Την τελευταία ημέρα του συνεδρίου, πραγματοποιήθηκε μια πολύ ενδιαφέρουσα συνεδρία η οποία επιχείρησε να εξετάσει τον τρόπο με τον οποίο η τεχνητή νοημοσύνη μπορεί να μετασχηματίσει ριζικά την υγειονομική φροντίδα και τις πολιτικές υγείας, καθιστώντας την όχι απλώς τεχνολογία, αλλά βασικό μοχλό καινοτομίας και αναβάθμισης του συστήματος υγείας. Η συνεδρία, την οποία συντόνισε ο κ. Τίμος Σελλής, διευθυντής της Ερευνητικής Μονάδας «Αρχιμήδης» του Ερευνητικού Κέντρου «Αθηνά», συγκέντρωσε μια ομάδα ομιλητών από διάφορους επιστημονικούς τομείς.
Ο κ. Τίμος Σελλής έκανε μια σύντομη εισαγωγή στο θέμα, αναφέροντας αρχικά ότι το Ε.Κ. «Αθηνά» είναι το μοναδικό ερευνητικό κέντρο στην Ελλάδα που επικεντρώνεται στις τεχνολογίες πληροφορικής, ενώ η μονάδα «Αρχιμήδης», που λειτουργεί εντός του, έχει ως αντικείμενο την τεχνητή νοημοσύνη. Στη συνέχεια ο κ. Σελλής επισήμανε ότι ο όρος «τεχνητή νοημοσύνη» είναι σήμερα πιο ευρύς από ό,τι όταν πρωτοεμφανίστηκε και στην ουσία αυτήν τη στιγμή αγγίζει οτιδήποτε έχει να κάνει με ψηφιακό μετασχηματισμό, από την ιδιωτική μας ζωή έως όλους τους τομείς της δημόσιας ζωής. Επισήμανε επίσης ότι, καθώς εξετάζουμε πώς μπορεί η τεχνητή νοημοσύνη να αλλάξει τον τρόπο που παρέχουμε φροντίδα και σχεδιάζουμε πολιτικές υγείας, θα πρέπει πάντοτε να έχουμε υπόψη μας ότι οι νέες αυτές τεχνολογίες πρέπει να υιοθετηθούν με ασφάλεια, διαφάνεια και ισότητα, κάτι που πολλές φορές τείνουμε να ξεχνάμε, καθώς σκεφτόμαστε μόνο το τεχνολογικό όφελος.
Ο κ. Σελλής κάλεσε τους ομιλητές να απαντήσουν στα εξής ερωτήματα: α) πώς μπορεί η τεχνητή νοημοσύνη να επηρεάσει τη σχέση του πολίτη με το σύστημα υγείας, β) πώς μπορεί η τεχνητή νοημοσύνη να ενσωματωθεί υπεύθυνα και αποτελεσματικά στην κλινική πρακτική, γ) ποιες είναι οι δυνατότητες και οι διαστάσεις της καλής τεχνητής νοημοσύνης στη βιοϊατρική έρευνα και δ) πώς μπορεί η τεχνητή νοημοσύνη να υποστηρίξει την τεκμηριωμένη (evidence-based) και με τη χρήση Τ.Ν. (AI-enabled) άσκηση πολιτικής σε εθνικό επίπεδο.
Στο πρώτο ερώτημα κλήθηκε να απαντήσει ο κ. Κώστας Αθανασάκης, Aναπληρωτής Kαθηγητής Oικονομικών της Yγείας, ο οποίος εξέτασε το ζήτημα από την οπτική του πολίτη, πώς δηλαδή η τεχνητή νοημοσύνη αλλάζει τη συμπεριφορά των ασθενών προς το σύστημα υγείας. Όπως δήλωσε ο ομιλητής, η εισαγωγή της τεχνητής νοημοσύνης αλλάζει τη λεγόμενη ασυμμετρία πληροφόρησης, δηλαδή το σημαντικό έλλειμμα πληροφόρησης που είχε έως τώρα ο ασθενής σε σύγκριση με τον πάροχο υγειονομικής φροντίδας. Σε αντίθεση με τις αμέτρητες σελίδες που καλείτο να διαχειριστεί έως τώρα ο χρήστης των ηλεκτρονικών μέσων, η τεχνητή νοημοσύνη παρέχει πλέον δομημένη πληροφορία, γεγονός το οποίο αλλάζει τη συμπεριφορά του ασθενούς, ο οποίος έχει πλέον τη δυνατότητα να πηγαίνει προετοιμασμένος στα ιατρικά ραντεβού. Αυτό μπορεί να οδηγήσει σε καλύτερη διαδικασία κοινής λήψης αποφάσεων, μπορεί όμως να δημιουργήσει και προβλήματα, ανάλογα με τη χρήση.
