Zanim trafimy do lekarza, pytamy AI. Kiedy doktor Chat nie wystarczy

Dwa lata temu Gemini zalecał wzbogacanie diety o „jeden mały kamień dziennie”, by była bogatsza w witaminy i minerały, a ChatGPT poprawnie diagnozował zaledwie dwie na dziesięć chorób dziecięcych. Mimo to już wtedy pytania o zdrowie zadawał im co trzeci użytkownik – a dziś zdrowie stało się jedną z najczęstszych kategorii zapytań do chatbotów. 

Według opublikowanych w styczniu danych OpenAI, z jego chatem GPT codziennie kwestie zdrowotne konsultuje 40 mln ludzi. Nie ma się czemu dziwić. 

Na wizytę u lekarza trzeba czekać i często trzeba też słono za nią zapłacić. Do tego nie ma pewności, czy doktor znajdzie dość czasu, by wysłuchać pacjenta i przystępnie odpowiedzieć na jego pytania. Tymczasem ChatGPT i jego krewniacy przyjmują za darmo, bez kolejki i całą dobę. A do tego zawsze są gotowi do udzielania wyczerpujących odpowiedzi.

Lekarze z jednej strony narzekają na „doktora Chata”, bo w wielu przypadkach bredzi. Często jednak, gdy sami używają takich programów, nie mogą się ich nachwalić. Więc jak to właściwie jest: chatboty AI w kwestiach medycznych są kompetentne, czy nie? Kiedy pacjenci będą mogli zaufać diagnozom „doktora Chata”? A jeśli tak się stanie, czy lekarze będą nam jeszcze potrzebni?

„To będzie narzędzie ważniejsze niż stetoskop” – mówił magazynowi „Wired” prof. Robert Pearl z Uniwersytetu Stanforda, były dyrektor generalny Kaiser Permanente, jednej z największych organizacji ochrony zdrowia w USA. Jego zdaniem „żaden lekarz, który chce uprawiać medycynę na wysokim poziomie, nie będzie w stanie tego robić bez dostępu do Chata GPT lub podobnych mu sztucznych inteligencji”.

Pearl twierdzi, że gdyby nadal kierował instytucją zrzeszającą lekarzy, wymagałby od nich korzystania z AI w codziennej praktyce klinicznej.

Prof. Pearlowi wtóruje Ligia Kornowska, lekarka i liderka polskiej Koalicji AI i innowacji w zdrowiu: – W niedalekiej przyszłości niewykorzystywanie algorytmów sztucznej inteligencji będzie błędem w sztuce, tak jak dziś jest nim niezrobienie tomografii komputerowej pacjentowi przy podejrzeniu zatorowości płucnej.

Kornowska podkreśla jednak, że trzeba wyraźnie rozróżnić powszechnie dostępne chatboty AI, takie jak Gemini czy ChatGPT, od specjalistycznych programów dla lekarzy: 

– Te drugie, by mogły być wykorzystywane w opiece nad pacjentami, muszą być certyfikowanymi wyrobami medycznymi. Żeby taki certyfikat dostały, muszą mieć potwierdzoną skuteczność, a ryzyko wyrządzenia szkody pacjentowi musi być jasno określone i minimalne.

W jakiej skali takie certyfikowane programy wykorzystywane są w Polsce, w zasadzie nie wiadomo. Wskazówkę daje raport Centrum e-Zdrowia z marca 2025 r. (nowszego nie ma). 

Narzędzia oparte na sztucznej inteligencji wprowadziło zaledwie 4,7 proc. placówek uczestniczących w badaniu. Na tle ogółu najlepiej wyglądają szpitale – 13,2 proc. aktywnie używa AI. Wykorzystuje ją głównie w diagnostyce obrazowej (33,9 proc.) i obsłudze pacjentów, np. poprzez wirtualnych asystentów (18,0 proc.). Z narzędzi AI do wspomagania decyzji klinicznych korzysta 16,2 proc. 

