Naujienos

Ar galime patikėti savo sveikatą dirbtiniam intelektui?

2026 10 12

Europos akademijų mokslo patariamoji taryba (EASAC) ir Europos medicinos akademijų federacija (FEAM) rugsėjo 30 d. Briuselyje paskelbė bendrą ataskaitą „Dirbtinis intelektas Europos sveikatos priežiūros sektoriuje: politikos rekomendacijos pridėtinės vertės optimizavimui ir saugiam, etiškam bei įtraukiam diegimui“.

Ataskaitoje pateikiamos mokslinės gairės, skirtos užtikrinti atsakingą dirbtinio intelekto (DI) naudojimą Europos sveikatos priežiūros sektoriuje.

Joje aptariama informacija, reikalinga įgyvendinant ES dirbtinio intelekto aktą ir Europos sveikatos duomenų erdvės (ESDE) reglamentą, taip pat svarstant kitus teisės aktų projektus ir rengiant būsimą ES iniciatyvą dėl DI sveikatos priežiūros srityje. Ataskaitą parengė 22 mokslininkų iš visos Europos darbo grupė, kurią sudarė EASAC ir FEAM nacionalinės narių akademijos.

Dirbtinis intelektas vystosi sparčiau nei jį reglamentuojantys teisės aktai

Sparti DI plėtra gali tapti pernelyg dideliu iššūkiu visuomenei ir reguliavimo institucijoms. Pirmaujančių DI tyrėjų įspėjimai apie galimybę ateityje prarasti kontrolę parodo, kaip sunku numatyti ir valdyti riziką. Sveikatos priežiūros sektoriuje šis pavojus yra ypač didelis.

„Dirbtinis intelektas į klinikinę ir administracinę praktiką įsitraukia greičiau, nei daugelis sveikatos priežiūros sistemų gali jį savarankiškai įvertinti, valdyti ir stebėti. Politikos formuotojų užduotis – užtikrinti reguliavimo prielaidas, kad DI taikymas būtų orientuotas į pacientą, veiksmingas, saugus, teisingas ir skaidrus“, – sako prof. Andrė Knotnerusas (André Knottnerus), EASAC darbo grupės pirmininko pavaduotojas.

Privalumai – bet kartu ir rizika bei šalutinis poveikis

Daugelyje sveikatos priežiūros sričių DI sistemos jau naudojamos ir gali suteikti didelę pridėtinę vertę, visų pirma klinikinėje priežiūroje ir visuomenės sveikatos srityje. Tačiau be aiškių taisyklių kyla duomenų saugumo pažeidimų, algoritminio šališkumo ir žmogaus kontrolės praradimo rizika.

ES dirbtinio intelekto aktas ir ESDE reglamentas sudaro svarbų pagrindą, tačiau mokslininkai nurodo jų praktinio pritaikymo spragas sveikatos priežiūros srityje. Todėl EASAC ir FEAM ragina DI traktuoti kaip bet kurią kitą sveikatos priežiūros priemonę: jo nauda turi būti įrodyta, rizika – įvertinta, o taikymas – nuolat stebimas.

„Mums reikia aiškių specifikacijų, kad būtų galima įrodyti realią klinikinę DI naudą skirtingoms gyventojų grupėms įvairiomis aplinkybėmis ir užtikrinti, kad būtų naudojami reprezentatyvūs, aukštos kokybės duomenys, – sako prof. Luisas Marti-Bonmatis (Luis Martí-Bonmatí), FEAM darbo grupės pirmininko pavaduotojas. – Pacientams taip pat reikalingi išsamūs paaiškinimai ir galimybė kreiptis dėl žalos atlyginimo, aiškiai apibrėžta atsakomybė, o sveikatos priežiūros sistemos turi vengti tapti priklausomos nuo atskirų technologijų teikėjų.“

Pagrindinės išvados

1. Būtinas aktyvus reguliavimas. ES dirbtinio intelekto akte sveikatos sektorius priskiriamas didelės rizikos sričiai. Todėl DI naudojimui reikalingos taisyklės, kuriose būtų atsižvelgiama į ilgalaikes pasekmes. DI akto nuostatos turi būti integruotos į esamas reguliavimo sistemas, pavyzdžiui, Medicinos prietaisų reglamentą, Bendrąjį duomenų apsaugos reglamentą ir ESDE reglamentą.

2. Teisingumas ir pasitikėjimas –prioritetas. DI naudojimas gali didinti esamą nelygybę, įskaitant susijusią su lytimi, etnine priklausomybe ir socialine bei ekonomine padėtimi, taip pat skirtumus tarp turtingų ir mažiau pasiturinčių šalių bei mažinti visuomenės pasitikėjimą. Ataskaitoje raginama formuoti ES politiką, kurioje prioritetas būtų teikiamas teisingai prieigai, skaidrumui – įskaitant DI poveikį aplinkai – ir visuomenės įtraukimui. Tik tuomet DI galės prisidėti prie visuotinės sveikatos priežiūros tikslų įgyvendinimo ir atitiks demokratines vertybes.

