Így segíti a mesterséges intelligencia a magyar orvosokat és gyógytornászokat

Hétköznapi jövendő

Kezdjük egy egészen hétköznapi szituációval: röntgen- vagy CT- (computer tomográfia), esetleg ultrahang-felvételre van szükségünk ahhoz, hogy az orvos diagnózist tudjon felállítani. Itt, a Semmelweis Egyetem Orvosi Képalkotó Klinikáján a szakemberek fő profilja a képalkotó diagnosztika.

„Igazán nagy, robbanásszerű fejlődést a Covid-pandémia hozott az MI innovációjában. Ekkor számos techcég szolidaritást vállalt a frontvonalbeli dolgozókkal és a korábbinál is gyorsabb ütemben fejlesztették termékeiket. Mi voltunk a Semmelweis Egyetem Képalkotó Diagnosztikájáért felelős egysége a koronavírus-járvány alatt: előfordultak olyan napok, amikor 160-170 akut mellkasi CT-vizsgálatot készítettünk” – emlékszik vissza Prof. Dr. Maurovich Horvat Pál, a klinika igazgatója, majd hozzáteszi: ez hirtelenjében a korábbi mennyiség háromszorosára ugrott az ügyeletek alatt.

Ezért a szakember egy Los Angeles-i csapattal olyan neurális hálót (azaz hardver/szoftver, amely matematikai gráfok segítségével a biológiai alapú neurális hálózat néhány tulajdonságát modellezi) fejlesztett ki. Ez másodpercek alatt kvantifikálta (mérte) a tüdőgyulladás kiterjedtségét és annak alapján valószínűsítette a kezelés további kimenetelét: súlyosabb esetben a lélegeztetőgépre kerülést, míg enyhébbnél a hazabocsátást.

Azóta még tovább fejlődött a klinika képalkotó eszközparkja: itt található Magyarországon az első két darab, kis sugárdózissal dolgozó, fotonszámláló detektoros CT-berendezés. Maurovich Horvat Pál nemcsak az általuk alkotott nagyfelbontású képeket emeli ki, hanem azt is, hogy óriási adatmennyiséget generálnak ezek az eszközök, ami emberi léptékkel, aggyal roppant nehezen értelmezhető, szintetizálható.

Egy radiológus több millió voxelt (vagyis: „volume pixel” /térfogati képpont/ rövidítése, tehát a pixel 3D-s megfelelője, egy háromdimenziós kép legkisebb eleme, amely térfogati egységként értelmezhető) néz át. „De egy képben még ennél is jóval több információ van, mint amit egy humán kolléga ki tud belőle olvasni” – teszi hozzá.

Következő jelentős ugrás volt, amikor 2023 novemberében megjelent az egyetemen a traumatológiai (baleseti sürgősségi) ellátás. Ekkortól a korábbi 50-60 akut CT-szám megduplázódott és a 100-120 CT-szám lett a normalitás, de amellett 3-500 röntgen- és rengeteg ultrahangfelvétel-készítés vált a mindennapok részévé.

„Ez minden addiginál emberpróbálóbb mennyiség, így 2024 januárjától az országban elsőként, a traumatológiai ellátásban bevezettünk egy mesterséges intelligencia-alapú platformot, ami a röntgenleletezést támogatja” – rukkol elő az újabb előrelépéssel a professzor. „Ezek a robotradiológusok nem fáradnak el, mindig ugyanazt a teljesítményt hozzák, hisz ez egy 0-24 órás szolgálat, ahol nincs helye tévedésnek! Először mindig szakember tekinti meg az elkészült felvételeket, majd a mesterséges intelligencia következik. Ez részint egyfajta tanulási folyamatnak is tekinthető, amely főként a rezidenseknek előnyös, másfelől pedig kölcsönös ellenőrzés, hiszen az MI sem tévedhetetlen.

Azonban a felelősség mindig az orvosé

– húzza alá.

Megannyi lehetőség

Jelenleg a mesterséges intelligencia a fent említett területeken kívül segít a betegelőjegyzésben és a betegek pozicionálásában a CT vizsgálat alatt (egy 3D-s kamera segítségével az MI állítja be a betegnek a CT vizsgálóasztalt), de a vizsgálatok megtervezésében, rekonstrukciójában, a nyers adatokból való képalkotást egyaránt támogatja. „Szinte minden folyamatban ott van az MI a vizsgálat során” – erősít rá a szakértő, aki nemrégiben csapatával azt vizsgálta, hogyan képes bárki a legújabb OpenAI modellek alkalmazásával lefordítani akár egy kardiológiai vagy szív CT-leletet.

