Cât de precis este un medic AI? Cifrele oneste
Răspunsul onest: un medic AI este aproximativ la fel de precis ca un medic non-specialist pentru problemele frecvente, dar rămâne clar în urma unui expert. O amplă meta-analiză din 2025 publicată în npj Digital Medicine a estimat acuratețea diagnostică a AI-ului generativ folosit de sine stătător la aproximativ 52%. Un medic AI online este cel mai bine tratat ca o a doua opinie bine documentată, nu ca un verdict.
Un medic AI este aproximativ la fel de precis ca un non-specialist pentru problemele frecvente — o a doua opinie bine documentată, nu un verdict.
Un medic AI nu înlocuiește un medic autorizat și nu oferă un diagnostic. Pentru urgențe medicale sunați la 911. Cifrele de acuratețe de mai jos explică pentru ce este bun — și exact unde ai încă nevoie de un medic adevărat.
Răspunsul scurt: cât de precis este cu adevărat un medic AI
Dă la o parte marketingul și tabloul este simplu: un instrument de diagnostic bazat pe AI generativ, folosit de unul singur, oferă răspunsul corect ceva mai mult de jumătate din timp — iar această singură cifră ascunde o variație enormă în funcție de sarcină, de calitatea datelor de intrare și de cine este cel cu care se compară.
O cifră de reținut: ~52%
O analiză sistematică și meta-analiză din 2025 a 83 de studii, publicată în npj Digital Medicine, a constatat că modelele de AI generativ ating o acuratețe diagnostică globală de 52,1% (IC 95% 47,0–57,1%) atunci când lucrează pe cont propriu. Sună scăzut, dar este o medie ce combină laolaltă cazuri ușoare și foarte grele — contextul din jurul cifrei contează mai mult decât cifra în sine.
Comparație cu un medic adevărat
Aceeași meta-analiză nu a găsit nicio diferență semnificativă statistic între AI și medici la nivel general (p=0,10) și nicio diferență semnificativă față de medicii non-experți sau rezidenți (p=0,93). Însă AI-ul a avut rezultate semnificativ mai slabe decât medicii experți — cu aproximativ 15,8 puncte procentuale (p=0,007). Pe scurt: un verificator de simptome AI este comparabil cu un generalist proaspăt absolvent și clar în urma unui specialist cu ani de recunoaștere a tiparelor — iar punerea unui medic AI comparat cu un medic adevărat unul lângă altul arată cum acest decalaj se lărgește pe măsură ce cazul devine mai dificil.
Standalone, AI-ul atinge aproximativ 52% — la același nivel cu un medic non-expert, dar cu aproximativ 16 puncte în urma unui specialist.
De ce sare atât de mult cifra de acuratețe
Oricine compară titlurile de presă va observa cifre extrem de diferite — 97% într-un studiu, 40% în altul. Această diferență se datorează în principal câtorva variabile care rareori sunt menționate chiar în titlu:
- Cum au fost colectate datele de intrare — o fișă clinică structurată versus propriile cuvinte ale pacientului
- Dacă „corect” înseamnă singurul răspuns din top sau oricare dintre primele 3-5 sugestii
- Cât de frecventă sau de rară este afecțiunea de bază
- Ce model și ce versiune au fost testate, și când
- Dacă studiul a măsurat diagnosticul, triajul sau ambele
Ce bagi, aia scoți: calitatea datelor de intrare este totul
Într-un studiu JMIR pe 100 de pacienți din departamentul de urgențe, ChatGPT rulând pe GPT-4 a ajuns la 97% diagnostice corecte sau parțial corecte — dar doar pentru că a fost alimentat cu aceeași fișă curatoriată de medic pe care au folosit-o medicii curanți, completă cu semne vitale, analize și note clinice. Primind doar simptomele brute autoraportate de un pacient, acuratețea aceluiași tip de model scade la aproximativ 50% pentru o potrivire în top 3. Instrumentul de diagnostic AI este la fel de bun ca ceea ce îi spui, iar înțelegerea modului în care funcționează un medic AI în culise explică de ce exact același model poate oscila atât de mult doar în funcție de calitatea datelor de intrare.
Acuratețea oscilează în funcție de calitatea datelor de intrare: o fișă clinică completă poate ajunge la 97%, propriile tale cuvinte la aproximativ 50%.
Top-1 vs top-3: pe care cifră o citează?
