Egy 57 éves kínai nő, vesetranszplantált beteg hónapról hónapra hosszú útra kényszerült, hogy pár percnyi konzultációhoz jusson egy zsúfolt kórházban. A „DeepSeek” nevű mesterségesintelligencia-chatbot azonban teljesen más élményt nyújtott számára: a nő órákig kérdezhetett, feltölthette laborleleteit, étrendi és gyógyszeres tanácsokat kapott, a válaszok pedig kedves, bátorító hangnemben érkeztek, gyakran emojikkal kísérve. „Nem vagy egyedül”, írta neki a rendszer egyik alkalommal. A figyelem és empátia illúziója erősebbnek bizonyult, mint amit az orvosi rendelőkben tapasztalt.
A történet nem egyedi. Kínában és világszerte egyre több beteg fordul MI-chatbotokhoz, mert az egészségügyi ellátórendszer túlterhelt, drága és személytelen. Egy kutatás 2024-ben kimutatta, hogy minden hatodik amerikai felnőtt legalább havonta egyszer használ chatbotot egészségügyi kérdésekre, a kínai közösségi médiában pedig szintén sokan számolnak be hasonló tapasztalatokról. A chatbotok állandóan elérhetők, mindig válaszolnak, és nem fáradnak el.
Mit mutatnak a számok?
A tudományos vizsgálatok azonban vegyes képet mutatnak. Már 2023-ban kiderült, hogy a ChatGPT képes volt elérni egy harmadéves orvostanhallgató szintjét az amerikai orvosi vizsgákon. Egy évvel később a Google Med-Gemini modellje számos benchmarkon felülmúlta a korábbi generációs rendszereket, és más, egészségügyre finomhangolt modellek is kiváló eredményeket értek el tesztkörnyezetben. Egy 2024-es sürgősségi osztályos vizsgálatban a GPT-4 diagnosztikai pontossága még a rezidensekét is felülmúlta. Ugyanakkor egy, a Harvardon kidolgozott keretrendszer, amely természetes párbeszédhelyzeteket szimulált „pszeudobetegekkel”, kimutatta, hogy a chatbotok sokkal gyengébben teljesítenek a való életben, mint a tesztkérdések világában.
Oxfordi kutatók arra is rámutattak, hogy a laikus felhasználók LLM-ek segítségével sem érnek el jobb eredményt, mint hagyományos módszerekkel: gyakran kihagynak fontos tüneteket, vagy nem tudják értékelni a chatbot által felkínált lehetőségeket. Egy másik, a Science Advances folyóiratban megjelent tanulmány pedig azt jelezte, hogy bizonyos képalkotó MI-modellek hajlamosak voltak téves diagnózisokra marginalizált csoportoknál, például nőknél vagy fiatalabb betegeknél.
A DeepSeek esete szintén kettős. Egyes tanulmányok szerint az R1 modell bizonyos diagnosztikai feladatokban hasonlóan vagy jobban teljesített, mint az OpenAI rendszerei, máshol azonban alulmaradt. Klinikai érvelésben, például összetett anamnézisek kezelésében, gyengébbnek bizonyult, és sokszor hajlamos volt ellentmondásos vagy téves tanácsokat adni.
Mégis a mesterségest választjuk
Mindez mégsem tántorítja el a betegeket. Kínában az MI-orvosok már tömegesen jelentek meg: az Alipay 200 különböző digitális szakorvost kínál konzultációra, a Douyinon orvos-influenszerek MI-alteregóival lehet beszélgetni, a kórházak pedig LLM-ekkel segítik a betegfelvételt, a diagnosztikai javaslatokat és a kartonozást. Bár az MI nem írhat fel receptet, a szabályozás laza, és a legtöbb etikai keretet a cégek maguk alakítják.
Az érzelmi kötődés azonban sokszor fontosabbnak tűnik a pontosságnál. A vesebeteg nő azt mondta: „A DeepSeek emberibb, az orvosok inkább gépek.” A rendszer nemcsak egészségügyi kérdésekben adott neki választ, hanem nyelvtani magyarázatokban is segített, mindig türelmesen, soha nem utasította el. Amikor egyik alkalommal megkérdezték, miért nem a lányát kérdezi, így válaszolt: „Ő biztosan unná. De DeepSeek azt mondja: beszéljünk még róla. És ez boldoggá tesz.”
A történet rávilágít az új egészségügyi korszak dilemmájára. Az MI képes csökkenteni a rendszer túlterheltségét, enyhíteni a magányt, és társaságot adni az időseknek és betegeknek. Ugyanakkor veszélyes lehet, ha a betegek kizárólag rá hagyatkoznak. A tanulmányok azt üzenik: az MI segíthet, de nem helyettesítheti a valós orvosi gondoskodást. A jövő egészségügye ott lesz erős, ahol az emberi szakértelem és felelősség kéz a kézben jár az MI állandó jelenlétével és empatikus hangjával.