„Természetesen a maximális anonimitás mellett arra törekedtünk, hogy egy általunk összeállított adatsorból a laikus számára is értelmezhető kardiológiai leletet állítson össze az MI. És hogy még izgalmasabb legyen a projekt, együtt dolgozunk cseh, lengyel, román, német, olasz és amerikai kutatókkal, hogy vizsgálni tudjuk más nyelveken milyen az MI teljesítménye. Elsődleges meglátásaink szerint szinte teljes mértékben alkalmas erre a feladatra a mesterséges intelligencia” – mondja. Ebből fakadóan Maurovich Horvat Pál úgy látja, hogy az MI akár életmódbeli, akár orvosválasztást illető tanácsadásban is képes lesz közreműködni.

„Simán el tudom képzelni, hogy például a későbbiekben egy látássérült egyént robot(kutya), vagy (virtuális) headset segítse a tájékozódásban. De ismertek már olyan kezdeményezések is, ahol a látóidegen keresztül fénystimulációval irányítják a vak, aliglátó személyt.

Ez bár most még sci-fi-be illő elképzelés, néhány év múlva viszont nagy eséllyel valóra fog válni

– latolgat Maurovich-Horvat Pál klinikaigazgató, aki a radiológiában és a számítógépes látásban tapasztalható fejlődés ütemére alapozza mindezt.

Emberi és általánosabb irányból pedig a nagy nyelvi modellek révén a professzor azt vizionálja, hogy ember és gép közvetlenebb kapcsolata alakul ki, így a nyelvi korlátok csökkentése, a felhasználó számára ismeretlen területek, kérdések elmagyarázása, és így tovább. Csupa olyan hasznos megoldás, amely 3-4 éve még elképzelhetetlennek bizonyult, ám ma már mindenki telefonjában ott rejtőzik. Következésképpen a testi vagy szellemi hátrányok okozta nehézségek elsimításában, de legalább csökkentésében is könnyűszerrel alkalmazható az MI.

Ahol lehetséges, még mindig a megelőzés a fő szempont: a személyre szabott rizikóbecsléssel törekednek a szakemberek megjósolni azt, hogy kinek lesz szívinfarktusa – koszorúér-CT alapján. Neurális hálók alkalmazásával a klinika egyik aktuálisan futó kutatásában a koszorúerek falán kialakuló felrakódások szerkezete alapján azt próbálják előre jelezni, hogy a jövőben melyik plakk fenyegeti szívrohammal a pácienst.

Szinte hihetetlen az a megoldás, amit Maurovich Horvat Pál e ponton megoszt velünk: egy-két éve publikálták azt a vizsgálatot, ahol a neurális háló segítségével azt igyekeztek megállapítani egy selfie-ből, hogy a portrén szereplő alanynak van-e koszorúér-betegsége. Úgy történt mindez, hogy az MI-t rátanították az önportrék és a szívkoszorúér-felvételek összekapcsolásával, kinek van koszorúér-betegsége.

Ez a tapasztalatok alapján a mesterséges intelligenciának a legmodernebb kardiológiai rizikóbecslő rendszereknél is pontosabban sikerült. Egy másik tanulmányban olyan MI-alapú megoldást, AI-Podot fejlesztenek, amely valós idejű életmódbeli tanácsokat ad olyan betegeknek, akik már részt vettek szív-CT vizsgálaton. Számukra egy aktivitásmérő karkötő és az alkalmazás összekapcsolásával válik lehetőség a konkrét tanácsok kommunikálására.

Nem kockázatmentes

Noha Maurovich Horvat Pál szerint abba az irányba halad a változás, hogy valamikor a jövőben a mesterséges intelligencia platformokat fejlesztő cégek akár a felelőséget is vállalják majd az MI döntéseiért, ám ez egyelőre nem néhány éves távlat. Fontos, ezáltal elkerülhetetlen kérdés a megbízhatóság.

