- Un studiu publicat în Science arată că modelul OpenAI o1-preview a depășit medici în mai multe teste de raționament clinic
- În 76 de cazuri reale de urgență, AI-ul a identificat diagnosticul exact sau foarte apropiat în 67% dintre cazuri la început și 82% în etapa finală
- Medicii comparați au avut rezultate între 50–55% la început și 70–79% în etapa finală, potrivit relatărilor despre studiul Harvard
- Un alt studiu, publicat în JAMA Network Open, arată că modelele AI încă au dificultăți la diagnosticul diferențial, adică lista de posibile cauze ale simptomelor
- Concluzia importantă: AI în medicină poate deveni o a doua opinie valoroasă, dar nu este pregătită să înlocuiască medicii
Un model de inteligență artificială de la OpenAI a obținut rezultate mai bune decât medici în mai multe teste de raționament clinic, potrivit unui studiu publicat pe 30 aprilie 2026 în revista Science. Modelul testat, o1-preview, nu a fost un sistem medical construit special pentru spitale, ci un model generalist, folosit pentru probleme complexe de raționament.
Aici începe partea spectaculoasă. Cercetătorii de la Harvard au pus AI-ul să rezolve cazuri clinice dificile: să propună diagnostice, să recomande investigații și să construiască planuri de tratament. Într-o parte a studiului, modelul a fost testat pe 76 de cazuri reale din camera de gardă a unui spital din Boston. Nu întrebări de examen cu variante multiple, nu scenarii curate ca în manual, ci cazuri medicale reale, cu informații care apar treptat.
Rezultatul: AI-ul a indicat diagnosticul exact sau foarte apropiat în 67% dintre cazuri la prima etapă, când pacientul ajungea la urgență. Medicii comparați au avut 50–55%. La etapa finală, când existau mai multe date, AI-ul a ajuns la 82%, iar medicii la 70–79%, potrivit relatărilor despre studiul Harvard publicate de The Guardian.
Sună ca un episod în care robotul câștigă halatul alb. Dar realitatea este mai nuanțată. AI-ul nu a vorbit cu pacienții, nu a văzut cum respiră, nu a observat expresii, durere, confuzie, miros de alcool, febră sau anxietate. A lucrat cu text. A primit informații și a răspuns. Foarte bine, în multe cazuri, dar într-un decor controlat.
Cu alte cuvinte, AI-ul s-a descurcat excelent ca doctor-detectiv de birou. Încă nu știm cum se descurcă atunci când pacientul real intră pe ușă, vorbește pe jumătate, omite simptome și familia răspunde în locul lui.
Studiul din Science arată că modelele pot prinde indicii ratate de medici
Partea cu adevărat interesantă nu este că AI-ul a „bătut” medicii într-un tabel. Partea importantă este că un model poate funcționa ca o plasă de siguranță. Uneori, vede o ipoteză pe care omul o ratează.
În studiul din Science, modelul OpenAI a fost evaluat în mai multe momente ale parcursului medical: la sosirea pacientului în camera de gardă, după evaluarea inițială și după transferul către o secție sau terapie intensivă. Pe măsură ce primea mai multe informații, performanța creștea. Asta se întâmplă și cu medicii: diagnosticul devine mai clar când apar analize, imagistică și observații suplimentare.
Diferența este viteza cu care AI-ul poate procesa indicii. Un medic într-o gardă aglomerată poate fi obosit, întrerupt, presat de timp sau prins într-o ipoteză inițială. Un model poate lista rapid posibilități, poate corela simptome și poate sugera diagnostice rare. Nu pentru că „înțelege” medicina ca un clinician, ci pentru că a învățat modele statistice din cantități enorme de text medical și general.
Asta poate fi util. De exemplu, dacă un pacient are simptome care par să indice o problemă comună, AI-ul ar putea semnala o boală mai rară care merită verificată. Nu ar trebui să decidă singur tratamentul, dar poate ridica mâna în colțul ecranului și spune: „ai luat în calcul și varianta asta?”.
Tot aici se află și riscul. Modelele de limbaj sunt foarte bune la a formula răspunsuri convingătoare. Problema este că pot suna convingător și când greșesc. În medicină, un răspuns elegant, dar fals, nu este doar o eroare de chatbot. Poate însemna un test inutil, un diagnostic ratat sau un tratament întârziat.
De aceea, autorii studiului au fost prudenți. Arjun Manrai, cercetător la Harvard Medical School și coautor al lucrării, a subliniat că rezultatele nu înseamnă că AI-ul înlocuiește medicii. Adam Rodman, medic și educator la Beth Israel Deaconess Medical Center, a avertizat că rezultatele pot fi interpretate greșit dacă sunt transformate în sloganuri de marketing.
Diagnosticul diferențial rămâne proba la care AI-ul se poticnește
Dacă diagnosticul final este momentul „cine a ghicit criminalul”, diagnosticul diferențial este ancheta propriu-zisă. Medicul listează posibilele cauze ale simptomelor, le compară, le elimină, cere teste și revine asupra ipotezei. Este partea mai puțin spectaculoasă, dar esențială a medicinei.
Aici AI-ul nu arată la fel de sigur. Un studiu publicat pe 13 aprilie 2026 în JAMA Network Open a testat 21 de modele mari de limbaj pe 29 de viniete clinice standardizate. Modelele au fost evaluate pe mai multe etape: diagnostic diferențial, investigații recomandate, diagnostic final și management.
