Νταλούκας Κ. – Παιδίατρος – ΑΙ Εφαρμογές στην Παιδιατρική

Εισαγωγικές παρατηρήσεις και έναρξη στρογγυλής τράπεζας Στο βίντεο από 00:00

Στην εισαγωγή της συνεδρίας από το προεδρείο τονίζεται η ραγδαία είσοδος της τεχνητής νοημοσύνης (Artificial Intelligence – AI) στην καθημερινότητα και στον χώρο της ιατρικής. Ενώ σε πολλούς κλάδους παρατηρείται αντικατάσταση εργασιακών ρόλων από συστήματα τεχνητής νοημοσύνης, στην ιατρική και ιδιαίτερα στην παιδιατρική, ο ανθρώπινος παράγοντας διατηρεί κεντρική σημασία. Υπογραμμίζεται η ανάγκη κατανόησης των νέων τεχνολογικών εργαλείων από την παιδιατρική κοινότητα προκειμένου να αξιοποιηθούν εποικοδομητικά.

Η εξέλιξη από το 2023: από την αναζήτηση στα μεγάλα γλωσσικά μοντέλα Στο βίντεο από 02:24

Από το 2023 και έπειτα σημειώθηκε θεμελιώδης αλλαγή στον τρόπο που ο χρήστης αλληλεπιδρά με το διαδίκτυο και ανακτά επιστημονική πληροφορία. Η παραδοσιακή αναζήτηση μέσω μηχανών όπως το Google (εισαγωγή λέξεων-κλειδιών και παράθεση λίστας ιστοσελίδων) έχει αντικατασταθεί σε μεγάλο βαθμό από τη συνομιλία με Μεγάλα Γλωσσικά Μοντέλα (Large Language Models – LLMs).

Τα μεγάλα γλωσσικά μοντέλα λειτουργούν ως υπερ-έξυπνες ψηφιακές βιβλιοθήκες που έχουν εκπαιδευτεί σε τεράστιο όγκο δεδομένων, διαθέτοντας την ικανότητα να απαντούν σε ερωτήματα φυσικής γλώσσας. Παρά την υψηλή τους απόδοση, τα μοντέλα αυτά απαιτούν συνεχή ανθρώπινη και επιστημονική επίβλεψη, καθώς εξακολουθούν να ενέχουν πιθανότητα σφάλματος («ψευδαισθήσεις» / hallucinations), αν και σε σημαντικά μειωμένο ποσοστό σήμερα.

Τα σημαντικότερα γενικά γλωσσικά μοντέλα

• ChatGPT (OpenAI): Το πλέον διαδεδομένο και πρωτοπόρο μοντέλο γενικής χρήσης.
• Grok (xAI / Elon Musk): Μοντέλο με δυνατότητα συνεχούς πρόσβασης σε δεδομένα πραγματικού χρόνου.
• LLaMA 3 (Meta): Ανοιχτού κώδικα υψηλής απόδοσης γλωσσικό μοντέλο.
• Claude 3 (Anthropic): Μοντέλο με εξαιρετική ικανότητα κατανόησης μεγάλων κειμένων και ασφαλείας.
• Gemini (Google): Το πολυτροπικό μοντέλο της Google με βαθιά ενσωμάτωση στο οικοσύστημά της.
• Perplexity: Μηχανή συνομιλιακής αναζήτησης βασισμένη σε LLMs με παράθεση πηγών.

Πολλά από τα σύγχρονα μοντέλα διαθέτουν επιλογή εις βάθος αναζήτησης (deep search), κατά την οποία εκτελούν σύνθετη διερεύνηση στο διαδίκτυο, αξιολογούν λογικά τα δεδομένα και συνθέτουν απαντήσεις. Επιπλέον, η κατανόηση και σύνταξη κειμένων στην ελληνική γλώσσα έχει βελτιωθεί θεαματικά σε σύγκριση με τα πρώτα στάδια ανάπτυξής τους.

Εξειδικευμένα εργαλεία τεχνητής νοημοσύνης για την ιατρική Στο βίντεο από 04:49

Πέρα από τα γενικά LLMs, υπάρχουν πλατφόρμες σχεδιασμένες για επιστημονική και ακαδημαϊκή χρήση:

1. Consensus.app (Consensus AI): Μηχανή αναζήτησης τεχνητής νοημοσύνης που αντλεί δεδομένα αποκλειστικά από peer-reviewed επιστημονικές δημοσιεύσεις. Έχει πρόσβαση σε περισσότερα από 200 εκατομμύρια ακαδημαϊκά άρθρα μέσω του Semantic Scholar, εξάγοντας συμπεράσματα και ποσοστά επιστημονικής συναίνεσης (consensus) χωρίς ανάγκη χρήσης εξειδικευμένων λέξεων-κλειδιών.
2. Napkin.ai: Εργαλείο που μετατρέπει αυτόματα γραπτό ιατρικό κείμενο σε οπτικά στοιχεία, διαγράμματα ροής (flowcharts), γραφήματα και infographics.
3. SciSpace: Πλατφόρμα σχεδιασμένη για διαχείριση, ανάλυση και κατανόηση επιστημονικών εργασιών από ερευνητές και ιατρούς.
4. NotebookLM (Google): Εξατομικευμένος βοηθός έρευνας βασισμένος στο Gemini. Επιτρέπει τη μεταφόρτωση τοπικών πηγών (PDFs, κείμενα, σύνδεσμοι YouTube, παρουσιάσεις) δημιουργώντας μια κλειστή, αξιόπιστη βάση δεδομένων που απαντά αποκλειστικά με βάση τα αρχεία που εισήγαγε ο χρήστης.

Εισαγωγή της τεχνητής νοημοσύνης στην παιδιατρική πράξη Στο βίντεο από 06:22

Η ενσωμάτωση της τεχνητής νοημοσύνης στην καθημερινή παιδιατρική φροντίδα μπορεί να υποστηρίξει τον κλινικό ιατρό σε πολλαπλά λειτουργικά επίπεδα του ιατρείου. Οι βασικοί τομείς εφαρμογής περιλαμβάνουν:

• Υποστήριξη φαρμάκων: Παροχή πληροφοριών και καθοδήγησης σχετικά με τη χορήγηση φαρμακευτικών σκευασμάτων και θεραπειών.
• Πρόσβαση σε ιατρικές γνώσεις: Άμεση πρόσβαση σε επικαιροποιημένες ιατρικές πληροφορίες, ερευνητικά δεδομένα και τεκμηριωμένες απαντήσεις σε σύνθετα ερωτήματα.
• Δημιουργία πρωτοκόλλων και αλγορίθμων: Ανάπτυξη εξατομικευμένων κλινικών πρωτοκόλλων και αλγορίθμων διαχείρισης βάσει επιστημονικής τεκμηρίωσης.
• Πρόσβαση σε επιστημονικές μελέτες: Άμεση διερεύνηση της διεθνούς βιβλιογραφίας για πρόσφατες επιστημονικές μελέτες και ιατρικές καινοτομίες.
• Εξατομικευμένες οδηγίες: Δημιουργία προσαρμοσμένων κατευθυντήριων οδηγιών για ασθενείς και γονείς, ενισχύοντας τη σύγχρονη τάση προς την εξατομικευμένη ιατρική.
• Επεξήγηση ιατρικών όρων: Αποσαφήνιση και ανάλυση σύνθετης ιατρικής ορολογίας και κλινικών θεμάτων.

Η τεχνολογία αυτή επιτρέπει, παράλληλα, την ταχύτατη και ακριβή επεξεργασία κλινικών εγγράφων, την αυτοματοποιημένη σύνταξη ενημερωτικών επιστολών προς γονείς σε πολλαπλές γλώσσες, καθώς και την ανάλυση εργαστηριακών και απεικονιστικών εξετάσεων σε πραγματικό χρόνο, με απώτερο στόχο την ενισχυμένη φροντίδα των ασθενών.

Δυνατότητες επεξεργασίας κειμένων

Ιδιαίτερα στον τομέα της ανάλυσης και επεξεργασίας κειμένων, τα μεγάλα γλωσσικά μοντέλα προσφέρουν εξειδικευμένες λειτουργίες:

• Κατανόηση κειμένου: Ανάλυση και κατανόηση του περιεχομένου με τρόπο ανάλογο της ανθρώπινης αντίληψης.
• Παραγωγή κειμένου: Σύνταξη κειμένων σε φυσικό ύφος γραφής, προσαρμοσμένο σε οποιοδήποτε επίπεδο πολυπλοκότητας (από αυστηρά επιστημονική γλώσσα μέχρι απλοποιημένη μορφή για μη ειδικούς).
• Διαδραστική επικοινωνία: Αμφίδρομη επικοινωνία μέσω φυσικής γλώσσας, τόσο σε γραπτό όσο και σε προφορικό λόγο, επιτρέποντας φωνητικές εντολές και ηχητικές απαντήσεις.
• Μετάφραση: Άμεση μετάφραση κειμένων και ιατρικών γνωματεύσεων στις περισσότερες διεθνείς γλώσσες.
• Δημιουργικότητα και ακρίβεια: Παραγωγή περιεχομένου με υψηλή συντακτική και νοηματική ακρίβεια.
• Εξαγωγή πληροφοριών: Εντοπισμός και απομόνωση βασικών εννοιών και κλινικών πληροφοριών από πολυσέλιδα ιατρικά έγγραφα.

Κλινικά παραδείγματα: υπερηχογράφημα ισχίων, εξανθήματα και γενετικός έλεγχος Στο βίντεο από 09:29

Παράδειγμα 1: αξιολόγηση υπερηχογραφήματος ισχίων κατά Graf [09:34]

Σε περιστατικό βρέφους όπου οι γονείς προσκόμισαν πόρισμα υπερηχογραφήματος ισχίων με αναγραφή τιμών κατά Graf, η ιατρική γνωμάτευση μεταφορτώθηκε στο ChatGPT με αίτημα κλινικής αξιολόγησης.