Felmérések szerint a betegek leginkább abban bíznak, ha orvos és a mesterséges intelligencia is leletezi a képeket. „Most már a laikusok is látják, hogy az MI egyik kiemelkedő előnye a fáradhatatlansága, triviális hibákat nem vét, ugyanakkor nincs benne a humán radiológus extra tudása, tapasztalata, látásmódja” – egyensúlyozza ki válaszát a professzor, aki néhány éven, de legfeljebb évtizeden belül olyan pontosságú MI-eszközök felbukkanását tartja valószínűnek, amelyek jobbára a humán orvosénál is precízebb diagnózist állítanak majd fel. Ám mégis megmarad az a szűk esetkör, ahol a szövődmények miatt eltér a megszokottól, így emberi tudást, tapasztalatot igényel.

E tekintetben Maurovich Horvat Pál úgy látja: konstans monitorozás szükséges. „Tudni kell, milyen applikációkat használunk és azt is, hogyan, milyen adatokra tanították rá azokat a neurális hálókat. Esetleg van-e bennük valamilyen elfogultság, hiszen az MI algoritmusok nem értik a képi tartalmakat, nem tudják a belgyógyászati tankönyvben foglaltakat, csupán mintázatokat ismernek fel.

Emiatt viheti félre az információkat, amit az embernek kell észrevennie és helyesbítenie.

Például a traumatológiai MI-csomag friss törések röntgenfelvételekről való felismerésére van rátanítva, de a régi törések felismerésében már hibázhat” – mondja.

Mindezekből kiviláglik, hogy nem kockázatmentes e rendszerek használata (sem). „Ott válik visszássá a technológia adta lehetőség, amikor egy rosszindulatú hacker egy egészséges tüdőt ábrázoló mellkas CT-felvételbe virtuális, szintetikus tumort generál. Vizsgálatok során kimutatták, hogy ezek az utólagosan generált elváltozások olyannyira élethűek, hogy a legjobb radiológusok sem tudták elkülöníteni őket a valódiaktól. Sajnos a fake newsnak itt mutatkozik meg az orvosi relevanciája. Szerencsére azonban nem tudok ilyen hackertámadásról, ez csupán teoretikus (elvi) felvetés, de mindenesetre ijesztő” – tárja elénk az egyik tudományos publikáció részletét a szakember, majd a fals radiológiai lelet következményét latolgatja: tévesen indul terápia, műtét, besugárzás, amivel testi sérülést okozhatnak az illetőnek.

Kiemelkedően fontos tehát a biztonság kérdése, hiszen – és továbbra is elméleti szinten maradva – egy mozgásában nehezített személyt patronáló robot működésében bárminemű zavar súlyos, beláthatatlan következményekkel bírna. „Szerintem azonban a háztartási segítőrobot már néhány éven belül megjelenik otthonainkban. Erre vonatkozóan már ebben a pillanatban is komoly kutatómunka, adatgyűjtés folyik a legismertebb cégek részéről: mondjuk a mosogatásba vagy a vasalásba be tudjon kapcsolódni az automatizált eszköz. Ez nem csupán a nehezített körülmények között élőknek, hanem bárkinek jóleső érzés” – fejtegeti Maurovich Horvat Pál.

A szakember ebből a funkcióból azt is sejti, hogy az MI-vezérelt robotok akár a betegmozgatásból is kivehetik a részüket. Gondol itt akár a rehabilitációban betöltött szerepre, akár egy hétköznapibb ágyba emelésre vagy a CT asztalra helyezésre. Azoknak, akik a gépek lelketlensége miatt aggódnak, a professzor úr a következőket javasolja:

„Gondoljunk bele, milyen kimagasló szinten utánozzák le a ChatGPT-k az emberi reakciókat. Tanulmányokból tudjuk, hogy bár nincs tudata, sem tapasztalata egyik neurális hálónak sem, és hiányzik belőlük minden, ami miatt emberek vagyunk, mégis: a temérdek megtanult adatból valószínűség alapján pakolja egymás mellé a gondolatokat. Ezzel együtt empatikusabb mintát mutatott az AI, mint egynémely kiégett orvos.”

Felfedező MI

Kifejezetten érdekesnek tartja Maurovich Horvat Pál annak lehetőségét, hogy a nagy neurális hálók mélytanulás által a mintázatfelismeréstől eljussanak a felfedezésig. „Ilyen többek között a protein folding, vagyis a proteinhajtogatás problémája. Ez olyan sokvariációs lehetőség végig-próbálását jelenti, amelyhez a világegyetem keletkezésétől számított idő (13,7 milliárd év) sem lenne elegendő emberi kapacitással. Azonban ez a folyamat természetes körülmények között tizedmásodpercek alatt végbemegy. Abban hozott óriási áttörést a téren az MI, hogy meg tudta jósolni a DNS-ben lévő aminosav-sorrend alapján a fehérje szerkezetét.

