Proč se zdá, že AI lékaře nahrazuje
Je snadné podlehnout dojmu, že umělá inteligence lékaře, nebo jakoukoliv jinou profesi nahradí. Čísla tomu na první pohled nahrávají.
Algoritmy dnes dosahují v některých oblastech diagnostiky přesnosti, která překonává lidský výkon. V radiologii, dermatologii nebo při analýze laboratorních dat už nejde o experimenty, ale o běžné nasazení v praxi. Přesto se medicína nehroutí. Naopak – dochází k její tiché, ale hluboké proměně.
Skutečná změna se netýká znalostí, ale informací
Zásadní posun nespočívá v tom, že by stroje „věděly víc“. Spočívá v tom, jakým způsobem se dnes v medicíně pracuje s informacemi. Moderní lékař není přetížený proto, že by měl málo znalostí, ale proto, že je zahlcen administrativou, fragmentovanými daty a nutností neustále přepínat mezi pacientem a obrazovkou. Právě tady vstupuje umělá inteligence na scénu nejrazantněji.
ČTĚTE TAKÉ: Umělá inteligence, která cítí strach: vědci popisují nový fenomén behaviorální simulace
AI jako rozšíření lékařova myšlení
Současné systémy nejsou navržené jako náhrada lékaře, ale jako rozšíření jeho kognitivních schopností. Dokážou naslouchat rozhovoru s pacientem, strukturovat záznam, vyhledat relevantní souvislosti v anamnéze a navrhnout možné diagnostické směry. Ne proto, aby rozhodly místo člověka, ale aby ho zbavily činností, které s léčením samotným souvisejí jen okrajově.
Paradox: čím víc technologií, tím lidštější péče
To má překvapivý důsledek. Čím víc se do medicíny zapojuje umělá inteligence, tím lidštější může být samotná péče. Lékař se přestává chovat jako administrátor zdravotního systému a znovu získává prostor dělat to, co stroj neumí – vnímat emoce, kontext, obavy a nejistotu pacienta.
Proč jsou algoritmy v některých úlohách lepší
Z pohledu vědy jde o logický vývoj. Lidský mozek není stavěný na zpracování obrovských objemů dat bez chyb. Únava, kognitivní zkreslení a omezená paměť jsou přirozenou součástí lidského rozhodování. Algoritmus těmito limity netrpí. Neunaví se, nepřeskočí detail, nezafixuje se na první hypotézu. Právě proto dosahuje v některých úlohách lepších výsledků než člověk.
ČTĚTE TAKÉ: Umělá inteligence, která dokáže cítit? Etici varují před novým druhem empatie
Proč to z AI nedělá lékaře
To ale neznamená, že by byl algoritmus „chytřejší“. Znamená to jen, že hraje jinou hru. Umělá inteligence pracuje se vzory a pravděpodobnostmi. Nerozumí významu lidského utrpení, neumí vést rozhovor o strachu z diagnózy ani nést odpovědnost v situaci, kdy žádná možnost není ideální.
Budoucnost je v kombinaci, ne v náhradě
Právě proto se čím dál jasněji ukazuje, že budoucnost medicíny neleží v otázce „člověk nebo stroj“, ale v jejich kombinaci. Nejúčinnější systémy jsou ty, kde algoritmus analyzuje data a lékař rozhoduje. Stroj navrhuje, člověk zvažuje. Technologie rozšiřuje zorné pole, ale odpovědnost zůstává lidská.
Malé změny s velkým dopadem
Největší přínos umělé inteligence se často neprojevuje v dramatických průlomech, ale v drobných posunech, které se sčítají. Méně administrativy znamená víc času na pacienta. Přesnější diagnostika znamená méně zbytečných vyšetření. Lepší práce s daty znamená menší riziko chyb, které dnes vznikají spíš z přetížení než z neznalosti.
ČTĚTE TAKÉ: AI, která kreslí sny: vědci naučili umělou inteligenci zobrazovat lidskou představivost
Lékař nemizí. Přestává být procesorem
Změna role lékaře je nevyhnutelná. Ne proto, že by se stal zbytečným, ale proto, že se konečně může přestat chovat jako lidský procesor dat. Medicína se tím neodlidšťuje. Naopak se vrací k jádru, které technologie paradoxně dlouho vytlačovala na okraj.
Ne konec, ale přerod
Otázka nestojí, zda umělá inteligence lékaře nahradí. Stojí spíš, jaký typ lékaře bude v budoucnu nejvíc potřeba. Ne ten, který si pamatuje nejvíc faktů, ale ten, který dokáže správně pracovat s technologiemi, chápat jejich limity a spojit přesná data s lidským úsudkem.
Budoucnost medicíny nebude ani čistě lidská, ani čistě strojová. Bude hybridní. A právě v tom spočívá její síla.
Zdroje
Topol, E. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again. Basic Books.
Rajkomar, A., Dean, J., & Kohane, I. (2019). Machine Learning in Medicine. New England Journal of Medicine.
https://www.nejm.org/doi/full/10.1056/NEJMra1814259Esteva, A. et al. (2017). Dermatologist-level classification of skin cancer with deep neural networks. Nature.
https://doi.org/10.1038/nature21056McKinney, S. M. et al. (2020). International evaluation of an AI system for breast cancer screening. Nature.
https://doi.org/10.1038/s41586-019-1799-6
