De Pesach Benson • 25 octombrie 2026

Ierusalim, 25 octombrie 2026 (TPS-IL) — Modelele de inteligență artificială pot recomanda teste medicale inutile chiar și atunci când este puțin probabil ca pacienții să beneficieze de pe urma lor, probabilitatea variind puternic în funcție de modelul utilizat, arată un studiu israelian. Diferențele au fost cele mai mari în cazurile în care medicii înșiși nu erau de acord cu privire la conduita adecvată.

Studiul, realizat de Serviciile de Sănătate Clalit și Universitatea Ben-Gurion din Negev, a evaluat șase modele de inteligență artificială pentru a stabili dacă acestea pot recunoaște când o intervenție medicală este nejustificată. Cercetătorii au constatat că modelele au recomandat teste sau tratamente inutile în 5,4% dintre cazurile în care intervenția nu era justificată, în timp ce au recomandat în mod incorect împotriva îngrijirilor necesare în 0,6% dintre cazurile în care intervenția era necesară.

Constatările evidențiază o potențială vulnerabilitate în timp ce furnizorii de servicii medicale explorează utilizarea inteligenței artificiale pentru a ajuta la orientarea deciziilor medicale: modelele pot funcționa bine în ansamblu, dar pot oferi recomandări puternic divergente atunci când dovezile medicale sau ghidurile profesionale sunt neconcludente.

Testele inutile pot descoperi anomalii inofensive care conduc la investigații suplimentare, trimiteri și uneori la proceduri invazive sau intervenții chirurgicale. Astfel de îngrijiri de monitorizare pot provoca anxietate, pot consuma resurse medicale și pot expune pacienții la riscuri evitabile. În același timp, prudența excesivă în privința testării poate fi dăunătoare dacă duce la reținerea de la îngrijirile necesare.

„Pacienții simt că un alt test le dă încredere, dar un RMN inutil al spatelui dezvăluie uneori o hernie de disc sau o eroziune care există și la oameni sănătoși fără nicio durere, iar de acolo drumul spre anxietate, teste suplimentare și chiar tratamente inutile poate fi scurt”, a declarat dr. Dean Ariel, medic de familie la Serviciile de Sănătate Clalit și cercetător în inteligență artificială medicală, care a condus studiul.

„Modelele lingvistice au învățat medicina din textele noastre, inclusiv din obiceiurile noastre mai puțin bune, și am vrut să verificăm dacă au absorbit și capacitatea de a se abține atunci când este necesar”, a adăugat Ariel. „În cele mai multe cazuri știu cum să se oprească și se împiedică în principal acolo unde noi, medicii, ezităm”.

Cercetătorii au dezvoltat scenarii medicale bazate pe recomandările inițiativei Choosing Wisely, o campanie internațională lansată în 2012 pentru a descuraja testele și tratamentele medicale care oferă puține beneficii sau deloc. Aceștia au testat șase modele lingvistice dezvoltate de Google, Anthropic și OpenAI și au analizat mii de răspunsuri.

Scenariile au pus în contrast situații în care același test ar putea fi inutil sau esențial. Un bărbat tânăr care are dureri de spate după ce a mutat mobilă, de exemplu, nu are în general nevoie de imagistică imediată. În schimb, o femeie cu antecedente de cancer de sân care dezvoltă noi dureri de spate care se agravează noaptea poate necesita imagistică pentru a investiga o problemă potențial gravă.

Când medicii nu sunt de acord

Modelele au întâmpinat cele mai mari dificultăți la două tipuri de recomandări. Acestea au sugerat ecografii tiroidiene inutile pentru noduli mici în 42,8% dintre răspunsuri și electrocardiograme de rutină, care înregistrează activitatea electrică a inimii, în 28,3% dintre răspunsurile care au implicat pacienți cu risc scăzut.

Aceste constatări evidențiază dificultatea de a stabili când un test este justificat. Organizațiile medicale diferă în recomandările lor privind evaluarea unor noduli tiroidieni mici. În mod similar, necesitatea unei electrocardiograme depinde de simptomele pacientului și de circumstanțele clinice, chiar și atunci când riscul general este scăzut.

Diferențele dintre modele au fost deosebit de izbitoare în scenariile în care profesioniștii din domeniul medical nu erau de acord cu privire la conduita adecvată. Un model a recomandat un test inutil în mai puțin de 10% dintre răspunsuri, în timp ce altul a făcut-o în 80% dintre răspunsurile la aceleași scenarii. Constatările sugerează că alegerea modelului de inteligență artificială ar putea afecta substanțial sfaturile pe care le primesc pacienții în situații incerte din punct de vedere medical.

„Auzim răspunsul unui model lingvistic ca pe o singură voce autoritară, de parcă ar exista o «poziție a inteligenței artificiale»”, a declarat dr. Guy Lavan, cercetător universitar superior în cadrul Departamentului de Inginerie Industrială și Management al Universității Ben-Gurion.

Lavan a exprimat, de asemenea, îngrijorări că modelele lingvistice și-ar putea schimba recomandările atunci când utilizatorii insistă să primească un test, subminându-și potențial capacitatea de a oferi îndrumare medicală consecventă.

Cercetătorii au spus că sistemele de inteligență artificială ar trebui evaluate nu doar pe baza capacității lor de a identifica îngrijirile necesare, ci și pe baza capacității lor de a recunoaște când o testare sau un tratament este nejustificat. Cu toate acestea, deoarece studiul a examinat răspunsuri la scenarii medicale construite, acesta nu stabilește modul în care ar performa modelele atunci când consiliază pacienți reali.

Studiul a fost publicat în revista evaluată de colegi Annals of Internal Medicine.