Erre az elkövetkezendő években újabb és újabb gyógyszerfelfedezésekre építve, a kutatási, klinikai kísérleti fázisok lerövidítésével további nagy lépésekkel gyorsíthatja a technológia a fejlődést

– magyarázza a körülöttünk éppen zajló újabb ipari forradalom fázisait.

Innentől már csupán egy lépés az, hogy a mesterséges intelligencia önmagát fejlessze. „Ennek következményei mai elképzelésünk szerint megjósolhatatlanok. Ez az úgynevezett információs-, vagy MI-robbanás, amikor olyan szintre jutnak a neurális hálók, ahol saját magukat fejlesztik: így válik mesterséges intelligenciából általános mesterséges intelligenciává (ÁMI).

E szinten már szempillantások alatt marad le az (Á)MI-től az emberiség: az emberi agy véges kapacitásával szemben a mesterséges intelligencia végtelen felé hajló kapacitása miatt veszíthetjük el a kontrollt. Maurovich Horvat Pál a fenti eshetőség ellenszereként a szabályozást helyezi előtérbe: jóformán csak kullog az orvosi MI-fejlesztések után a szabályozás.

„Ehelyett inkább egy teljesen más logika szerint kéne szabályozni azt, hiszen túlszabályozás esetén lemaradunk, kvázi nem tudjuk a gyógyítás szolgálatába fordítani a lehetőségeket, míg a szabályozatlanság sem eredményez jót” – emeli ki.

Akadálymentesítő

Megdöbbentő adatokat közöl az ENSZ cikke: világszerte az emberek nagyságrendileg 16%-a, tehát mintegy 1,3 milliárdan érintettek jelentősebb mértékben valamilyen akadályozottsággal, ebből 240 millió gyerek. Európában egy 2023-as adat szerint a 16 éven felüli lakosság 27%-ára, vagyis 101 millióra becsülik azok számát, akik bármilyen típusú hátránnyal élnek. Statisztikailag e téren a nők inkább érintettek, mint a férfiak.

Nem csoda, hogy a technológia, azon belül a bárki számára elérhető MI-alapú alkalmazások fejlesztése nagy léptekkel halad.

• Példának okáért látássérülteknek a mesterséges intelligencia mondja el, mit, vagy kit lát – a mobiltelefon kamerája révén – a felhasználó környezetében.
• Mozgáskorlátozottaknak és vakoknak is olyan útvonalak tervezésében nyújt segítséget az MI, ahol padkák, lépcsők és nehezen járható felöletek hiányával a szó legszorosabb értelmében véve akadálymentesít.
• Beszédben jelentkező nehezítettségek esetében a hang- és/vagy jelfelismerés jelenti a hidat fogyatékosok és épek között.
• Ahogyan a nagyothallók számára is léteznek alternatívák: a hallott szöveg írássá alakítása.
• Tanulási nehézségek terén is léteznek egyéni irányok.
• De neurológiai, pszichés elváltozások fennállása során sem marad el a támogatás.

Sajnálatos tény azonban, hogy a fejlődő országokban megközelítőleg 1 milliárd ember nem jut hozzá az imént említett támogató lehetőségekhez, holott a WHO (Egészségügyi Világszervezet) és az UNICEF (ENSZ Nemzetközi Gyermekjogi Alap) kimutatása szerint 2,5 milliárdra tehető azok száma világszerte, akik egy vagy két segítő alkalmazást igényelnek.

Bepillantás a legmodernebb mozgásterápia működésébe:

MI-támogatott robotterápia, avagy lehetőségek és korlátok

Budakeszin, a Semmelweis Egyetem Rehabilitációs Klinikáján kerekasztal-beszélgetés alakul az Intézmény szakembergárdájának egy részével. Jelen van Prof. Dr. Fazekas Gábor, neurológus és rehabilitációs szakorvos, a Humánkineziológiai Laboratórium orvosszakmai vezetője, valamint a Stroke utáni Rehabilitációs Osztály és Kiemelt Részleg vezetője. Mellette foglal helyet Sándor Krisztina, a Rehabilitációs Klinika Humánkineziológiai Laboratóriumának a részlegvezető gyógytornásza. Vele szemben pedig Sándor Bálint, MI-mérnök ül.

