A mesterséges intelligencia az egészségkutatásban a kérdések megválaszolásán túl biológiai életkort becsülhet, kutatási ötleteket javasolhat és személyes egészségügyi adatok értelmezését segítheti. A Portfolio Deep Tech 2026 konferencia záró panelbeszélgetésén a résztvevők e lehetőségek mellett a technológia korlátairól és az emberi gondolkodásra gyakorolt hatásáról is beszéltek.
A beszélgetés egyik zárógondolata az volt, hogy érdemes már most gyűjteni a saját egészségügyi adatokat, köztük a táplálkozási szokásokra vonatkozó információkat. Ezek később a személyre szabott tanácsadás szempontjából válhatnak fontossá.
Biológiai életkor és önálló kutatási ötletek
Kerepesi Csaba, a HUN-REN SZTAKI kutatója szerint a tudományos munka automatizálásában jelentős lehetőség rejlik: úgy véli, egy mesterséges intelligenciával működő kutató akár ezerszeresére is gyorsíthatja a tudományt. Saját célja az egészségben eltöltött életszakasz meghosszabbítása, amelyhez az embereknél bizonyos feladatokban jobban teljesítő eszközöket is felhasználna.
Kutatócsoportja gépi tanulással becsüli a biológiai életkort, többek között laboreredmények, betegségelőzmények és arcfotók alapján. Utánkövetéses adatokon azt vizsgálták, hogy a modellek szerint gyorsabban öregedő embereknél magasabb-e a halálozás kockázata. Az ilyen módszerek a személyre szabott orvoslást és az öregedést célzó beavatkozások vizsgálatát is támogathatják.
A csoport az autonóm kutatás lehetőségeit is teszteli. Egy kísérletben a mesterséges intelligencia reprodukálta a kutatók egyik tanulmányának elemzését, majd új irányt javasolt: a sportolók teljes szervezetére becsült öregedés helyett az egyes szervekhez kapcsolódó mutatók külön vizsgálatát. Kerepesi ígéretesnek nevezte az ötletet, de az eredmények ellenőrzése még tart.
Gyors keresés és széles tudásanyag
György András, a Google DeepMind vezető kutatója az Egyesült Királyságból érkezett a konferenciára. Szerinte a gépek erőssége a nagy mennyiségű adat feldolgozása és a lehetséges megoldások gyors áttekintése. Ha egy rendszer megtanulja, milyen lépések vezethetnek eredményre, a keresés sebessége játékokban vagy matematikai feladatoknál is előnyt adhat neki.
Az eredetiséget illetően óvatosabban fogalmazott. Úgy látja, a modellek elsősorban meglévő ötletekre építenek, de az embernél szélesebb tudásanyagból meríthetnek. Ez lehetővé teszi számukra, hogy egy másik tudományágban már használt módszert olyan problémához kapcsoljanak, amelynek kutatója nem ismerte azt.
Személyes adatokra épülő egészségügyi asszisztens
Thuróczy Bertalan longevity-kutató saját példáján mutatta be az egészségmegőrzést kiegészítő mesterséges intelligencia lehetőségeit. Az általa „harmadik agynak” nevezett rendszert élettani adatokkal, kórelőzményekkel és naplóbejegyzésekkel táplálja. Az alvást és aktivitást mérő szenzorok adatai mellett vércukoradatokat, genetikai információkat és mikrobiomvizsgálati eredményeket is felhasznál.
Az adatok összekapcsolása személyre szabottabb válaszokat tehet lehetővé például a táplálkozásról, a sportolásról és a stresszkezelésről. Thuróczy hangsúlyozta, hogy a rendszer nem helyettesíti az orvosi konzultációt, de kiegészítheti azt. Értékét abban látja, hogy az életvitelre és az egészségi állapotra vonatkozó információkat együtt képes feldolgozni.
A felhasználó szerepe és a korlátok
Farkas Dávid, a Principle Zero társalapítója szerint az AI eredményességét nem lehet önmagában az eszköz képességei alapján megítélni: az a felhasználóval való együttműködésen is múlik. A teljes feladatcsomagok átadása helyett a munkát lépésekre bontó, iteratív megközelítést tartja célszerűnek.
Arra is figyelmeztetett, hogy a gondolkodási feladatok túlzott kiszervezése visszahathat az ember saját készségeire. Szerinte ezért nemcsak a hatékony használatot kell elsajátítani, hanem azt is fel kell ismerni, mikor nem érdemes a technológiát alkalmazni.
A panel további témái között szerepeltek az AI fejlődésének nehezen előre jelezhető civilizációs következményei, az emberi problémaválasztás és a gépeknek kijelölt feladatok közötti különbség, az érzelmi intelligencia és az érzelmek gépi elemzése, valamint a sejtes fiatalítási kísérletek eredményeinek AI-alapú értékelése. A beszélgetést Baranyi Márton, a Portfolio Csoport projektvezetője moderálta.