Z zeszłorocznego badania opublikowanego w magazynie „Nature” wynika z kolei, że amerykańska Agencja Żywności i Leków certyfikowała 1016 programów sztucznej inteligencji do zastosowań medycznych. Najwięcej służy wspomnianej analizie obrazów. To algorytmy, które na podstawie zdjęć rentgenowskich, tomografii komputerowej czy rezonansu magnetycznego wykrywają zmiany nowotworowe, zawały czy złamania i często robią to bardziej precyzyjnie niż człowiek.

Wśród niecertyfikowanych programów są OpenEvidence, który pomaga znajdować i syntetyzować informacje z recenzowanych czasopism naukowych oraz wytycznych klinicznych (korzysta z niego 40 proc. lekarzy w USA), czy Dragon Copilot, który automatyzuje tworzenie dokumentacji i analizę rozmów z pacjentami (Microsoft w styczniu poinformował, że jego narzędzie jest używane przez 100 tys. dostawców usług medycznych i wykorzystano je podczas 21 mln wizyt).

W zeszłym roku wartość całego rynku digital health wyceniano na 300 mld dolarów (to więcej niż PKB Finlandii czy Portugalii) i była to najszybciej rozwijająca się gałąź globalnej e-gospodarki, a do wzrostu przyczyniła się rosnąca popularność chatbotów AI. Cały ten sektor do końca dekady ma osiągnąć bilion dolarów i liderzy branży AI już ścigają się o podział tego tortu.

Zastosowania medyczne są jednym z głównych jego składników. Stąd Google już od dwóch lat udostępnia MedLM, który ma pomagać lekarzom nie tylko w papierologii, ale też w interpretacji wyników badań. 

Wystarczy, że lekarz wpisze np.: „Pacjent 60 lat, mężczyzna, SBP 150 mmHg, LDL-C 170 mg/dl, palacz. Oblicz ryzyko sercowo-naczyniowe wg SCORE 2”, a do tego poprosi system, by zestawił te informacje z najbardziej aktualnymi wynikami badań naukowych i wytycznymi. 

7 stycznia 2026 r. OpenAI zaprezentowało ChatGPT for Healthcare, który służy w zasadzie do tego samego, a tydzień później Anthropic przedstawiła własną wersję tej obietnicy, pod nazwą Claude for Healthcare.

Takie narzędzia, choć ich funkcje się dublują, wkrótce mogą się jednak okazać niezbędne w służbie zdrowia. „Literatura medyczna przyrasta w zawrotnym tempie, podwajając się co pięć lat. Przekopanie się przez nią całą to herkulesowe wyzwanie, a lekarze mają coraz mniej czasu” – pisał niedawno „Forbes”.

Wszystkie firmy rozwijające AI do rozwiązań medycznych deklarują jednak, że ich programy nie działają samodzielnie, nie zastępują profesjonalnej porady medycznej, diagnozy ani leczenia, i muszą być nadzorowane przez lekarzy. W USA pozwala im to unikać certyfikacji.

Sytuacja w UE jest bardziej skomplikowana.

– Mamy do czynienia z komplementarnym funkcjonowaniem regulacji. Istnieją przepisy dotyczące sektora medycznego. Do tego mamy RODO, a 2 sierpnia br. ma zacząć obowiązywać w tym zakresie akt w sprawie sztucznej inteligencji, które zalicza medyczne modele AI do systemów wysokiego ryzyka. W praktyce oznacza to, iż producenci takiego oprogramowania muszą udowodnić, że jest ono bezpieczne i niedyskryminujące – mówi nam dr hab. Dominik Lubasz, ekspert ds. prawa sztucznej inteligencji, autor opracowania RODO dla AI. 

By sprostać tym regulacjom, zwłaszcza aktowi w sprawie sztucznej inteligencji, dostawcy tych rozwiązań już dziś przygotowują się do ich wdrożenia tworząc m.in. stosowne systemy zarządzania ryzykiem związanym z wykorzystaniem systemów AI, dostosowując poziom jakości danych wykorzystywanych w tych systemach, czy analizując ryzyka. 