Fazekas Gábor így mutatja be röviden az Intézményben folyó munkát: „Döntően valamilyen idegrendszeri, neurológia betegség következtében kialakult funkciózavarok javításával foglalkozunk. Jobbára agysérült, stroke-ot szenvedett, gerincvelősérült beteg kerül hozzánk. Ezen kórképeknek mozgásszervi oldala is van a beidegzési, valamint kognitív zavarok mellett. Végtagsérült betegekkel úgyszintén találkozunk: ide tartozik az amputáció miatt, a műtét után fellépő különböző állapotok korrigálása.

Egyfelől a támogató, vagyis assszisztív technológiával lehetséges a hátránnyal élők segítése. Másfelől a terápia kínál megoldási lehetőségeket az egyén teljesítményének növelésére.

Ehhez többek között rendelkezésre állnak úgy robotok, mint interaktív számítógépes eszközök.

Ezen eszközök hihetetlen sok mindent mérnek, amiből fakadóan temérdek adatot generálnak: ha az MI ebből kiválasztaná a relevánsakat, az már óriási könnyítés volna, hiszen ezek áttekintése önmagában órákig tartana, ami a terapeuta munkaidejét befolyásolná. Ez pedig negatívan hatna a betegellátásra.

13 fotó

Noha számos fejlett technológián alapuló eszköz használatos a rehabilitációban, de még mindig hiányos az egyes szakmai irányelvek, döntések meghozatalához szükséges adatoltság, valamint azok vizsgálata. Ha a robottechnológián alapuló terápiában megvalósul mindez, akkor nem csupán intézményi szinten, hanem világszerte értékes többlettudással járul hozzá eddigi terápiás ismereteinkhez, tapasztalatainkhoz.”

Sándor Bálint szerint a fenti problémafelvetésre a következő módon lehet hatékonyan reagálni: „Első, és legfontosabb, hogy egyik MI-modell sem tud működni, hogyha nem állnak rendelkezésére múltbeli adatpontok egyes betegekről, kezelésekről, terápiákról. Ugyanis ezen információk alapján lehetséges különböző statisztikai, MI-modelleket építeni, amelyek ezekből az adatpontokból tanulva képesek mintázatokat felismerni és dönteni, majd azokat a felhasználó orvos, gyógytornász, avagy bármelyik egészségügyi szakember számára megjeleníteni.

Ha a kezeletlen, feldolgozatlan adatok tárolását leküzdjük és azokat egy strukturált, központi adatbázisban rögzítenénk, valamint hozzáférést biztosítanánk, úgy teljesülne a fejlesztés első, adatgyűjtési fázisa. Egy meghatározott idő elteltével, ami egy nap, de akár egy év is lehet, tudnánk elkezdeni az MI-modellek fejlesztését. Jelenlegi első és legnagyobb kihívás éppen az, hogy ezeket az adatokat a mesterséges intelligencia számára érthető struktúrában tárolják a szakemberek. Második kihívás maga az idő: ez a releváns modellek létrehozásának elengedhetetlen feltétele.”

Sándor Krisztina a gyakorlatból kiindulva teszi hozzá: „Bár jelenleg még nem használjuk, mert az eszközök nem alkalmasak MI-beépítésére, ám tervezzük az általuk generált jelentős mennyiségű szenzoros adatok, így a mozgástartományra, az izomerőre vonatkozó információk gyűjtéséből származó előnyök kiaknázását.

Ez a terápiás döntéshozatalban nyilvánulna meg leginkább: az MI javaslatai nyomán, amelyeket vagy elfogadva, vagy felülbírálva gyorsulna, hatékonyabbá, remélhetőleg eredményesebbé is válna a gyógytornászok munkája, illetve az adatfeldolgozó és adminisztratív feladatok elvégzésében jelentene számunkra előrelépést. Vagy akár az is, ha az előzetes adatok alapján becsléseket adna az MI arra vonatkozóan, hogy mikor kezdjünk el egy adott terápiát, esetleg mikor térjünk át másikra.”

