερευνητές να μπορούν να επιβεβαιώσουν ότι αντιστοιχούσαν σε επαγγελματίες υγείας.

Για να καταλάβουν όμως τι ακριβώς ρωτούσαν οι χρήστες, δεν ταξινόμησαν χειροκίνητα εκατοντάδες εκατομμύρια ερωτήματα.

Χρησιμοποίησαν ένα large language model για να ταξινομήσουν ένα στρωματοποιημένο τυχαίο δείγμα 38,8 εκατομμυρίων ερωτημάτων ανάλογα με τον κλινικό σκοπό και το ιατρικό τους αντικείμενο.

Τι ακριβώς είναι το OpenEvidence

Το OpenEvidence είναι μια πλατφόρμα τεχνητής νοημοσύνης σχεδιασμένη για επαγγελματίες υγείας.

Χρησιμοποιεί μεγάλα γλωσσικά μοντέλα για να συνθέτει απαντήσεις σε ερωτήματα φυσικής γλώσσας και συνοδεύει τις απαντήσεις με παραπομπές σε δημοσιευμένες επιστημονικές εργασίες και κατευθυντήριες οδηγίες.

Η πρόσβαση στις ΗΠΑ περιορίζεται σε επαγγελματίες υγείας με έγκυρο NPI.

Τι ΔΕΝ αποδεικνύει η μελέτη

Εδώ βρίσκεται ίσως το σημαντικότερο σημείο για την ερμηνεία των αποτελεσμάτων.

Η μελέτη δεν αποδεικνύει ότι οι γιατροί παίρνουν καλύτερες αποφάσεις επειδή χρησιμοποιούν AI.

Δεν μελέτησε αν οι απαντήσεις ήταν πάντοτε σωστές, αν άλλαξαν την τελική θεραπεία, αν μειώθηκαν τα ιατρικά λάθη ή αν βελτιώθηκαν τα αποτελέσματα των ασθενών.

Κατέγραψε κάτι διαφορετικό: πώς χρησιμοποιείται πραγματικά ένα σύστημα κλινικής AI σε πολύ μεγάλη κλίμακα.

Όπως επισήμανε ο Anupam Jena του Harvard Medical School, μέχρι σήμερα γνωρίζαμε πολύ περισσότερα για το τι μπορούν να κάνουν θεωρητικά τα συστήματα AI παρά για το πώς τα χρησιμοποιούν πραγματικά οι γιατροί όταν εργάζονται.

Το επόμενο κρίσιμο ερευνητικό βήμα είναι επομένως να εξεταστεί αν αυτή η χρήση μεταφράζεται σε καλύτερη ποιότητα περίθαλψης.

Γιατί η μελέτη αλλάζει τη συζήτηση για την ιατρική AI

Πολλές δοκιμές τεχνητής νοημοσύνης στην Ιατρική επικεντρώνονται στην ικανότητα ενός μοντέλου να λύνει διαγνωστικά προβλήματα, να απαντά σε εξετάσεις ή να αναγνωρίζει μια νόσο.

Τα πραγματικά δεδομένα από εκατοντάδες χιλιάδες επαγγελματίες υγείας δείχνουν όμως ότι η καθημερινή ανάγκη μπορεί να είναι διαφορετική.

Ο γιατρός δεν χρειάζεται μόνο ένα σύστημα που να γνωρίζει τη σωστή διάγνωση.

Χρειάζεται να βρίσκει γρήγορα την κατάλληλη θεραπευτική στρατηγική, να ελέγχει φάρμακα, να αξιολογεί τις εναλλακτικές επιλογές και να αποκτά πρόσβαση σε γνώση που μπορεί να βρίσκεται έξω από το στενό αντικείμενο της ειδικότητάς του.

Αυτό ακριβώς φαίνεται να αποτυπώνουν τα 271 εκατομμύρια πραγματικά ερωτήματα.

Υπάρχουν και σημαντικοί περιορισμοί

Τα αποτελέσματα πρέπει να ερμηνευθούν με προσοχή.

Η μελέτη αφορά μία συγκεκριμένη πλατφόρμα και επαγγελματίες υγείας στις Ηνωμένες Πολιτείες. Επομένως δεν γνωρίζουμε αν οι ίδιες συμπεριφορές ισχύουν για άλλα συστήματα AI ή για γιατρούς σε άλλες χώρες.

Επιπλέον, η έρευνα περιγράφει τη χρήση και όχι την αποτελεσματικότητα ή την ασφάλεια των απαντήσεων.

Υπάρχει επίσης θέμα διαφάνειας ως προς τις σχέσεις με την εταιρεία: τρεις από τους συγγραφείς είχαν επαγγελματική σχέση με την OpenEvidence. Η εταιρεία παρείχε τα αποπροσωποποιημένα δεδομένα της πλατφόρμας, αλλά, σύμφωνα με το Harvard Medical School, δεν χρηματοδότησε τη μελέτη. Η έρευνα υποστηρίχθηκε από το National Institutes of Health/National Institute of Biomedical Imaging and Bioengineering.

Το βασικό συμπέρασμα

Το μεγαλύτερο ίσως μήνυμα της μελέτης δεν είναι ότι η τεχνητή νοημοσύνη μπορεί κάποια ημέρα να αλλάξει την Ιατρική.

Είναι ότι για εκατοντάδες χιλιάδες επαγγελματίες υγείας έχει ήδη αρχίσει να αλλάζει τον τρόπο με τον οποίο αναζητούν την ιατρική γνώση μέσα στην καθημερινή κλινική πράξη.

Και, τουλάχιστον σύμφωνα με αυτά τα δεδομένα, ο γιατρός δεν ζητά κυρίως από το AI να του βρει τη διάγνωση.

Το ρωτά τι πρέπει να κάνει για τον ασθενή που έχει ήδη μπροστά του.

---

Πηγή – επιστημονική δημοσίευση:
Patel VR, Finlayson SG, Liu-Hass M, et al. Clinician Use of an Artificial Intelligence–Enabled Clinical Information Platform. JAMA. Published online October 15, 2026. doi:10.1001/jama.2026.21868.

Πρώτη δημοσίευση: 16/10/2026
medlabnews.gr

```