Μπορεί να δώσει στον γιατρό πολύτιμο χρόνο να παρέμβει πριν απειληθεί μια ζωή; Πρόσφατα ερευνητικά δεδομένα δείχνουν ενθαρρυντικά αποτελέσματα για τη μείωση της θνησιμότητας και της διάρκειας νοσηλείας. Η τεχνητή νοημοσύνη φωτίζει νέες προοπτικές στην καρδιολογία, μαζί όμως με κρίσιμα ερωτήματα: Πότε μπορούμε να την εμπιστευτούμε και πότε πρέπει να την αμφισβητήσουμε; Γιατί, όταν διακυβεύονται ανθρώπινες ζωές, η απόσταση ανάμεσα σε μια εντυπωσιακή επίδοση και μια ασφαλή ιατρική απόφαση έχει καθοριστική σημασία; Και ποιος έχει τον τελευταίο λόγο όταν ο αλγόριθμος καθησυχάζει, αλλά ο καρδιολόγος ανησυχεί; Αυτή τη συζήτηση ανοίγει, με αφορμή το 4ο Πανελλήνιο Συνέδριο «Διάλογοι στην Καρδιολογία – Cardiodialogues 2026», που διεξάγεται αυτές τις μέρες στο Ίδρυμα Ευγενίδου, ο πρόεδρος της Οργανωτικής Επιτροπής, Λεωνίδας Πουλημένος. Σε συνέντευξη του στο Πρακτορείο Fm και στην εκπομπή της Τάνιας Μαντουβάλου «104,9 ΜΥΣΤΙΚΑ ΥΓΕΙΑΣ» ο επεμβατικός καρδιολόγος, συντονιστής διευθυντής της Καρδιολογικής Κλινικής του Ασκληπιείου Βούλας και πρόεδρος του Ελληνικού Ιδρύματος Καρδιαγγειακών Παθήσεων (ΕΛΙΚΑΠ), παρουσιάζει τα πιο πρόσφατα ευρήματα που συζητιούνται στο συνέδριο, εξηγεί τις αδυναμίες των αλγορίθμων και θέτει τα όρια της εμπιστοσύνης μας σε αυτούς. Το μήνυμά του είναι σαφές: ο αλγόριθμος μπορεί να γίνει ένας πολύτιμος δεύτερος αναγνώστης, αλλά ο τελικός κριτής παραμένει ο γιατρός.

Υψηλές επιδόσεις στην αναγνώριση εμφράγματος, αλλά και όρια αξιοπιστίας

Ο κ. Πουλημένος αναφέρεται στις δυνατότητες της τεχνητής νοημοσύνης να συμβάλλει στην αναγνώριση του εμφράγματος, επικαλούμενος μεταανάλυση μελετών σε περισσότερους από 166.000 ασθενείς, η οποία δημοσιεύθηκε την περασμένη εβδομάδα. «Σύμφωνα με τα ευρήματά της, η τεχνητή νοημοσύνη αναγνώρισε σωστά το έμφραγμα στο 93% των ασθενών που το είχαν και το απέκλεισε σωστά στο 92% όσων δεν το είχαν. Οι ερευνητές όμως, ήταν σαφείς: Η τεχνητή νοημοσύνη δεν αντικαθιστά την τροπονίνη, το καρδιογράφημα, ή την κλινική κρίση, απλά τα ενισχύει. Υπάρχει και μια επιφύλαξη: Πολλά εργαλεία έχουν δοκιμαστεί σε πολύ συγκεκριμένους πληθυσμούς, χωρίς να έχει ελεγχθεί η αξιοπιστία τους σε άλλες πληθυσμιακές ομάδες, όπως σε άτομα αφρικανικής καταγωγής, ή σε πληθυσμούς της Μεσογείου, μεταξύ αυτών και στον ελληνικό. Αντίστοιχοι περιορισμοί μπορεί να υπάρχουν και στις κλινικές μελέτες, όμως εδώ μιλάμε για την εφαρμογή της τεχνητής νοημοσύνης. H τεχνητή νοημοσύνη δεν είναι μια κρυστάλλινη σφαίρα, τουλάχιστον όχι σήμερα, αλλά είναι ένα πολύ καλό ραντάρ για τον καιρό, την κακοκαιρία που δεν βλέπουμε μπροστά μας».