Πολύ μεγάλη μεταβολή, συνέχισε ο κ. Αθανασάκης, θα υποστεί και η παρακολούθηση των ασθενών, το λεγόμενο follow-up, το οποίο αποτελεί ένα κλασικό δομικό πρόβλημα του ελληνικού συστήματος υγείας. Η τεχνητή νοημοσύνη θα βοηθήσει τους ασθενείς, ιδίως αυτούς με χρόνιες νόσους, να διαχειριστούν καλύτερα το πρόβλημα της υγείας τους και είναι πολύ πιθανό ότι θα επιφέρει καλύτερα αποτελέσματα, όπως μεγαλύτερη συμμόρφωση με την αγωγή και βελτιστοποίηση της συμπεριφοράς υγείας, αλλά είναι πολύ πιθανό να δημιουργήσει και προβλήματα.
Δεν υπάρχουν οριστικές απαντήσεις, κατέληξε ο κ. Αθανασάκης. Το ζήτημα προς ποια κατεύθυνση θα οδηγήσει η αλληλεπίδραση με την τεχνητή νοημοσύνη είναι κάτι που βρίσκεται ακόμη υπό διερεύνηση.
Τον λόγο έλαβε στη συνέχεια ο κ. Θεοκλής Ζαούτης, Καθηγητής Παιδιατρικής, προκειμένου να απαντήσει στο δεύτερο ερώτημα, σχετικά με την υπεύθυνη ενσωμάτωση της τεχνητής νοημοσύνης στην κλινική πράξη. Ο κ. Ζαούτης υποστήριξε πως, σύμφωνα με πρόσφατη ανασκόπηση, η τεχνητή νοημοσύνη λειτουργεί εξίσου καλά με τον γιατρό στον τομέα της διάγνωσης, ή και καλύτερα, και σίγουρα μπορεί να χρησιμοποιηθεί συμπληρωματικά για να βελτιώσει τη διαγνωστική ικανότητα των γιατρών.
Το γεγονός αυτό, επισήμανε ο κ. Ζαούτης, αποκτά ιδιαίτερη σημασία σε απομακρυσμένα μέρη (π.χ. νησιά) που στερούνται ειδικών γιατρών, στα οποία η τεχνητή νοημοσύνη μπορεί να βοηθήσει τον γενικό ή αγροτικό γιατρό στη διάγνωση και στη διαλογή (triage) των ασθενών, καθώς και στην παρακολούθηση. Η τεχνητή νοημοσύνη μπορεί επίσης να κάνει καλύτερη εκτίμηση των ακτινολογικών ευρημάτων από τους ακτινολόγους, έχοντας καλύτερη διαγνωστική ικανότητα και αποτελεσματικότητα, ενώ ανώτερη αποδεικνύεται και στον τομέα των βιοψιών και της παθολογοανατομίας, ιδίως σε περιπτώσεις μικρής ποσότητας καρκίνου. Στον τομέα της γονιδιωματικής, μπορεί να διαχειριστεί πολύ πιο γρήγορα έναν τεράστιο όγκο γενετικών δεδομένων και να επιταχύνει τις εξελίξεις στην εξατομικευμένη ιατρική. Ιδιαίτερη μπορεί να είναι η συμβολή των αλγόριθμων τεχνητής νοημοσύνης στην πρόληψη των ιατρικών σφαλμάτων και στη βελτίωση της ασφάλειας των ασθενών, ενώ στον τομέα της δημόσιας υγείας, η τεχνητή νοημοσύνη μπορεί να βοηθήσει στην έγκαιρη ανίχνευση των πρώιμων σημείων μιας επόμενης πανδημίας, υπό την προϋπόθεση βέβαια ότι υπάρχει καλή ποιότητα δεδομένων και ανοικτή πρόσβαση στα δεδομένα. Τέλος, μεγάλη μπορεί να είναι η συμβολή της τεχνητής νοημοσύνης στο ζήτημα της συνταγογράφησης και της αντιμετώπισης της πολυφαρμακίας, ιδίως στην πρόληψη των φαρμακευτικών αλληλεπιδράσεων.
