Η Νευροφυσιολογία της Πλάνης και η Παγίδα της Ψηφιακής Διάγνωσης «Δεν χρειάζομαι Γιατρό, τα ξέρει όλα το ChatGPT»,γράφει ο Γκέλσης Ιωάννης,PT,OMT,Acup.Sp.,CKTP

Θυμάστε εκείνα τα χιουμοριστικά μπλουζάκια που πωλούνταν κατά χιλιάδες στα τουριστικά μαγαζιά των νησιών μας; Έγραφαν με μεγάλα γράμματα: «Δεν χρειάζομαι το Google, η γυναίκα μου τα ξέρει όλα». Ήταν μια αθώα, νοσταλγική εποχή. Σήμερα, το σλόγκαν αυτό έχει αντικατασταθεί από μια νέα, πολύ πιο επικίνδυνη βεβαιότητα που ακούω όλο και συχνότερα στο ιατρείο: «Δεν χρειάζομαι γιατρό, ανέβασα την ακτινογραφία στο ChatGPT και μου έβγαλε διάγνωση».

Ζούμε τη μετάβαση από την εποχή του «Dr. Google» στην εποχή του «Dr. AI». Οι ασθενείς πλέον φτάνουν στον ειδικό όχι για να εξεταστούν, αλλά για να επιβεβαιώσουν ή να διαψεύσουν αυτό που τους «είπε» ο αλγόριθμος. Όμως, η ιατρική, η φυσικοθεραπεία και η διαχείριση του πόνου δεν είναι μια απλή εξίσωση δεδομένων. Είναι βιολογία, είναι ψυχολογία, είναι ανθρώπινη επαφή. Και σε αυτό το τρίπτυχο, η Τεχνητή Νοημοσύνη (AI), όσο εντυπωσιακή κι αν είναι, παραμένει επικίνδυνα ανεπαρκής.

Ρώτησα το ίδιο το AI

Για να είμαι δίκαιος και ακριβής, αποφάσισα να ρωτήσω το ίδιο το εργαλείο (το Gemini/ChatGPT) πώς λειτουργεί όταν του δίνουμε ιατρικά δεδομένα. Η απάντηση που μου έδωσε ήταν αφοπλιστική και πρέπει να τη διαβάσετε προσεκτικά:

«Λειτουργώ βάσει πιθανοτήτων, όχι κρίσης. Όταν μου δίνετε μια μαγνητική, δεν “βλέπω” τον ασθενή. Μαντεύω ποια λέξη ταιριάζει μετά την άλλη, βασισμένο σε εκατομμύρια κείμενα. Συχνά υποπίπτω σε “ψευδαισθήσεις” (hallucinations), δηλαδή μπορώ να κατασκευάσω μια πειστική αλλά λάθος διάγνωση, γιατί είμαι σχεδιασμένο να σας δώσω μια απάντηση που να σας ικανοποιεί, όχι απαραίτητα την αλήθεια. Δεν έχω αισθήσεις, δεν έχω ενσυναίσθηση και δεν μπορώ να κατανοήσω τον πόνο.»

Το Σύνδρομο VOMIT: Όταν η Εικόνα Αρρωσταίνει τον Άνθρωπο

Το μεγαλύτερο λάθος που κάνουν οι αλγόριθμοι —και παρασύρουν τους ασθενείς— είναι η ερμηνεία της εικόνας. Στην ιατρική βιβλιογραφία υπάρχει ο όρος VOMIT (Victims of Modern Imaging Technology – «Θύματα της Σύγχρονης Απεικονιστικής Τεχνολογίας»).

Τι συμβαίνει; Ο ασθενής ανεβάζει μια γνωμάτευση στο AI. Το ρομπότ διαβάζει λέξεις όπως «εκφύλιση», «στενώσεις», «οστεόφυτα». Αμέσως χτυπάει «κόκκινο» και βγάζει σενάρια τρομερής παθολογίας.

Η αλήθεια της Νευροφυσιολογίας όμως είναι διαφορετική: Έρευνες έχουν αποδείξει ότι το 80% των ανθρώπων άνω των 50 ετών έχουν «δισκοκήλες» και «εκφυλίσεις» χωρίς να πονάνε καθόλου! Είναι όπως τα γκρίζα μαλλιά ή οι ρυτίδες: φυσιολογική φθορά του χρόνου, όχι ασθένεια. Το AI δεν μπορεί να το ξεχωρίσει αυτό. Βλέπει τη λέξη «εκφύλιση» και μετατρέπει έναν λειτουργικό άνθρωπο σε φοβισμένο ασθενή.

Το Παράδειγμα του Σπιτιού και του Συναγερμού

Για να καταλάβουμε γιατί το AI κάνει λάθος στον πόνο, ας σκεφτούμε το σώμα μας σαν ένα σπίτι.