O afirmație de „70-80% acuratețe” înseamnă de obicei că răspunsul corect apare undeva în primele trei sugestii ale instrumentului de triaj AI, nu că a numit corect afecțiunea din prima. Cere-i aceluiași sistem un singur răspuns și acuratețea poate scădea la 34-40%. Când vezi o afirmație de acuratețe pentru orice asistent de sănătate AI, verifică dacă este top-1 sau top-3 — sunt promisiuni foarte diferite, iar furnizorii tind să pună în față cifra mai măgulitoare.
| Măsurătoare | Acuratețe tipică | Ce înseamnă |
|---|---|---|
| Top-1 (singurul cel mai bun răspuns) | 34-40% | Diagnostic corect numit din prima, fără alternative oferite |
| Top-3 (răspunsul corect în lista scurtă) | 70-80% | Afecțiunea corectă apare printre 3 sugestii |
| Date curatoriate de medic (fișă completă) | Până la 97% | Alimentat cu aceleași date structurate pe care le folosește un medic |
| Doar autoraportarea pacientului | ~50% (top-3) | Alimentat cu descrieri de simptome brute, nestructurate |
Unde este precis un medic AI — și unde eșuează
Acuratețea diagnostică nu este o singură abilitate; sunt mai multe, iar un medic AI este mult mai bun la unele decât la altele. A ști care este care schimbă modul în care ar trebui de fapt să folosești instrumentul.
Un medic AI este puternic la triaj, plângeri frecvente și tipare din imagini — slab la cazuri rare, multi-sistem și la greșeli enunțate cu siguranță.
Puternic la triaj. Un medic AI este cel mai de încredere atunci când întrebarea este „cât de urgent este asta”, nu „ce anume este asta”. A încadra un simptom în categoria urgență, urgent sau de rutină este o sarcină mai îngustă și mai bine definită decât a ajunge la un diagnostic final, iar modelele tind să o facă mai consecvent.
Puternic la plângeri frecvente, bine documentate. Problemele simple, întâlnite frecvent — genul cu date de antrenament abundente și tipare clare de simptome — pun în valoare punctele forte ale unui instrument de diagnostic bazat pe AI generativ.
Puternic în specialități înguste, bogate în imagini. În sarcini de recunoaștere a tiparelor precum dermatologia, o analiză agregată a studiilor prospective de detectare a melanomului a constatat că AI-ul de unul singur atinge o sensibilitate de aproximativ 80,9% și o specificitate de 75,6% — comparabilă cu a dermatologilor neasistați — urcând la aproximativ 91,9% sensibilitate și 83,7% specificitate atunci când AI-ul asistă un dermatolog în loc să-l înlocuiască. Problemele vizuale de tipar bine definite sunt aproape de terenul de acasă al instrumentului.
Slab la cazuri complexe, rare sau multi-sistem. Acuratețea scade brusc atunci când simptomele se suprapun între mai multe sisteme ale corpului sau indică o afecțiune neobișnuită — exact acolo unde judecata unui medic expert contează cel mai mult.
Slab într-un mod ușor de ratat: greșeli enunțate cu siguranță. Un medic AI poate enunța un diagnostic incorect într-un limbaj fluent, liniștitor, fără nicio ezitare vizibilă care să semnaleze îndoiala. Un rezultat care sună plauzibil nu este același lucru cu unul corect, ceea ce este exact motivul pentru care o verificare umană contează în continuare.
Poți avea încredere în studii? Citește cu atenție notele de subsol
Chiar și cifrele încurajatoare de mai sus vin cu avertismente care merită cunoscute înainte de a le cântări.
În meta-analiza celor 83 de studii, 63 din 83 de studii — 76% — au fost evaluate ca având un risc ridicat de părtinire, iar autorii au semnalat o părtinire de publicare semnificativă statistic (p=0,045), ceea ce înseamnă că rezultatele măgulitoare sunt probabil suprareprezentate în literatura publicată. Rezultatul de 97% din departamentul de urgențe, care a atras titlurile, a provenit dintr-un singur studiu pe doar 100 de pacienți, fără un calcul prealabil al mărimii eșantionului care să confirme că descoperirea s-ar menține la scară.
| Limitare | Ce arată datele | De ce contează |
|---|---|---|
| Risc de părtinire | 63 din 83 de studii (76%) evaluate cu risc ridicat | Multe rezultate pot fi mai favorabile decât ar produce utilizarea în lumea reală |
| Părtinire de publicare | Semnificativă statistic (p=0,045) | Studiile cu rezultate dezamăgitoare sunt mai puțin susceptibile de a fi publicate |
| Eșantioane mici | Studiu de urgență bazat pe 100 de pacienți | Nicio mărime de eșantion planificată prealabil care să confirme că cifra de 97% se generalizează |
| Date curatoriate vs brute | 97% (fișă curatoriată) vs ~50% (autoraportare) | Acuratețea aceluiași model oscilează cu aproximativ 47 de puncte în funcție de calitatea datelor de intrare |
Câteva lacune recurente apar în acest corp de cercetare:
- Majoritatea studiilor testează AI-ul pe scenarii bazate pe text, nu pe conversații dezordonate din lumea reală
- Puține studii măsoară ce se întâmplă după un răspuns AI greșit, adică prejudiciul ulterior
- Mărimile eșantioanelor sunt adesea prea mici pentru a susține încrederea sugerată de cifra din titlu
- Replicarea independentă în afara echipei de cercetare inițiale este încă rară
Autorii acelei meta-analize au fost tranșanți în privința a ceea ce înseamnă propriile lor cifre:
Modelele de AI generativ nu sunt încă substitute de încredere pentru medicii experți, dar pot servi ca ajutoare valoroase în scenariile non-expert și ca instrumente educaționale pentru cursanții din medicină. — Meta-analiză npj Digital Medicine, 2025
Tratează cifrele de acuratețe din titluri ca plafoane optimiste, nu ca garanții. O cifră extrasă dintr-un studiu mic, cu risc ridicat de părtinire, nu este același lucru cu o cifră care se va menține pentru simptomele tale specifice.
