Η διάγνωση με τη βοήθεια ενός υπολογιστή έχει επιχειρηθεί πολλές φορές κατά τη διάρκεια των προηγούμενων ετών, ιδίως για τη διάγνωση της σκωληκοειδίτιδας. Αλλά η εμφάνιση της τεχνητής νοημοσύνης, που αντλεί απαντήσεις σε ερωτήσεις από ολόκληρο το διαδίκτυο αντί να περιορίζεται σε σταθερές βάσεις δεδομένων, ανοίγει νέους δρόμους δυνατοτήτων για την ενίσχυση της ιατρικής διάγνωσης συνολικά.

Για παράδειγμα, όσον αφορά την εγκυρότητα των ιατρικών διαγνώσεων, ένας Αμερικανός γιατρός επειγόντων περιστατικών περιέγραψε τον τρόπο με τον οποίο ζήτησε από το ChatGPT να δώσει τις πιθανές διαγνώσεις μιας νεαρής γυναίκας με πόνο στην κάτω κοιλιακή χώρα. Η μηχανή έδωσε πολυάριθμες αξιόπιστες διαγνώσεις, όπως την σκωληκοειδίτιδα και προβλήματα κύστης ωοθήκης, αλλά της «ξέφυγε» η εγκυμοσύνη, μια σημαντική παράλειψη σύμφωνα με τον γιατρό.

Παρόλα αυτά, σύμφωνα με άρθρο στο The Conversation, που υπογράφει ο δρ. Stephen Hughes, ανώτερος λέκτορας Ιατρικής στο Πανεπιστήμιο Anglia Ruskin, όταν ο ίδιος ακολούθησε την ίδια διαδικασία, το ChatGPT δήλωσε με αυτοπεποίθηση την έκτοπη κύηση στη διαφορική διάγνωση. Όπως επισημαίνει, αυτό μας υπενθυμίζει ότι η τεχνητή νοημοσύνη έχει την ικανότητα να μαθαίνει συνεχώς.

Αυτή η ικανότητα μάθησης είναι που θα βελτιώσει τις επιδόσεις των μηχανών τεχνητής νοημοσύνης και θα τις κάνει να ξεχωρίσουν από τους μάλλον πιο περιορισμένους αλγορίθμους διάγνωσης μέσω υπολογιστή. Δηλαδή, πιθανώς, κάποιος θα «ανέφερε» στο ChatGPT το λάθος του και αυτό έμαθε από αυτά τα νέα δεδομένα.

Θέλοντας να διερευνήσει περαιτέρω τις ικανότητες του μοντέλου τεχνητής νοημοσύνης, ο δρ. Hughes δοκίμασε ένα διαφορετικό περιστατικό: αυτό ενός παιδιού με πονόλαιμο και κόκκινο εξάνθημα στο πρόσωπο.

Αρκετές ήταν οι λογικές πιθανές διαγνώσεις και παρότι αναφερόταν ο στρεπτοκοκκικός πονόλαιμος, δεν αναφερόταν η οστρακιά, η οποία έχει επανεμφανιστεί τα τελευταία χρόνια. Γι’ αυτό πρόσθεσε ακόμα ένα σύμπτωμα, την περιστοματική ωχρότητα, κατά την οποία το δέρμα γύρω από το στόμα είναι χλωμό, ενώ το υπόλοιπο πρόσωπο κόκκινο.

Με την προσθήκη αυτού του συμπτώματος, η διάγνωση ήταν τελικά η οστρακιά.

Ποιο λοιπόν είναι το συμπέρασμα; Σύμφωνα με τον λέκτορα, οι ιατρικές εξετάσεις είναι γεμάτες με τεχνικούς και συγκεκριμένους όρους, που χρησιμοποιούνται για να δώσουν ακρίβεια στις διαγνώσεις. Μια μητέρα, όμως, που θα θέλει να ενημερωθεί με εγκυρότητα για την ασθένεια του παιδιού της, είναι λιγότερο πιθανό να γνωρίζει ιατρικούς όρους, που θα μπορούσαν να διευκολύνουν την ακρίβεια της διάγνωσης.

Σε έναν άλλο πειραματισμό του, ο δρ. Hughes ζήτησε από το ChatGPT να διαγνώσει τον πόνο κατά την ούρηση και την έκκριση από τα ανδρικά γεννητικά όργανα μετά από σεξουαλική επαφή χωρίς προστασία, συμπτώματα δηλαδή κάποιων σεξουαλικώς μεταδιδόμενων νοσημάτων.

Προς έκπληξή του, αφαιρώντας τις αναφορές στη σεξουαλική επαφή, το ChatGPT έδωσε μια διαφορική διάγνωση που περιλάμβανε τη γονόρροια, η οποία ήταν η κατάσταση που σκεφτόταν. Ωστόσο, όπως ακριβώς στον πραγματικό κόσμο, η αποτυχία να είναι κανείς ανοιχτός σχετικά με τη σεξουαλική υγεία έχει επιβλαβή αποτελέσματα, έτσι το ίδιο συμβαίνει και στον κόσμο της τεχνητής νοημοσύνης.

Καταληκτικά, ο δρ. Hughes καταλήγει στο συμπέρασμα ότι ο εικονικός αυτός γιατρός δεν είναι ακόμα έτοιμος να πιάσει… νυστέρι, καθώς χρειάζεται περισσότερες γνώσεις, καλύτερη επικοινωνία και να είμαστε ειλικρινείς με τις πληροφορίες που δίνουμε.