Przygotowują się zarówno technicznie, infrastrukturalnie, jak i formalnie, opracowując stosowne umowy, zawierające postanowienia gwarancyjne w zakresie m.in. poufności danych pacjentów. 

Najwięksi gracze już tworzą dla klientów europejskich specjalnie wyodrębnione chmury do przetwarzania danych pacjentów i podpisują umowy, w których pod klauzulą potężnych kar finansowych gwarantują, że powierzone im informacje będą bezpieczne.

Równie ciekawy, jak to, że największe koncerny AI wystrzegają się choćby sugestii o zastępowaniu lekarzy, jest fakt, iż wyjątkowo ochoczo publikują wyniki, jakie ich programy osiągają w testach takich jak USMLE, rygorystyczny egzamin niezbędny do uzyskania prawa wykonywania zawodu lekarza w USA.

I tak Med-PaLM 2 (jeden z modeli napędzających MedLM) wskazał w nim ponad 85 proc. poprawnych odpowiedzi, a GPT-4o miał ich 90,4 proc. (Grok, wbrew zapewnieniom Elona Muska, wypadł dużo gorzej, osiągając 77 proc.).

Zapewnienia koncernów, że sztuczna inteligencja nie zastąpi lekarzy, a z drugiej szkolenie jej na coraz większych zbiorach danych i wyścigi w tym, jak skutecznie może lekarzy zastępować, tylko pozornie stoją ze sobą w sprzeczności. Świętym graalem branży jest bowiem samodzielny i nieomylny diagnosta AI.

Poszukiwanie go zaczęto już blisko 70 lat temu. W przełomowym artykule w magazynie „Science” Robert Ledley, profesor fizjologii, biologii i radiologii, oraz Lee B. Lusted, profesor inżynierii biomedycznej, proponowali, by przypadki medyczne analizować za pomocą narzędzi matematycznych, takich jak logika i teoria gier.

„Komputery są szczególnie przydatne, aby pomóc lekarzowi w gromadzeniu i przetwarzaniu informacji klinicznych oraz przypominaniu mu o diagnozach, które mógł przeoczyć” – pisali w 1959 r.

Ich idea zaczęła się materializować kilka lat później, gdy na Uniwersytecie w Pittsburghu opracowano program o nazwie Internist-1. Powstał dzięki współpracy Harry’ego Pople’a, jednego z pionierów sztucznej inteligencji, z wybitnym diagnostą Jackiem Myersem. 

Internist-1 próbowano udoskonalać przez dekadę, ale projekt zarzucono, bo wymagał zbyt skrupulatnego wprowadzania danych, analizy trwały zbyt długo, a sam program, gdy już podawał wynik, to w opinii użytkowników „traktował lekarza jako niezdolnego do rozwiązania problemu diagnostycznego”.

I choć w kolejnych latach budowano podobne programy, to przełom przyniosły dopiero duże modele językowe, z których najsłynniejszym jest ChatGPT.

W lipcu 2025 r. na Uniwersytecie Harvarda doszło do pojedynku, który przywodził na myśl słynny mecz szachowy z 1997 r. między arcymistrzem Garrim Kasparowem a Deep Blue, superkomputerem IBM. Tym razem przeciwnikami byli Daniel Restrepo, wybitny diagnosta z Massachusetts General Hospital, oraz CaBot. 

Ten drugi to stworzona specjalnie do stawiania diagnoz wersja zaawansowanego „modelu rozumowania” GPT-o3. Wytrenowano ją m.in. na publikowanych od ponad stu lat w „The New England Journal of Medicine” analizach trudnych przypadków klinicznych, których istotą jest porównywanie objawów z wynikami badań, w tym histopatologii i sekcji zwłok, aby ustalić właściwą diagnozę.