Αντιθέτως, ο ρόλος της τεχνητής νοημοσύνης στον τομέα της ψυχικής υγείας είναι περισσότερο αμφιλεγόμενος. Σίγουρα μπορεί να βοηθήσει στην ενημέρωση του κοινού σχετικά με ψυχολογικά προβλήματα, αλλά επειδή δεν εμπεριέχει το κομμάτι της ενσυναίσθησης, φαίνεται ότι δεν μπορεί να είναι αποτελεσματική χωρίς τη συνεργασία γιατρών, ψυχολόγων και ψυχοθεραπευτών, κατέληξε ο κ. Ζαούτης.
Ο κ. Γιώργος Παπαναστασίου, κύριος ερευνητής τεχνητής νοημοσύνης στο Ερευνητικό Κέντρο Μαθηματικών της Ακαδημίας Αθηνών και επικεφαλής ερευνητής στη μονάδα «Αρχιμήδης», κλήθηκε να απαντήσει στο τρίτο ερώτημα, σχετικά με τον τρόπο χρήσης της καλής τεχνητής νοημοσύνης στη βιοϊατρική έρευνα, από την ανίχνευση φαρμάκων έως και την κλινική εφαρμογή. «Καλή τεχνητή νοημοσύνη είναι αυτή που τίθεται στην υπηρεσία του ανθρώπου», διευκρίνισε αρχικά ο κ. Παπαναστασίου και πρόσθεσε ότι η τεχνητή νοημοσύνη άρχισε να μπαίνει σιγά σιγά στον τομέα της υγείας το 2013, όταν επικράτησε η λεγόμενη «βαθιά μάθηση».
Το κύριο ζήτημα στον τομέα της υγείας, συνέχισε ο κ. Παπαναστασίου, είναι ότι όταν φεύγεις από φυσικές εικόνες και περνάς σε ιατρικές εικόνες, το πρόβλημα γίνεται πιο πολύπλοκο, γιατί πρέπει να ενημερώσεις το μοντέλο σου για το τι αναλύει και τι θέλεις να βγάλει στο τέλος. Τα πράγματα βελτιώθηκαν το 2021 που άρχισαν να εμφανίζονται τα μεγάλα LLM (μεγάλα γλωσσικά μοντέλα), τα οποία μπορούν να διαχειριστούν επαρκώς μεγάλα δεδομένα, αλλά όχι να εξειδικεύσουν σε μικρότερα προβλήματα. Μπορείς, για παράδειγμα να αναπτύξεις ένα μοντέλο τεχνητής νοημοσύνης που εντοπίζει τη στεφανιαία νόσο σε μαγνητικές τομογραφίες, αλλά το οποίο δεν λειτουργεί για κάποια άλλη καρδιαγγειακή πάθηση ή για εικόνες αξονικού τομογράφου.
Επομένως, η πρόκληση σήμερα είναι να μπορέσουμε να εξειδικεύσουμε επαρκώς τα πολύ μεγάλα μοντέλα σε συγκεκριμένους τομείς της ιατρικής. Η τεχνητή νοημοσύνη σήμερα έχει απίστευτες δυνατότητες να βρει μοτίβα μέσα στα δεδομένα, αλλά δεν είναι ακόμη αξιόπιστη, γιατί δεν μπορεί να εντοπίσει την αιτιότητα. Για παράδειγμα, δεν μπορεί να ξεχωρίσει αν ένας εκφυλισμός του εγκεφάλου οφείλεται στην ηλικία ή στη νόσο Αλτσχάιμερ. Όταν αρχίσεις να παρέχεις στην τεχνητή νοημοσύνη τις διάφορες πιθανότητες, αυτή αρχίζει να διακρίνει την αιτιότητα και, συνεπώς, την καθιστάς αξιόπιστη, εξήγησε ο κ. Παπαναστασίου.