Τι μπορεί να «δει» η τεχνητή νοημοσύνη σε ένα απλό καρδιογράφημα που δεν διακρίνει ο καρδιολόγος

Η τεχνητή νοημοσύνη συγκεντρώνει δεδομένα από δισεκατομμύρια καρδιογραφήματα, βλέπει και μικροσκοπικά μοτίβα ανάμεσά τους που εμείς ούτε ξέρουμε ότι υπάρχουν, ούτε έχουμε φτάσει στο σημείο να τα αναλύσουμε στο μυαλό μας, ή στα βιβλία μας, αναφέρει ο γνωστός καρδιολόγος. Και τονίζει ότι ένα καρδιογράφημα, δέκα δευτερολέπτων μπορεί να υποψιαστεί καρδιακή ανεπάρκεια, αρρυθμία, πριν εμφανιστούν συμπτώματα, στένωση αορτής, σπάνιες μυοκαρδιοπάθειες, ακόμα και μια μαρμαρυγή που θα έρθει τα επόμενα χρόνια και σήμερα κρύβεται. «Σε μελέτη με 22.600 ασθενείς που παρακολουθούνταν από οικογενειακούς γιατρούς, η ανάλυση ενός απλού καρδιογραφήματος με τη βοήθεια της τεχνητής νοημοσύνης οδήγησε στον εντοπισμό περίπου ενός τρίτου περισσότερων περιστατικών καρδιακής ανεπάρκειας, χωρίς να γίνουν συνολικά περισσότερα τρίπλεξ καρδιάς, ή υπερηχοκαρδιογαφήματα. Στο Holter δε, σε αυτούς τους ασθενείς, ο αλγόριθμος έχασε τρεις επικίνδυνες αρρυθμίες στους χίλιους ασθενείς, ενώ οι καρδιολόγοι έχασαν 44 επικίνδυνες αρρυθμίες στους χίλιους ασθενείς. Το ίδιο συμβαίνει και με τους υπερήχους. Σήμερα, υπάρχουν υπερηχογράφοι τσέπης για την καρδιά, όπου η τεχνητή νοημοσύνη οδηγεί το χέρι του γιατρού στα επείγοντα, ή σε ένα απομακρυσμένο μέρος και μετρά αυτόματα πόσο καλά δουλεύει η καρδιά. Επιπλέον, μπορεί να ξαναδιαβάσει ένα υπερηχοκαρδιογράφημα ρουτίνας και να εντοπίσει νόσους που σήμερα δεν μπορούμε να τις δούμε και περνούν απαρατήρητες, όπως η αμυλοείδωση ή μια στένωση αορτής. Οι πιο απλές εξετάσεις αποκτούν πιο έξυπνα μάτια. Το εύρημα όμως παραμένει στον γιατρό να το επιβεβαιώσει».

Μείωση της θνησιμότητας κατά 16% και 4 μέρες βραχύτερη νοσηλεία- Ανάγκη για περισσότερες μεγάλες μελέτες

Ισχυρά είναι τα δεδομένα για την ακρίβεια και την ταχύτητα της τεχνητής νοημοσύνης στη διάγνωση, ενώ τα στοιχεία για τη βελτίωση της επιβίωσης παραμένουν πρώιμα, αλλά ενθαρρυντικά, σύμφωνα με τον κύριο Πουλημένο. «Μια ανάλυση 32 τυχαιοποιημένων μελετών που κυκλοφόρησε φέτος έδειξε ότι, όταν η τεχνητή νοημοσύνη καθοδηγούσε τις αποφάσεις, η θνησιμότητα μειώθηκε κατά 16%, με μία ζωή να σώζεται για κάθε 32 ασθενείς. Παράλληλα, οι ασθενείς παρέμεναν έως και τέσσερις ημέρες λιγότερο στο νοσοκομείο και έπαιρναν πιο σωστά τη φαρμακευτική αγωγή τους». Ένα φάρμακο, όμως, δεν το δίνουμε επειδή υπόσχεται, αλλά επειδή αποδείχθηκε ότι σώζει ζωές, τονίζει ο ειδικός. «Το ίδιο ζητάμε και από τους αλγόριθμους της AI: να αποδείξουν ότι σώζουν ζωές. Ξέρουμε ότι βλέπει καλύτερα, αρχίζουμε να βλέπουμε ότι σώζει, αλλά χρειαζόμαστε περισσότερες μεγάλες μελέτες.»

