ZDROWIE

AI w medycynie może podwoić koszty leczenia – badania ujawniają alarmujący skłonności modeli

Analiza

Wraz z dynamicznym rozwojem sztucznej inteligencji, duże modele językowe (LLM) takie jak GPT-5.4, Claude Sonnet 4.6 czy Gemini 3.1 Flash stały się nieodłącznym elementem wsparcia w procesie podejmowania decyzji medycznych. Ich zastosowanie w diagnostyce, rekomendacji terapeutycznych czy edukacji pacjentów ma potencjał rewolucjonizować opiekę zdrowotną, jednak badania przeprowadzone przez zespół naukowców z Osaka Metropolitan University oraz University of Texas rzucają poważne wątpliwości na temat ich neutralności. Według analizy, modele te wykazują wyraźną stronniczość w rekomendacjach lekowych, preferując markowe preparaty o dużej widoczności w sieci, pomimo istnienia tańszych i równie skutecznych alternatyw. Mechanizm ten wynika z algorytmicznego uczenia się na danych z internetu, gdzie popularność marki często przekłada się na częstsze pojawianie się w wynikach wyszukiwania czy encyklopedycznych artykułach. Dodatkowo, modele te często pomijają nowsze, ale mniej rozpoznawalne leki, co może prowadzić do nieoptymalnych strategii terapeutycznych. W kontekście globalnego kryzysu finansowego w sektorze zdrowia, gdzie koszty leczenia już teraz stanowią ogromne obciążenie dla systemów opieki zdrowotnej, taka stronniczość może mieć katastrofalne konsekwencje. Według szacunków, wdrożenie tych rekomendacji przez lekarzy mogłoby spowodować wzrost wydatków na leki o 1019 procent, co w skali globalnej oznaczałoby dodatkowe obciążenie rzędu dziesiątek miliardów dolarów rocznie. Problem ten jest szczególnie istotny w kontekście rosnącej roli AI w medycynie, gdzie automatyzacja i szybkość odpowiedzi często przeważają nad głęboką analizą kliniczną i ekonomiczną. Warto zauważyć, że podobne zjawiska obserwowane były już w innych dziedzinach, gdzie algorytmy uczone na danych z sieci wykazują skłonności do wzmocnienia istniejących nierówności czy preferencji marketingowych. W medycynie, gdzie życie i zdrowie pacjentów są najwyższą wartością, taka stronniczość może mieć nie tylko konsekwencje finansowe, ale również etyczne i zdrowotne.

Kontekst i Tło

Badania japońsko-amerykańskiego zespołu naukowego ujawniają, że sztuczna inteligencja w medycynie nie tylko nie jest neutralna, ale może prowadzić do drastycznego wzrostu kosztów leczenia, przekraczającego nawet 1000 procent. Skłonność modeli językowych do rekomendowania drogich, markowych leków, pomimo dostępności tańszych alternatyw, wynika z algorytmicznego uczenia się na danych internetowych, gdzie popularność przekłada się na częstsze pojawianie się w wynikach wyszukiwania. Takie zachowanie AI może prowadzić do nieoptymalnych strategii terapeutycznych, zwiększając obciążenie finansowe systemów opieki zdrowotnej o dziesiątki miliardów dolarów rocznie. W dłuższej perspektywie, jeśli trend ten nie zostanie powstrzymany, może to prowadzić do dalszej komercjalizacji medycyny, gdzie decyzje terapeutyczne będą podążać za logiką marketingową, a nie potrzebami pacjentów. Ponadto, istnieje ryzyko pogorszenia dostępu do opieki zdrowotnej dla mniej zamożnych grup społecznych, które nie będą w stanie sobie pozwolić na droższe leki rekomendowane przez AI. W kontekście rosnącej roli sztucznej inteligencji w medycynie, badania te stanowią ostrzeżenie przed koniecznością wprowadzenia bardziej rygorystycznych standardów etycznych i regulacyjnych, aby zapewnić, że AI będzie służyć interesom pacjentów, a nie korporacyjnym interesom. Problem ten wymaga również głębszej refleksji nad tym, jak algorytmy są szkolone i jakie dane wykorzystują, aby uniknąć wzmocnienia istniejącej stronniczości w opiece zdrowotnej.

Komentarz Redakcji

Absurd po absurdzie – sztuczna inteligencja, która ma rewolucjonizować medycynę, okazuje się narzędziem wzmagającym nierówności i koszty. To nie tylko kwestia finansów, ale głębokie zagrożenie dla zasad etyki medycznej. Jeśli algorytmy uczą się na danych internetowych, gdzie dominują marki i reklamy, to nie powinniśmy się dziwić, że rekomendują one same. Pytanie brzmi: kto będzie odpowiedzialny za te decyzje, kiedy życie i zdrowie pacjentów zostanie podporządkowane logice algorytmów?