Για την επίλυση των προβλημάτων απαιτούνται τρία πράγματα, δήλωσε ο κ. Παπαναστασίου: άνθρωποι που μπορούν να δουλέψουν στις μεθόδους, δεδομένα και μετρικές. Απαιτείται ωστόσο σωστή πολιτική, με συστηματική χρηματοδότηση και συστηματική αλληλεπίδραση ανάμεσα στους επιστήμονες της Τ.Ν., τους κλινικούς ιατρούς και τους υπεύθυνους λήψης αποφάσεων. Πρόκειται για πολιτικές αποφάσεις που λαμβάνονται τόσο σε ευρωπαϊκό και σε παγκόσμιο επίπεδο όσο και σε ελληνικό, κατέληξε ο κ. Παπαναστασίου.
Τέλος, καλούμενη να απαντήσει στο τελευταίο ερώτημα, η κ. Χαριέττα Ελευθεροχωρινού, σύμβουλος καινοτομίας και πρώην παγκόσμια αντιπρόεδρος στρατηγικής και λειτουργιών τεχνητής νοημοσύνης στην IQVIA, δήλωσε ότι η Τ.Ν. μπορεί να μετασχηματίσει τις πολιτικές υγείας, εάν εφαρμοστεί σε μεγάλης κλίμακας εθνικά δεδομένα και, ιδανικά, σε ένα ιστορικό τουλάχιστον πέντε ετών. Εάν συμβεί αυτό, μπορεί να αναδείξει κάποιους από τους πραγματικούς λόγους στους οποίους οφείλονται τα πολύπλοκα προβλήματα που έχουν τα διάφορα συστήματα υγείας και τα οποία δεν είναι πάντοτε προφανή, καθώς και να υποδείξει στοχευμένες πολιτικές υγείας που είναι πολύ πιο αποτελεσματικές τόσο για το σύστημα όσο και για τον πολίτη. Πρόσθεσε πως, χάρη στην καλή δουλειά που έχει γίνει για την άυλη συνταγογράφηση με την Η.ΔΙ.Κ.Α. και τον Ε.Ο.Π.Υ.Υ., στην Ελλάδα έχουμε μια αρκετά καλή βάση για την εφαρμογή της τεχνητής νοημοσύνης σε δεδομένα μεγάλης κλίμακας και για τη δημιουργία μιας πολιτικής υγείας πολύ πιο στοχευμένης και αποτελεσματικής.
Η κ. Ελευθεροχωρινού δήλωσε επίσης πως η Ελλάδα μπορεί να πρωτοστατήσει στον χώρο της τεχνητής νοημοσύνης, καθώς στη χώρα δραστηριοποιούνται πάνω από 200 νεοφυείς επιχειρήσεις στον τομέα της υγείας και της βιοτεχνολογίας, οι οποίες ακολουθούν εξαιρετική επιστημονική και τεχνολογική προσέγγιση. Το πρόβλημα είναι ότι υπάρχει διάσπαση στις θεματικές τους, καθώς και το ότι αντιμετωπίζουν σημαντικά προβλήματα προκειμένου να απορροφηθούν από την εγχώρια αγορά και στη συνέχεια να επεκταθούν σε αγορές του εξωτερικού.
Ωστόσο, πρόσθεσε η κ. Ελευθεροχωρινού, βρισκόμαστε σε ένα ιστορικό σημείο, καθώς η Ε.Ε. πιστεύει ότι η Ελλάδα μπορεί να γίνει ένα hub τεχνολογιών υγείας και βιοτεχνολογίας και στηρίζει τη χώρα μας με ένα μεγάλο κονδύλιο το οποίο έχει προκηρύξει, το EquiFund II, ύψους 200 εκ. ευρώ, το οποίο θα συμπληρωθεί και από ιδιωτικά κεφάλαια, από το 2026 έως το 2029. Αυτό λύνει σε μεγάλο βαθμό το πρόβλημα έλλειψης κεφαλαίων, αλλά θα πρέπει οι φορείς του συστήματος να δουλέψουν πολύ πιο αρμονικά και να βοηθήσουν να εφαρμοστούν στην πράξη κάποιες από τις καινοτομίες που θα φέρουν αυτές οι νεοφυείς επιχειρήσεις. Η ομιλήτρια εξέφρασε την άποψη ότι μια θεματική στην οποία έχουμε στρατηγικό πλεονέκτημα είναι η προγνωστική τεχνητή νοημοσύνη, που έχει στόχο την πρόβλεψη, την εξατομικευμένη θεραπεία και την πρόληψη των ασθενειών. Τέλος, δήλωσε αισιόδοξη και έτοιμη να συνδράμει στην ενσωμάτωση της τεχνητής νοημοσύνης και της καινοτομίας στο σύστημά μας: «Ίσως σε 10 χρόνια να μιλάμε για ένα σύστημα πρότυπο», κατέληξε η κ. Ελευθεροχωρινού.