Το Σπίτι (οι τοίχοι, τα παράθυρα): Είναι τα κόκαλα, οι μύες, οι δίσκοι μας.

Ο Συναγερμός: Είναι το νευρικό μας σύστημα που μας προειδοποιεί για κίνδυνο (πόνος).

Τι συμβαίνει συχνά στον χρόνιο πόνο; Ο συναγερμός έχει γίνει υπερβολικά ευαίσθητος. Μπορεί να χτυπάει δαιμονισμένα (έντονος πόνος) επειδή απλώς φύσηξε λίγο αέρας (μια απλή κίνηση), χωρίς να έχουν μπει κλέφτες (χωρίς να υπάρχει ζημιά).

Το AI βλέπει μόνο τη φωτογραφία του σπιτιού (την ακτινογραφία). Βλέπει ότι οι τοίχοι είναι εντάξει και σου λέει «δεν έχεις τίποτα», ενώ εσύ υποφέρεις. Ή βλέπει μια γρατζουνιά στον σοβά και σου λέει «το σπίτι πέφτει», ενώ ο συναγερμός είναι σιωπηλός.

Το AI αγνοεί το πώς νιώθεις. Αγνοεί αν ο «συναγερμός» σου έχει ρυθμιστεί λάθος λόγω άγχους, φόβου ή κακού ύπνου. Μια «στεγνή» ψηφιακή ανάγνωση δεν μπορεί να μετρήσει την ευαισθησία του ανθρώπινου οργανισμού.

Η Παγίδα του Nocebo: Όταν η Πληροφορία Πονάει

Το πιο επικίνδυνο σημείο της «AI Διάγνωσης» είναι το φαινόμενο Nocebo. Όταν το AI σου πει (λανθασμένα ή υπερβολικά) ότι έχεις κάτι σοβαρό, ο εγκέφαλός σου προετοιμάζεται για πόνο. Η προσδοκία του κακού αυξάνει κυριολεκτικά την ένταση των συμπτωμάτων. Το AI, που δεν έχει ενσυναίσθηση, σου «πετάει» ορολογίες χωρίς φίλτρο, λειτουργώντας ως ένας ψηφιακός πολλαπλασιαστής του άγχους και του πόνου σου.

Η τεχνολογία είναι υπέροχο εργαλείο, αλλά κακός γιατρός. Χρησιμοποιήστε το AI για να βρείτε μια συνταγή μαγειρικής ή να γράψετε ένα email. Αλλά όταν πονάτε, μην ψάχνετε απαντήσεις στον αλγόριθμο. Η πολυπλοκότητα του ανθρώπινου πόνου απαιτεί ανθρώπινη αντίληψη, ψηλάφηση, κλινική σκέψη και εξατομίκευση. Μην γίνεστε «VOMIT» της εποχής του AI. Εμπιστευτείτε τα χέρια και την κρίση του ειδικού που σας βλέπει ως άνθρωπο, όχι ως δεδομένα.

Βιβλιογραφία :

Hayward, R. (2003). VOMIT (Victims of Modern Imaging Technology)—an acronym for our times. BMJ. [DOI: 10.1136/bmj.326.7401.1273]

Brinjikji, W., et al. (2015). Systematic literature review of imaging features of spinal degeneration in asymptomatic populations. AJNR Am J Neuroradiol. [DOI: 10.3174/ajnr.A4173]

Deyo, R. A. (2002). Diagnostic evaluation of low back pain. American Family Physician.

McCullough, B. J., et al. (2012). Lumbar MR imaging and reporting epidemiology. AJNR.

5.  Moseley, G. L., & Butler, D. S. (2015). Fifteen Years of Explaining Pain: The Past, Present, and Future. The Journal of Pain. [DOI: 10.1016/j.jpain.2015.05.005]

6.  Tracey, I., & Mantyh, P. W. (2007). The cerebral signature for pain perception and its modulation. Neuron. [DOI: 10.1016/j.neuron.2007.07.018]

7.  Benedetti, F., et al. (2007). The biochemical and neuroendocrine bases of the hyperalgesic nocebo effect. Journal of Neuroscience.

8.  Colloca, L., & Miller, F. G. (2011). The nocebo effect and its relevance to clinical practice. Psychosomatic Medicine.

9.  Louw, A., et al. (2011). The effect of neuroscience education on pain, disability, anxiety, and stress. Arch Phys Med Rehabil.

10. Bender, E. M., et al. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big?. FAccT ’21.

11. Haupt, C. E., & Marks, M. (2023). AI-Generated Medical Advice—GPT and Beyond. JAMA. [DOI: 10.1001/jama.2023.5321]

12. Starcevic, V., & Berle, D. (2013). Cyberchondria: towards a better understanding of excessive health-related Internet use. Expert Rev Neurother.

13. McElroy, E., & Shevlin, M. (2014). The development and initial validation of the Cyberchondria Severity Scale (CSS). J Anxiety Disord.