A mesterséges intelligencia javíthatja a diagnózis pontosságát, segítheti az orvosi képek értelmezését és gyorsíthatja a biológiai kutatást, de az eredmények betegellátásba ültetése továbbra is jelentős akadályokba ütközik. Erről beszélgetett Doug Burger, a Microsoft Research vezetője három kutatóval a The Shape of Things to Come podcast egyik adásában.
Vendégei Ava Amini, a Microsoft Research kutatási vezetője, Eric Horvitz, a Microsoft tudományos igazgatója, valamint Eric Topol orvos-kutató, a Scripps Research ügyvezető alelnöke és a Microsoft mesterséges intelligenciával foglalkozó egészségügyi tanácsadója voltak. A beszélgetés a diagnosztikától és a teljes beteget leíró modellektől a virtuális sejtekig, az öregedésig és a biológiai rendszerek tervezéséig terjedt.
Diagnózis és képalkotás
Horvitz egy, a Science folyóiratban 2026 októberében megjelent kutatást ismertetett, amelyben a nyelvi modelleknek nem egy teljesen kidolgozott eset alapján kellett diagnózist adniuk. Ehelyett a rendszer a kezdeti tünetekből és kórelőzményből kiindulva kérdéseket tehetett fel, vizsgálatokat választhatott, majd eldönthette, mikor áll rendelkezésére elegendő információ a diagnózishoz. A feladat része volt a vizsgálatok információs értékének és költségének mérlegelése is.
Topol szerint az ágensalapú rendszer a vizsgálatban közel kétszeres diagnosztikai pontosságot ért el az összehasonlításban szereplő orvosokhoz képest, alacsonyabb költség mellett. Horvitz ugyanakkor hangsúlyozta, hogy az általános orvosokkal végzett összevetésnek korlátai voltak; az eredmények elsősorban azt mutatják, hogy a módszerek a jövőben segíthetik a klinikusokat.
Topol úgy vélte, hogy a generatív MI iránti figyelem mellett az egészségügy nem használja ki eléggé a mélytanulás korábban bizonyított képességeit az orvosi képek elemzésében. Példaként egy több mint 100 ezer nő bevonásával végzett randomizált mammográfiás vizsgálatot és 44 randomizált kolonoszkópiás vizsgálatot említett. Szerinte a publikált eredmények gyakran nem jutnak el a betegellátásba: az egészségügyi rendszerek lassan változnak, szűkösek lehetnek a forrásaik, és nem szívesen fektetnek be olyan megoldásokba, amelyekben még nem bíznak teljesen.
Teljes betegmodellek és megelőzés
A résztvevők szerint a következő lépés olyan modellek kialakítása lehet, amelyek az elektronikus egészségügyi dokumentációt nyers képalkotó adatokkal, genomikai, proteomikai és környezeti kitettségi információkkal kapcsolják össze. Ezek idővel nemcsak a betegségek kockázatát, hanem azok lehetséges időzítését és a beavatkozások várható hatását is jobban becsülhetik.
Amini szerint ennek egyik alapvető nehézsége a biológia többszintű természete: a molekulák, sejtek, szövetek, szervek és az egész szervezet folyamatait kellene összefüggően kezelni. Topol szerint néhány eddigi modell már korlátozott adatokból is képes támpontot adni a betegség kialakulásának időzítéséhez, de nagy léptékben még hiányoznak a részletes, hosszú időn át gyűjtött betegadatok.
Topol úgy gondolja, hogy az érettebb teljes betegmodellek hamarabb megjelenhetnek, mint a különféle beavatkozásokra adott válaszokat széles körben előre jelző virtuális sejtek. A cél szerinte a kockázat közlésén túl a megelőzés támogatása lenne. Megjegyezte ugyanakkor, hogy az Egyesült Államokban a rövid távú biztosítási és finanszírozási ösztönzők gyakran nem kedveznek a hosszú távú megelőzésnek.
A kutatók nem tartották szükségesnek a biológia minden atomi részletének pontos megértését ahhoz, hogy hasznos modellek készüljenek. Amini szerint fontosabb meghatározni, milyen eredményekre van szükség egy felfedezéshez vagy kezelés javításához; Horvitz úgy vélte, a bizonytalanság mellett is jelentős előnyök érhetők el, ha jobban megértjük az ok-okozati összefüggéseket.
Az orvosok munkája és a kutatás korlátai
Topol szerint az orvosi beszélgetéseket dokumentáló MI-eszközök már terjednek az Egyesült Államokban, és csökkenthetik a klinikusok adminisztrációval töltött idejét. A digitális feljegyzések további feladatokat is támogathatnak, például vizsgálatok szervezését vagy a betegek emlékeztetését. A betegek közben chatbotokhoz is fordulnak kérdéseikkel és leleteik értelmezéséhez. Topol reménye szerint az időnyereség hozzájárulhat az orvos-beteg kapcsolat javításához.
A kutatásban az MI a laboratóriumi kísérletek előtt segíthet kiválasztani a legígéretesebb lehetőségeket. Amini szerint ez csökkentheti a felhasznált erőforrásokat és a felfedezéshez szükséges időt, de a valós kísérletek nem helyettesíthetők teljesen virtuális vizsgálatokkal. Horvitz kiemelte: a modellek abban is segíthetnek, hogy a rendelkezésre álló erőforrások mellett mely kísérletektől várható a legtöbb új információ.
A megfelelő adatok hiánya szintén korlát. Topol az AlphaFold példájánál a Protein Data Bank szerepét emelte ki. Amini hozzátette, hogy a fehérjék ott tárolt szerkezetei statikusak, miközben a fehérjék működése dinamikus. Szerinte több olyan adatra van szükség, amely a molekulák, sejtek és szövetek működését, illetve beavatkozásokra adott válaszát méri.
Amini ennek példájaként említette a Microsoft és a Broad Institute Project Ex Vivo együttműködését, amelyben a rákos sejtek állapotát kötik össze működésükkel, például az immunterápiával vagy célzott kezelésekkel szembeni ellenállással.
Immunrendszer, öregedés és tervezett biológia
Topol a teljes betegmodellek fontos hiányzó rétegének nevezte az immunrendszer részletes mérését. A Nature folyóiratban 2026. október 27-én megjelent írás kapcsán arról beszélt, hogy a csecsemőmirigy és az immunsejtek vizsgálata segíthet megérteni többek között a daganatokkal és az immunterápiára adott válasszal kapcsolatos összefüggéseket. Horvitz szerint az öregedés alapfolyamatainak jobb megértése egyszerre több, életkorhoz kötődő betegség megelőzését is előmozdíthatja.
A beszélgetés a szintetikus biológiára is kitért. Amini korábbi munkájában olyan genetikai áramköröket vizsgált E. coli baktériumokban, amelyek különböző kémiai bemenetek sorrendjére és kombinációjára reagálnak. A kutatók a jövő lehetőségeként beszéltek arról is, hogy MI segítségével meghatározott funkciókra lehessen biológiai rendszereket tervezni; az összetett új élőlények létrehozása azonban továbbra is távlati elképzelés.
Horvitz azt várja, hogy tíz éven belül az MI hozzájárulhat egyes halálos rákbetegségek krónikus betegséggé alakításához és az Alzheimer-kór késleltetéséhez. Topol ennél is szélesebb körű megelőzésben bízik. Mindketten jövőbeli várakozásként fogalmazták meg ezeket, miközben a beszélgetés hangsúlyozta: a betegellátásban elérhető eredményekhez adatokra, kísérleti igazolásra és tényleges bevezetésre lesz szükség.