Αν σας ειδοποιήσει το smart watch μην πανικοβληθείτε, ενημερώστε το γιατρό σας

Στο ερώτημα αν τα έξυπνα ρολόγια που ήδη χρησιμοποιούνται και καταγράφουν δεδομένα πχ ενός ατόμου που έχει κολπική μαρμαρυγή, αν είναι πάντα σωστά ή δημιουργούν και ψευδείς συναγερμούς, ενδεχομένως και περιττές εξετάσεις, ο συντονιστής διευθυντής της Καρδιολογικής Κλινικής του Ασκληπιείου απαντά: «Το ρολόι είναι ένας “φύλακας άγγελος” αν θέλετε ίσως, αλλά όχι γιατρός. Διακόσιες χιλιάδες άνθρωποι φόρεσαν ρολόι σε δύο μεγάλες μελέτες για δύο συσκευές δύο μεγάλων εταιρειών. Μόνο ένας στους εκατό έως διακόσιους πήρε ειδοποίηση. Όταν όμως ειδοποιούσε, είχε δίκιο οκτώ στις δέκα φορές στη μία μελέτη και σχεδόν δέκα στις δέκα στην άλλη. Αυτό είναι πολύτιμο, γιατί η μαρμαρυγή συχνά δεν δίνει συμπτώματα και μπορεί να οδηγήσει σε εγκεφαλικό. Όμως, στην καθημερινή χρήση, σε μία στις τέσσερις-πέντε καταγραφές το ρολόι απαντά “δεν ξέρω”. Εκεί, ο γιατρός, κοιτώντας την καταγραφή, βγάζει άμεσα συμπέρασμα σχεδόν πάντα. Η συμβουλή μου; Αν σας ειδοποιήσει το ρολόι, μην πανικοβληθείτε, αλλά και μην το αγνοήσετε. Δείξτε την καταγραφή στον γιατρό σας. Ο συναγερμός, δηλαδή, είναι σήμα να σας δει ο γιατρός, αλλά όχι διάγνωση».

 Σε σχεδόν σε έξι στις δέκα περιπτώσεις συμφωνία μεταξύ AI και ειδικού

Αν η τεχνητή νοημοσύνη δώσει μια καθησυχαστική απάντηση, αλλά ο καρδιολόγος υποψιάζεται ότι κάτι δεν πάει καλά, πώς λύνεται η διαφωνία; «Την τελευταία λέξη την έχει ο άνθρωπος», απαντά ο Λεωνίδας Πουλημένος, επισημαίνοντας ότι ο αλγόριθμος είναι εξαιρετικός δεύτερος αναγνώστης, αλλά όχι τελικός κριτής. «Σε μια μελέτη σε υπερηχογράφημα κόπωσης, το stress echo, μηχάνημα και καρδιολόγοι συμφώνησαν μόνο έξι στις δέκα φορές και ακόμη λιγότερο σε ασθενείς με διαβήτη ή υπέρταση. Σε μία στις τέσσερις εξετάσεις ο αλγόριθμος αρνήθηκε να απαντήσει, επειδή δεν έβλεπε την εικόνα αρκετά καλά. Ο λόγος είναι απλός: το μηχάνημα δεν ξέρει ποιοι είστε εσείς, ποιο είναι το ιστορικό σας. Όμως, όταν δούλεψαν μαζί, βρήκαν περισσότερους ασθενείς απ’ ό,τι ο καθένας μόνος του».

Ασφαλιστικές δικλείδες για να μην εμπιστεύεται ο καρδιολόγος άκριτα τον αλγόριθμο

Ο διακεκριμένος επεμβατικός καρδιολόγος περιγράφει τέσσερις δικλείδες ασφαλείας, για τη χρήση της τεχνητής νοημοσύνης στην κλινική πράξη: Πρώτον, κάθε αλγόριθμος πρέπει να συνοδεύεται από σαφή στοιχεία για τους ασθενείς στους οποίους δοκιμάστηκε και την απόδοσή του. Χρειαζόμαστε ετικέτα, όπως στα τρόφιμα: σε ποιους δοκιμάστηκε, πόσο καλά δουλεύει, αναφέρει, διευκρινίζοντας ότι τα γενικά γλωσσικά μοντέλα που χρησιμοποιούμε στους υπολογιστές μας δεν είναι κατάλληλα γι’ αυτή τη δουλειά. Δεύτερον, απαιτείται συνεχής έλεγχος της απόδοσης του αλγορίθμου στους ασθενείς στους οποίους εφαρμόζεται: «Πιστοποίηση, λοιπόν, και επιβεβαίωση». Τρίτον, οι γιατροί πρέπει να είναι εκπαιδευμένοι ώστε να γνωρίζουν τα όρια του αλγόριθμου και να μη θεωρούν ότι η παρουσία του αρκεί για να εξασφαλίσει μια σωστή διάγνωση, τουλάχιστον σήμερα. «Και τέταρτον, χρειάζονται συστήματα που εξηγούν πώς καταλήγουν σε ένα διαγνωστικό συμπέρασμα. Όχι “έκανα λάθος, συγγνώμη”. Γιατί αυτό το “έκανα λάθος, συγγνώμη”, αναφέρεται σε ανθρώπινες ζωές. Ως εκ τούτου, αν η εικόνα των ασθενών, δεν ταιριάζει με τον αλγόριθμο, δεν σταματάμε, ψάχνουμε περισσότερο».

^{ΑΠΕ-ΜΠΕ / photo: pixabay}