Autor: Pesach Benson • 25 października 2026 r.

Jerozolima, 25 października 2026 r. (TPS-IL) — Modele sztucznej inteligencji mogą zalecać niepotrzebne badania medyczne nawet wtedy, gdy jest mało prawdopodobne, by pacjenci odnieśli z nich korzyść, przy czym prawdopodobieństwo to różni się znacznie w zależności od użytego modelu – wykazało izraelskie badanie. Różnice były największe w przypadkach, w których sami lekarze nie zgadzali się co do właściwego sposobu postępowania.

Badanie, przeprowadzone przez Clalit Health Services i Uniwersytet Ben-Guriona w Negewie, oceniało sześć modeli sztucznej inteligencji w celu ustalenia, czy potrafią one rozpoznać, kiedy interwencja medyczna jest nieuzasadniona. Naukowcy ustalili, że modele zalecały niepotrzebne badania lub leczenie w 5,4 proc. przypadków, w których interwencja nie była uzasadniona, natomiast błędnie odradzały niezbędną opiekę w 0,6 proc. przypadków, w których interwencja była wymagana.

Odkrycia te uwypuklają potencjalną słabość w momencie, gdy podmioty świadczące opiekę zdrowotną analizują możliwość wykorzystania sztucznej inteligencji do wspomagania decyzji medycznych: modele mogą ogólnie radzić sobie dobrze, ale wydawać skrajnie odmienne zalecenia, gdy dowody medyczne lub wytyczne zawodowe są niejednoznaczne.

Niepotrzebne badania mogą ujawniać nieszkodliwe nieprawidłowości, które prowadzą do dalszych badań, skierowań, a czasami do inwazyjnych zabiegów lub operacji. Taka opieka kontrolna może wywoływać niepokój, pochłaniać zasoby opieki zdrowotnej i narażać pacjentów na ryzyko, którego można uniknąć. Jednocześnie nadmierna ostrożność w zlecaniu badań może być szkodliwa, jeśli prowadzi do wstrzymania niezbędnej opieki.

„Pacjenci mają poczucie, że kolejne badanie daje pewność, ale niepotrzebny rezonans magnetyczny kręgosłupa czasami wykazuje przepuklinę dysku lub erozję, która występuje również u zdrowych ludzi bez żadnego bólu, a stamtąd droga do lęku, dodatkowych badań, a nawet niepotrzebnego leczenia może być krótka” – powiedział dr Dean Ariel, lekarz rodzinny w Clalit Health Services i badacz medycznej sztucznej inteligencji, który kierował badaniem.

„Modele językowe uczyły się medycyny z naszych tekstów, w tym z naszych gorszych nawyków, i chcieliśmy sprawdzić, czy przyswoiły sobie również zdolność powstrzymania się, gdy jest to konieczne” – dodał Ariel. „W większości przypadków wiedzą, jak się zatrzymać, a potykają się głównie tam, gdzie my, lekarze, się wahamy”.

Naukowcy opracowali scenariusze medyczne w oparciu o rekomendacje inicjatywy Choosing Wisely – międzynarodowej kampanii rozpoczętej w 2012 r., mającej na celu zniechęcanie do badań medycznych i terapii, które przynoszą niewielkie lub żadne korzyści. Przetestowali sześć modeli językowych opracowanych przez Google, Anthropic i OpenAI oraz przeanalizowali tysiące odpowiedzi.

Scenariusze zestawiały ze sobą sytuacje, w których to samo badanie mogło być niepotrzebne lub kluczowe. Młody mężczyzna odczuwający ból pleców po przenoszeniu mebli na ogół nie potrzebuje natychmiastowych badań obrazowych. Z kolei kobieta z historią raka piersi, u której pojawia się nowy ból pleców nasilający się w nocy, może wymagać badań obrazowych w celu zbadania potencjalnie poważnego problemu.

Kiedy lekarze się nie zgadzają

Modele miały największe trudności z dwoma rodzajami zaleceń. Sugerowały niepotrzebne USG tarczycy w przypadku małych guzków w 42,8 proc. odpowiedzi oraz rutynowe elektrokardiogramy, rejestrujące aktywność elektryczną serca, w 28,3 proc. odpowiedzi dotyczących pacjentów niskiego ryzyka.

Wyniki te podkreślają trudność w ustaleniu, kiedy badanie jest uzasadnione. Organizacje medyczne różnią się w swoich zaleceniach dotyczących oceny niektórych małych guzków tarczycy. Podobnie potrzeba wykonania elektrokardiogramu zależy od objawów pacjenta i okoliczności klinicznych, nawet jeśli ogólne ryzyko jest niskie.

Różnice między modelami były szczególnie uderzające w scenariuszach, w których pracownicy medyczni nie zgadzali się co do właściwego sposobu postępowania. Jeden model zalecił niepotrzebne badanie w mniej niż 10 proc. odpowiedzi, podczas gdy inny zrobił to w 80 proc. odpowiedzi na te same scenariusze. Wyniki wskazują, że wybór modelu sztucznej inteligencji może w istotny sposób wpływać na porady, jakie pacjenci otrzymują w sytuacjach niepewności medycznej.

„Odpowiedź modelu językowego słyszymy jako pojedynczy, autorytatywny głos, tak jakby istniało »stanowisko sztucznej inteligencji«” – powiedział dr Guy Lavan, starszy pracownik naukowy na Wydziale Inżynierii Przemysłowej i Zarządzania Uniwersytetu Ben-Guriona.

Lavan wyraził również obawy, że modele językowe mogą zmieniać swoje zalecenia, gdy użytkownicy nalegają na wykonanie badania, co potencjalnie podważa ich zdolność do zapewniania spójnych wskazówek medycznych.

Naukowcy stwierdzili, że systemy sztucznej inteligencji powinny być oceniane nie tylko pod kątem ich zdolności do identyfikowania niezbędnej opieki, ale także pod kątem ich zdolności do rozpoznawania, kiedy badania lub leczenie są nieuzasadnione. Ponieważ jednak w badaniu analizowano odpowiedzi na stworzone scenariusze medyczne, nie określa ono, jak modele radziłyby sobie przy doradzaniu rzeczywistym pacjentom.

Badanie zostało opublikowane w recenzowanym czasopiśmie Annals of Internal Medicine.