„Szachownicą” podczas pojedynku Restrepo i CaBot był przypadek 41-latka, który zgłosił się do szpitala po ok. 10 dniach gorączki, bólów mięśni i obrzęku kostek. Na goleniach miał bolesną wysypkę i dwa razy stracił przytomność. Kilka miesięcy wcześniej wszczepiono mu stent wieńcowy. Tomografia wykazała obecność guzków w płucach i powiększenie węzłów chłonnych w klatce piersiowej.

Człowiek i maszyna postawili tę samą diagnozę: zespół Löfgrena. To ostra postać sarkoidozy, rzadkiej choroby zapalnej. Różnica polegała na tym, że Restrepo, by to ustalić i zaprezentować diagnozę, przygotowywał się przez sześć tygodni. CaBotowi zajęło to sześć minut.

Z ogłaszaniem CaBota świętym graalem medycyny AI trzeba się jednak wstrzymać. Choć bezbłędnie rozwiązuje ok. 60 proc. pytań dotyczących najtrudniejszych przypadków klinicznych (co oznacza, że wypada lepiej niż lekarze), to cierpi dokładnie na tę samą przypadłość, co inni jego krewniacy. Bredzi. 

Zdarza mu się analizować objawy, których pacjent nigdy nie miał, albo wyniki badań, których nigdy nie przeprowadzono. Eksperci nazywają to halucynacjami AI.

– Takie ryzyko można ograniczyć tylko częściowo. Służy temu mechanizm, w którym program najpierw wyszukuje dane w określonym, zweryfikowanym zasobie, i dopiero na tej podstawie generuje odpowiedź. Zwiększa to prawdopodobieństwo jej trafności, ale wciąż pozostajemy w obszarze statystycznego prawdopodobieństwa, a nie gwarantowanej poprawności – mówi Dominik Lubasz.

Nawet, gdyby CaBot przestał zmyślać, to z nim i podobnymi mu wyspecjalizowanymi programami medycznymi jest jeszcze jeden problem. By stały się znakomitymi diagnostami, zdolnymi stwierdzić nawet najrzadsze choroby, muszą być szkolone na wspomnianych już analizach trudnych przypadków klinicznych. To znaczy, że gdy pojawiają się pacjenci uskarżający się na całkiem zwyczajne przypadłości, a takich pełne są izby przyjęć na całym świecie, algorytm… przekombinowuje, albo głupieje.

Mało tego: jak wynika z testów przeprowadzonych m.in. podczas Poland Healthcare Datathon we wrześniu 2025 r. w Gdańsku, AI w medycynie najlepsze wyniki osiąga, gdy jest trenowana na lokalnych danych. Gdy „karmiona” jest danymi pacjentów z całego świata, umykają jej lokalne wzorce, a ryzyko błędów wzrasta nawet o 30 proc.

Przez trzy lata i podczas 17 wizyt u specjalistów żaden z nich nie umiał wyjaśnić, dlaczego Alex cierpi na przewlekły ból, ma napady złości, przestał rosnąć i zaczął kuleć. Zdesperowana matka chłopca, Courtney Morales Hoffman, sama próbowała analizować jego dokumentację, a w końcu wgrała wszystkie wyniki do Chata GPT.

Program zasugerował zespół uwięzi rdzenia kręgowego – rzadkie, często ukryte schorzenie. Neurolożka dziecięca, do której zgłosiła się kobieta, szybko potwierdziła tę diagnozę i chłopiec kilka tygodni później przeszedł operację, która pomogła mu wrócić do zdrowia.

Przypadek opisany przez „Journal of Participatory Medicine” odbił się szerokim echem w mediach. „To było wszystko naraz: ulga, poczucie, że ktoś wreszcie mnie wysłuchał, i nadzieja na normalne życie” – opowiadała matka chłopca w programie „Today Show”.

Ta historia nie jest jednak dowodem, że „doktor Chat” może zastąpić lekarza, ale paradoksalnie pokazuje, jak bardzo takie systemy lekarzami nie są i dlaczego – przynajmniej na razie – ich nie zastąpią.