Cum să folosești în siguranță un medic AI, având în vedere acuratețea sa
Având în vedere cifrele de mai sus, mișcarea inteligentă este să potrivești instrumentul cu ceea ce este de fapt bun, mai degrabă decât cu ceea ce pare capabil.
- Descrie simptomele în detaliu, nu prescurtat. Acuratețea depinde puternic de calitatea datelor de intrare, așa că include durata, severitatea și orice schimbări în timp.
- Citește mai întâi indicațiile de triaj. Evaluarea urgenței este locul unde un verificator de simptome AI se comportă cel mai fiabil — fii atent dacă marchează ceva ca urgent.
- Cere primele 3, nu doar primul 1. O listă scurtă de posibilități este mai onestă decât un singur răspuns care sună sigur pe el.
- Folosește-l pentru a pregăti întrebări pentru o programare reală. Transformarea unei îngrijorări vagi într-o listă concretă de întrebări este una dintre cele mai fiabile utilizări ale instrumentului.
- Verifică orice contează cu un clinician autorizat, mai ales pentru simptome noi, grave sau persistente.
- Escaladează imediat dacă simptomele se agravează — nu aștepta ca AI-ul să se prindă.
- Nu trata niciodată un singur răspuns AI ca fiind final. Verifică-l încrucișat cu felul în care te simți de fapt și cu sfatul unui profesionist.
Un instrument de diagnostic AI tinde să fie cel mai util pentru un anumit set de sarcini și cel mai puțin util pentru altele. Înainte de a te baza pe unul, ajută să știi de care parte a acestei linii se află situația ta:
- Înțelegerea unor termeni medicali necunoscuți dintr-un rezultat de analiză sau o scrisoare de trimitere
- Estimarea cât de urgent ar putea fi un simptom nou
- Pregătirea unei liste clare de întrebări înainte de vizita la medic
- Obținerea de educație generală despre sănătate privind o afecțiune pe care o ai deja
- Alegerea între o vizită în aceeași zi, o programare stabilită sau o așteptare atentă
Consensul evaluat de experți este tranșant: AI-ul generativ este un ajutor valoros în scenariile non-expert, nu un substitut de încredere pentru un medic expert. Administrația SUA pentru Alimente și Medicamente urmărește dispozitivele medicale bazate pe AI care sunt autorizate pentru comercializare tocmai pentru că rezultatele AI neverificate implică un risc clinic real — un memento că reglementatorii, nu doar cercetătorii, tratează acest decalaj de acuratețe ca fiind unul important.
Folosește-l în siguranță: descrie complet simptomele, citește mai întâi triajul, cere primele 3 și verifică orice lucru grav cu un clinician.
Când să sari peste AI și să vezi un medic adevărat
Un medic AI nu înlocuiește un medic autorizat și nu oferă un diagnostic. Pentru urgențe medicale sunați la 911.
Niciun procent de acuratețe — nici 52%, nici 97% în condiții ideale — nu face un instrument de diagnostic AI sigur de folosit pentru un simptom grav, brusc sau care se agravează. Sari peste AI și mergi direct la un medic adevărat sau la serviciul de urgență pentru simptome precum:
- Durere sau presiune în piept, sau dificultăți de respirație
- O durere de cap bruscă, severă, diferită de orice altă dinainte
- Sângerare necontrolată sau o rănire care se agravează rapid
- Semne de accident vascular cerebral — căderea unei părți a feței, slăbiciune în braț, vorbire neclară
- Orice simptom care pur și simplu pare o urgență
Folosește un asistent de sănătate AI pentru a te informa și a-ți organiza gândirea, apoi lasă un clinician autorizat să ia decizia efectivă.
Niciun număr de acuratețe nu face AI-ul sigur pentru semnalele de alarmă — durerea în piept, semnele de AVC sau sângerarea severă înseamnă sunați la 911.