Jelentős érdeklődés

Sándor Bálint így folytatja a mesterséges intelligenciával kiegészített robottechnológia előnyeinek sorát: „Továbbá a beteg állapotváltozásának, fejlődésének a prognosztizációja; terápiás hatékonyság elemzése: egyes terápiák mennyire voltak/lesznek hatékonyak, esetleg másik robot még hatékonyabb lenne-e, automatizált benchmark (referencia, viszonyítási pont, etalon): több beteg terápiás adataiból adódóan egy új beteg alapadataiból kiindulva a terápia lefolyásának kiszámíthatóbbá tétele. Fontos és informatív döntéstámogatás, csakhogy az ötletek, fejlesztési irányok megvalósításában akadályt jelent a bürokrácia: sok ember együttműködése kell ahhoz, hogy egy idea működőképes megoldássá érjen.”

Fazekas Gábor e ponton hívja fel figyelmünket egy kiemelkedően fontos etikai, jogi aspektusra. „Kórházi rendszerekkel való összeköttetés esetén felmerül az azt használó személyek jogkörének kérdése: a robotokkal való összekapcsolás ugyan adminisztratív kényelmet jelent a betegadatok beírásában, viszont ezen információk érzékeny voltuk okán egyelőre manuálisan kerülnek a robotokba. Elképzelhetőnek tartom azonban, hogy a jogi, adatvédelmi passzusok változása esetén, a biztonság garantálása mellett, a robotok méréseiből származó adatok egy része – emberi kontroll alatt – akár a zárójelentésbe is bekerüljön.”

Ha el is hárítják a jogalkotók az iménti akadályokat, a bizalom kérdése továbbra is nyitott marad. Fazekas Gábor úgy látja:

mind szakmai tudományos és mind pedig beteg oldalról határozottan jelentős érdeklődés mutatkozik e technológiák iránt.

Ritkán találkozunk tartózkodó beteggel. Sándor Krisztina megerősíti: bár egy-egy betegnek akad fenntartása a méretes robotokkal, lévén a karokhoz rögzített végtagjaikat a gép mozgatja.

„Ugyanakkor megnyugtató számukra, hogy az eszköz mellett folyamatosan jelen levő terapeuta bármikor beavatkozhat. E technológiára vonatkozó szakmai-személyes nyitottságom is az MI önálló döntéshozataláig terjed. Véleményem szerint a személyes jelenlétet sohasem fogja kiváltani, pótolni a gép. Jelenleg a szakirodalom is kizárólagosan kiegészítő terápiaként aposztrofálja a robotterápiát a hagyományos gyógytorna és egyéb terápiás megoldások mellett – önmagában soha” – teszi hozzá.

„Személy szerint még nem találkoztam visszatetsző reakcióval. Hiszen csak olyan döntéseket hoznak és találnak a gépek, amiket természetesen az ember felülírhat, de a másodpercenkénti több millió darab számolási művelet elvégezhetőségének emberi korlátjából adódóan az MI esetlegesen olyan variációt találhat, amire mi nem vagyunk képesek” – mondja Sándor Bálint.

10 fotó

Sándor Krisztina maximálisan nyitott a technikai fejlődés trendjeire. Ugyanakkor munkája során részesévé válik a terápián résztvevők egyéni eredményeinek, sikerének is, így véleménye ennek megfelelően komplex.

„Ugyan kutatják azt is, hogy milyen mértékben teszi a robotika eredményessé a terápiát, de erről egyelőre nincs konkrét adat, sehol a világon. Minden beteg eltérő, így más és más célokkal, helyzettel és lehetőséggel. Ebből fakadóan a sikereket nem arányszámokkal, hanem az egyéni fejlődés tükrében mérjük.”

Fazekas Gábor sem mindig és kizárólagosan a számok tükrében értékeli az előrehaladást. Lévén az intézményen belül a mozgásszervi rehabilitáció mellett a kognitív funkciók fejlesztése folyik.

„Mindig a felvételi-, vagy a terápia megkezdésekor tapasztalható állapothoz képest mérjük az egyéni sikereket: egy stroke-on átesett beteg esetében kulcskérdés, hogy elérjék a kézhasználatot – akár hosszabb idő- és energiabefektetés árán is. Ha a kezdetinél jobb állapotban távozik tőlünk a páciens, akkor már megérte” – emeli ki.

Sándor Bálint nem adja alább, a lehetőségeket keresi. „Jóformán se szeri, se száma a fejlesztési lehetőségeknek: az első irány a statisztikai alapú modellek egészségügyi használatának elterjesztése, második a nagy nyelvi modellek általános, minden egészségügyi szektorban történő bevezetése. Gyakorlati példán keresztül – nyilvánvalóan rátanulás után – ez többek között az orvos-beteg kommunikációban tudná kivenni a részét” – húzza alá.