Συζήτηση
Κατά τη συζήτηση που ακολούθησε, τέθηκε από το κοινό το ερώτημα του κατά πόσο οι τεχνολογικές και ψηφιακές λύσεις θα μπορούσαν να λύσουν το ζήτημα της υποστελέχωσης, το οποίο θα είναι πολύ πιο έντονο τα επόμενα χρόνια. Η κ. Ελευθεροχωρινού απάντησε πως θα μπορούσαν σίγουρα να λύσουν μερικώς αυτό το θέμα. Πρόσθεσε ότι οι μεγάλοι οργανισμοί μετακινούνται σιγά σιγά προς ένα υβριδικό εργατικό δυναμικό, το οποίο περιλαμβάνει τόσο AI agents όσο και ανθρώπους, και υπάρχουν κάποιες θέσεις εργασίας στις οποίες οι AI agents είναι πολύ αποτελεσματικοί, όπως για παράδειγμα η θέση του project manager ή του συντονιστή εργασιών. Ωστόσο, δεν μπορούν όλες οι θέσεις να καλυφθούν από AI agents.
Ο κ. Αθανασάκης πρόσθεσε πως η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να πολλαπλασιάσουμε την ικανότητά μας για γνωστικές εργασίες, για παράδειγμα για τη λήψη αποφάσεων ή την αξιολόγηση, αλλά δεν μπορεί εύκολα να βοηθήσει πολύ στη χειρωνακτική εργασία, όπως αυτή του φυσικοθεραπευτή ή του νοσηλευτή, εκτός και αν εξελιχθεί πολύ η ρομποτική. Ο κ. Ζαούτης συμφώνησε και επισήμανε την ιδιαίτερη υποστελέχωση της Ελλάδας σε νοσηλευτές, οι οποίοι δεν είναι δυνατόν αυτή την στιγμή να αντικατασταθούν. Ο κ. Παπαναστασίου συμφώνησε και αυτός με τη σειρά του ότι η τεχνητή νοημοσύνη μπορεί να βοηθήσει μερικώς στο θέμα της υποστελέχωσης, αλλά η συμβολή της μπορεί να είναι αποτελεσματική, εφόσον είναι επιβλεπόμενη και αξιολογήσιμη από τους γιατρούς, εξοικονομώντας πολύ χρόνο για τους παρόχους πρωτοβάθμιας φροντίδας.
Η επόμενη ερώτηση του κοινού αφορούσε την υποκρισία της πολιτικής και το κατά πόσο μπορούμε να μιλάμε για προγνωστική εφαρμογή της Τ.Ν. όταν γίνονται τόσες μετακινήσεις υγειονομικών και νοσηλευτών από την πρωτοβάθμια στην τριτοβάθμια φροντίδα, τη στιγμή που είναι τόσο ελλειμματική η ανίχνευση των συννοσηροτήτων. Ο κ. Παπαναστασίου απάντησε πως αυτό είναι ένα πραγματικό πρόβλημα, το οποίο δεν αφορά μία μόνο κυβέρνηση ή μία μόνο περίοδο. Πρόσθεσε πως σκοπός του Συνεδρίου είναι ακριβώς αυτό: να γίνουν ζυμώσεις και να προκύψουν αποτελέσματα, έτσι ώστε να πιέσουμε την εκάστοτε κυβέρνηση, αλλά και την Ευρωπαϊκή Ένωση, να κινηθούν προς τη σωστή κατεύθυνση. Ο κ. Σελλής συμφώνησε και επισήμανε ότι οι ψηφιακές τεχνολογίες, ο ψηφιακός μετασχηματισμός και κατά συνέπεια και η τεχνητή νοημοσύνη έχουν νόημα όταν θέτουμε στόχους. Δεν είναι κάτι που θα έρθει και θα λύσει τα προβλήματα από μόνο του. Πρέπει πρώτα εμείς να ξέρουμε τι θέλουμε να πετύχουμε και μετά θα ακολουθήσουν και οι λύσεις, εάν υπάρχουν, δήλωσε ο κ. Σελλής.