3. Būtinas koordinavimas ES mastu. Suskaidytas reguliavimas trukdo užtikrinti DI saugumą ir mastelio keitimą. ES privalo suderinti standartus, palengvinti anonimiškų duomenų mainus tarp valstybių narių ir skatinti bendrą priežiūrą, siekiant užtikrinti etišką ir patikimą DI taikymą visose valstybėse narėse.

Raginimas politikos formuotojams

Autoriai taip pat rekomenduoja prieš plačiau diegiant DI išbandyti jį bandomojoje aplinkoje („sandbox“) kontroliuojamomis sąlygomis. Be to, reikėtų investuoti į mokslinius tyrimus, kuriuose būtų ieškoma metodų, leidžiančių gauti patikimus rezultatus naudojant mažesnius, kruopščiai atrinktus duomenų rinkinius. „Jei norime patikėti savo sveikatą DI, dabar yra laikas imtis veiksmų, – pabrėžia A. Knotnerusas. – Šiomis rekomendacijomis norime padėti politikos formuotojams saugiai skatinti inovacijas.“

Priedas. Dešimt rekomendacijų politikos veiksmams

1. Įdiegti patikimą DI pridėtinės vertės vertinimą sveikatos priežiūros srityje. Nustatyti privalomą skaidrų DI grynosios naudos vertinimą, apimantį klinikinius rezultatus, pacientų saugą, saugumą, teisingumą, gyvenimo kokybę ir ekonomiškumą, prieš diegiant DI ir jį įdiegus.

2. Parengti išsamias gaires dėl atsakingo DI diegimo. Parengti ES masto gaires, apimančias metodologinę kokybę, šališkumą, išorinį validumą, ekonomiškumą ir poveikį aplinkai.

3. Išplėsti etikos principus, kad jie apimtų visuomeninius ir ilgalaikius aspektus. Atnaujinti etikos sistemas, siekiant atsižvelgti į poveikį visuomenei, institucinę atsakomybę, pasaulinį poveikį ir ilgalaikes pasekmes (įskaitant ir skirtingoms kartoms).

4. Spręsti su DI diegimu susijusius įgyvendinimo iššūkius. Investuoti į sąveikią infrastruktūrą, suderinti taisykles visose valstybėse narėse, mokyti darbuotojus ir remti darbo srautų integraciją, didžiausią dėmesį skiriant patogiam naudojimui ir pacientų saugai.

5. Skatinti DI plėtrą siekiant sukurti „besimokančią“ sveikatos sistemą. Remti saugias duomenų platformas, grįžtamojo ryšio ciklus ir prisitaikomąjį tobulinimą, užtikrinant skaidrumą, atskaitingumą ir pasitikėjimą.

6. Skatinti sąveiką ir duomenų dalijimosi ekosistemas. Skatinti tarpvalstybines duomenų ekosistemas, taikant bendrus standartus, tvirtas privatumo apsaugos priemones ir aiškų duomenų valdymą.

7. Investuoti į mokymus, švietimą ir informavimą apie DI sveikatos priežiūros srityje. Finansuoti tarpdisciplininius mokymus ir nuolatinį profesinį tobulėjimą klinikiniams specialistams, kūrėjams ir sprendimų priėmėjams, siekiant ugdyti kompetenciją ir skatinti atsakingą DI naudojimą.

8. Įtraukti suinteresuotąsias šalis ir saugoti visuomenės pasitikėjimą. Reikalauti taikyti dalyvaujamąjį projektavimą, užtikrinti aiškų bendravimą ir informavimą apie DI sistemų naudojimą, taip pat sudaryti galimybes naudotis teisių gynimo priemonėmis, kad sistemos atspindėtų visuomenės vertybes ir būtų išlaikytas pacientų bei visuomenės pasitikėjimas.

9. Nustatyti strateginius DI sveikatos priežiūros srityje mokslinių tyrimų prioritetus. Teikti pirmenybę tyrimams, susijusiems su skaidrumu, šališkumo mažinimu, klinikiniu patvirtinimu, integravimu į praktiką, teisingumu ir ilgalaikiais padariniais sveikatos sistemai.

10. Stiprinti valdymo ir priežiūros struktūras. Nustatyti aiškią atskaitomybę, nepriklausomą stebėseną, auditą ir korekcinius mechanizmus, siekiant užtikrinti atitiktį reikalavimams ir saugų veikimą ilgalaikėje perspektyvoje.

Nuoroda į ataskaitą https://easac.eu/publications/details/ai-in-healthcare 

Vertė Agnė Rodriguez
EASAC iliustracija