„Dialog między lekarzem a pacjentem jest podstawą skutecznej i pełnej współczucia opieki. Wywiad medyczny został określony jako najpotężniejsze, najczulsze i najbardziej wszechstronne narzędzie dostępne dla lekarza” – piszą autorzy badania opublikowanego w „Nature”, podkreślając, że nawet do 80 proc. diagnoz stawia się wyłącznie na podstawie wywiadu klinicznego. 

Chory zazwyczaj nie wie, które symptomy są ważne, a które błahe. Lekarz jest tym, który dzięki wiedzy i doświadczeniu ma dotrzeć do sedna problemu.

„Sam pacjent może po prostu wiedzieć, które z jego objawów są ważne, by postawić diagnozę” – mówi jednak Robert Wachter, kierownik wydziału medycyny na Uniwersytecie Kalifornijskim i autor bestsellerowej książki „A Giant Leap”, opisującej, jak AI wkracza do służby zdrowia. Tyle że Wachter podkreśla zarazem, że „nawet w przypadku osób komunikujących się bardzo jasno, wyjaśnienie objawów może wymagać osądu, który lekarze doskonalą poprzez lata doświadczenia”.

Potwierdza to niedawne badanie Uniwersytetu Oksfordzkiego, które wykazało, że osoby poproszone o skorzystanie z chatbotów w celu uzyskania pomocy w hipotetycznych sytuacjach medycznych, opisując objawy, pomijały kluczowe informacje.

Nie potrafiły też prawidłowo zidentyfikować, które sugestie narzędzi AI były najważniejsze. W rezultacie uzyskały gorsze wyniki niż osoby, które po prostu zwróciły się do Google lub wykorzystały własną wiedzę.

– Chat nie przeprowadzi wywiadu w sposób, jaki zrobiłby to lekarz, jeśli użytkownik go do tego nie skłoni. Dlatego pytanie dotyczące zdrowia nie może być jednym zdaniem, które zwykle wpisujemy do wyszukiwarki. Jeśli już pytać „doktora Chata” o zdrowie, to trzeba opisać objawy i ich kontekst – wyjaśnia Ligia Kornowska. – Można też wprost poprosić, by program zadawał pytania, jak zrobiłby to lekarz. To pomaga uporządkować informacje, ale i tak nie zastąpi prawdziwego wywiadu medycznego.

– Już samo to, w jaki sposób sformułujemy pytanie, silnie wpływa na odpowiedź. Zadanie go w sposób całkowicie neutralny jest trudne – zauważa prof. Dariusz Jemielniak, kierownik Katedry Zarządzania w Społeczeństwie Sieciowym w Akademii Leona Koźmińskiego, wykładowca Harvarda. Dodaje, że „takie programy mają tendencję do potakiwania, dlatego pytania warto formułować faktograficznie i niekierunkowo”. 

– Najlepiej prosić o interpretację danych i możliwe scenariusze, zamiast pytać wprost, czy mam konkretne schorzenie. Dobre używanie modeli często wymaga umiejętności pisania dłuższych, dobrze ustrukturyzowanych promptów, a to jest bariera dla wielu użytkowników – mówi Jemielniak.

Kolejne schody pojawiają się wraz z odpowiedzią programu. Algorytmy chatbotów zostały wyszkolone m.in. na wynikach badań i podręcznikach akademickich. Czyli w zasadzie tak samo, jak powinni być wyszkoleni lekarze. Dzięki temu lekarze i algorytmy „wiedzą”, że np. omdlenie połączone z bólem górnej części brzucha może sygnalizować odwodnienie, ale równie dobrze zagrażające życiu zaburzenia rytmu serca. 

Chatbot zapytany o takie symptomy zapewne wskaże wszystkie możliwości (lekarz natychmiast by dopytał: czy masz gorączkę? ból w klatce piersiowej? czy ostatnio podróżowałeś?). W efekcie pacjent-laik uzyskuje w nieco bardziej przystępnej formie to, co znalazłby, wertując podręczniki lub tysiące badań na dany temat. Suchą teorię. O ile oczywiście AI mu nie nakłamie.