Rezultatul a fost clar nuanțat: multe modele s-au descurcat bine când au trebuit să ofere diagnosticul final, mai ales când informațiile erau complete. Dar au avut rezultate slabe la diagnosticul diferențial, adică exact zona în care incertitudinea este mare și unde medicii trebuie să gândească larg.
Aceasta este diferența dintre a vedea finalul filmului și a înțelege toate indiciile. Un AI poate nimeri diagnosticul corect după ce cazul este bine descris. Dar dacă omite o posibilă cauză gravă la început, chiar și un răspuns final bun nu mai este suficient. În medicină, diagnosticele ratate nu sunt doar puncte pierdute la un test.
Cercetătorii din studiul JAMA au folosit o evaluare mai severă. Dacă un model lista șase diagnostice posibile din șapte, putea fi considerat un eșec pentru că lipsea exact ipoteza critică. Pentru un utilizator obișnuit, asta poate părea dur. Pentru un medic, are sens. Boala pe care nu ai trecut-o pe listă este boala pe care riști să nu o cauți.
Aici se vede de ce fraza „AI-ul bate medicii” este prea simplă. AI-ul poate fi foarte bun la unele sarcini și slab la altele. Poate răspunde corect la final, dar poate avea trasee de raționament incomplete. Iar în spital, traseul contează aproape la fel de mult ca destinația.
Cercetătorii nu se contrazic doar pe AI, ci pe felul în care îl notează
Disputa dintre studiile optimiste și cele prudente nu este doar despre modele. Este despre evaluare. Cum măsori „raționamentul clinic” la un AI? Îi dai puncte pentru diagnosticul final? Pentru toate ipotezele corecte? Îl penalizezi dacă ratează o boală rară, dar periculoasă? Contează dacă recomandă teste inutile?
În prezent, nu există un standard universal pentru notarea chatboturilor medicale. De aceea, două studii pot părea că spun lucruri diferite, deși se uită la părți diferite ale aceleiași probleme. Science arată că un model poate performa foarte bine în cazuri reale și poate ajuta la identificarea diagnosticului. JAMA arată că modelele pot avea slăbiciuni serioase în construcția diagnosticului diferențial.
Ambele pot fi adevărate.
Un AI poate fi bun ca instrument de verificare și slab ca medic autonom. Poate fi excelent când i se cere o a doua opinie pe un caz documentat și periculos când este lăsat să decidă singur pe informații incomplete. Poate ajuta un specialist, dar poate induce în eroare un pacient care nu știe ce detalii să ofere sau cum să interpreteze răspunsul.
Mai există și problema actualizării rapide. Modelele AI se schimbă mult mai repede decât ritmul clasic al cercetării medicale. Până când un studiu este publicat, modelul testat poate fi deja depășit. o1-preview, modelul analizat în Science, a fost între timp înlocuit de modele mai noi. Asta face cercetarea dificilă: medicina cere dovezi lente și solide, iar industria AI se mișcă în sprint.
În plus, rămân întrebările grele: cine răspunde dacă AI-ul recomandă greșit? Cum se documentează decizia? Ce se întâmplă dacă medicul ignoră AI-ul și pacientul are de suferit? Dar dacă îl urmează și AI-ul greșește? Aceste întrebări nu au încă răspunsuri mature.
Viitorul realist este medicul cu AI lângă el, nu chatbotul singur în cabinet
Cea mai utilă imagine nu este „AI versus medic”, ci „medic plus AI”. Un clinician ar putea folosi un model ca pe un coleg care nu obosește, nu se supără dacă îl întrebi de zece ori și poate propune rapid ipoteze alternative. Dar acel coleg trebuie supravegheat, verificat și integrat într-un flux sigur.
În practică, AI-ul ar putea fi folosit în puncte-cheie: la triaj, când medicul are nevoie de o listă rapidă de riscuri; după primele analize, când se caută diagnostice alternative; sau înainte de externare, când trebuie verificat dacă planul de tratament nu scapă ceva important. Acesta este rolul realist al AI în medicină: nu să dea verdictul final singur, ci să reducă șansele ca un om să rateze ceva.
Pentru pacienți, mesajul este simplu: un chatbot poate fi util pentru a înțelege termeni medicali, pentru a pregăti întrebări pentru medic sau pentru a obține o explicație generală. Dar nu ar trebui folosit ca înlocuitor pentru consult, diagnostic sau tratament. Când vine vorba de durere în piept, slăbiciune bruscă, febră severă, simptome neurologice sau orice situație serioasă, răspunsul corect nu este „mai întreb chatbotul”, ci „caut ajutor medical”.
Pentru medici, provocarea este diferită. Nu își permit să ignore AI-ul doar pentru că poate greși. Dar nici nu își permit să îl adopte doar pentru că are scoruri spectaculoase în studii. Au nevoie de teste prospective, reguli clare, audituri, integrare în dosarele medicale și sisteme care arată incertitudinea, nu doar răspunsul.
AI-ul medical a ajuns suficient de bun încât nu mai poate fi tratat ca o jucărie. Dar nu este suficient de matur încât să fie lăsat singur la patul pacientului. Va fi cel mai util nu ca doctor digital cu halat imaginar, ci ca instrument de verificare: rapid, atent la detalii, uneori genial, alteori prea sigur pe el.
Iar în medicină, exact aici trebuie trasă linia. Un AI care prinde un diagnostic ratat poate salva timp și poate salva vieți. Un AI care greșește convingător poate face rău. Diferența dintre cele două nu stă doar în model, ci în felul în care oamenii îl folosesc.