A powszechnie dostępne chatboty AI kłamią pacjentom dość często. – Badania mówią o kilkudziesięciu procentach przypadków, a nawet jeśli odpowiedź czata jest częściowo prawidłowa, często bywa niepełna – mówi Ligia Kornowska. 

– Kluczowe znaczenie ma podejście hybrydowe: najlepsze rezultaty osiąga profesjonalista wspierany przez model, a nie sam model działający autonomicznie. To tzw. podejście Me+AI. Nawet jeśli w określonych warunkach sztuczna inteligencja bywa skuteczniejsza, samo w sobie niewiele to zmienia – podkreśla prof. Jemielniak.

W badaniu naukowców z Uniwersytetu Harvarda, które w ubiegłym roku opublikowano w „The Lancet”, część lekarzy analizowała przypadki kliniczne z pomocą Chata GPT. Nie osiągnęli lepszych wyników niż lekarze pracujący bez wsparcia chatbota. Sam chatbot rozwiązywał jednak przypadki trafniej niż ludzie (czyli lekarze mogą mieć z właściwym zadawaniem pytań ten sam problem, co pacjenci).

W kolejnym eksperymencie zespół zmienił sposób współpracy. Jedną grupę lekarzy poproszono o zapoznanie się z analizą AI przed rozpoczęciem własnej diagnozy, drugą o przedstawienie modelowi wstępnej diagnozy i zapytanie programu o drugą opinię. 

Tym razem obie grupy osiągnęły wyższą trafność niż lekarze pracujący samodzielnie, a pierwsza z nich była dodatkowo szybsza i skuteczniejsza w proponowaniu dalszych kroków diagnostycznych. Gdy chatbot miał pełnić rolę „drugiej opinii”, często nie ignorował wstępnej diagnozy lekarza, mimo takiego polecenia. Jego analiza pozostawała zakotwiczona w pierwotnym rozpoznaniu.

Systemy łączące zdolności człowieka i sztucznej inteligencji nazywane są „centaurami”. Z ich wykorzystywaniem wiąże się ryzyko, że lekarze zaczną nadmiernie polegać na niedoskonałych wciąż narzędziach i stopniowo utracą zdolność samodzielnego rozumowania diagnostycznego.

W jednym z niedawnych badań gastroenterolodzy, którzy regularnie korzystali z systemów AI do wykrywania polipów podczas kolonoskopii, radzili sobie wyraźnie gorzej, gdy musieli polegać wyłącznie na własnych umiejętnościach. Problem ten jest doskonale udokumentowany w wielu innych, pozamedycznych dziedzinach i pojawia się coraz częściej.

Mniej więcej dwa lata temu, gdy na masową skalę zaczęliśmy korzystać z chatbotów AI, Gemini zalecał jedzenie kamieni, a ChatGPT był w stawianiu diagnoz równie skuteczny co wtedy, gdyby nimi rzucał, stanęliśmy na progu rewolucji w zastosowaniach AI. I trzeba uczciwie przyznać, że jest wielu ludzi, którym takie programy – nawet te dostępne komercyjnie – pomogły uratować zdrowie, a nawet życie. W większości jednak pozwalają nam one jedynie na zaspokojenie potrzeby zrobienia w obliczu kryzysu czegoś, czegokolwiek, zanim pomoże nam lekarz.

Wkrótce tę potrzebę będziemy mogli zaspokajać jeszcze pełniej, bo na rynku zaczną się pojawiać programy kierowane specjalnie do pacjentów. Pionierem w styczniu stała się OpenAI z jej aplikacją GPT Health (jeszcze niedostępną w Europie).

W pogoni koncernów za bilionowym tortem podejmujemy jednak nieprawdopodobne ryzyko. I bynajmniej nie chodzi tylko o naszą prywatność, ale o umiejętności lekarzy, których żadne aplikacje szybko nie zastąpią.