Το μοντέλο προχώρησε στα εξής:

• Κλινική εκτίμηση: Αναγνώρισε αναπτυξιακή ανωριμότητα ισχίων τύπου IIa κατά Graf άμφω (φυσιολογική παραλλαγή πρώτου τριμήνου ζωής, η οποία χρήζει παρακολούθησης).
• Ανάλυση ευρημάτων: Ανέλυσε τις γωνίες alpha και beta για το δεξιό και αριστερό ισχίο.
• Προτεινόμενες ενέργειες: Σύσταση για ορθοπαιδική εκτίμηση, επανάληψη υπερηχογραφήματος σε 4 εβδομάδες και τακτική κλινική παρακολούθηση με δοκιμασίες Ortolani και Barlow.
• Τεκμηρίωση: Παρέθεσε τη σχετική βιβλιογραφία (Graf R., 1980 και κατευθυντήριες οδηγίες της Αμερικανικής Ακαδημίας Παιδιατρικής – AAP, Pediatrics) και δήλωσε επίπεδο εμπιστοσύνης 95%.
• Επικοινωνία με γονείς: Συνέταξε άμεσα ολοκληρωμένη παραπεμπτική και ενημερωτική επιστολή προς τους γονείς στα ελληνικά, καθώς και πιστή μετάφρασή της στα ιταλικά και κινεζικά (μανδαρινικά).

Παράδειγμα 2: αξιολόγηση εξανθήματος και διαφορική διάγνωση [13:08]

Μητέρα που διαμένει στην Αγγλία απέστειλε φωτογραφία της ράχης του παιδιού της με φυσαλιδώδες εξάνθημα, εκφράζοντας ανησυχία για ανεμοβλογιά λόγω επαφής με μη εμβολιασμένα παιδιά στο σχολείο.

Η εικόνα υποβλήθηκε σε ανάλυση στο ChatGPT:

• Μορφολογική ανάλυση: Το σύστημα εντόπισε ερυθηματώδεις βλατίδες και κνιδωτικές βλάβες, σημειώνοντας ωστόσο ότι οι βλάβες δεν παρουσίαζαν την τυπική πολυμορφία (ταυτόχρονη παρουσία κηλίδων, βλατίδων, φυσαλίδων και εφελκίδων σε διαφορετικά στάδια) που χαρακτηρίζει την κλασική ανεμοβλογιά.
• Διαφορική διάγνωση:
  1. Τροποποιημένη ανεμοβλογιά (breakthrough varicella) σε περίπτωση που το παιδί είχε λάβει μία δόση εμβολίου (ηπιότερη κλινική εικόνα με λιγότερες βλάβες).
  2. Δερματίτιδα από δήγματα εντόμων.
  3. Κνιδωτικές/αλλεργικές αντιδράσεις.
  4. Άλλα ιογενή εξανθήματα.
• Συστάσεις: Κλινική επανεξέταση εφόσον εμφανιστούν νέες βλάβες ή διενέργεια PCR για ιό ανεμοβλογιάς-ζωστήρα (VZV) εάν απαιτείται εργαστηριακή επιβεβαίωση.

Παράδειγμα 3: αποκωδικοποίηση WGS και καρυοτύπου σε βρέφος με νευροαναπτυξιακή καθυστέρηση [14:37]

Βρέφος 3 μηνών με συγγενή μικροκεφαλία (< 3η εκατοστιαία θέση), χαμηλό βάρος γέννησης, δυσκολία σίτισης και ήπια αναπτυξιακή καθυστέρηση αδρής κινητικότητας και λόγου υποβλήθηκε σε αλληλούχιση ολόκληρου του γονιδιώματος (Whole Genome Sequencing – WGS) και καρυότυπο.

Η ιατρική έκθεση μεταφορτώθηκε στο μοντέλο:

• Γενετική διάγνωση: Το σύστημα διευκρίνισε ότι πρόκειται για σύνδρομο 48,XXXY (παραλλαγή συνδρόμου Klinefelter), επισημαίνοντας την πλήρη, μη μωσαϊκή μορφή του (48,XXXY σε όλα τα κύτταρα).
• Κλινικά χαρακτηριστικά: Ανέλυσε τα αναμενόμενα ευρήματα (ήπια έως μέτρια νοητική υστέρηση, κινητική καθυστέρηση, καθυστέρηση λόγου, δυσμορφικά χαρακτηριστικά προσώπου, σκελετικές ανωμαλίες, υποπλασία γεννητικών οργάνων).
• Πρόγνωση: Με βάση ερωτηματολόγιο ψυχοκινητικής εξέλιξης σε ηλικία 16 μηνών που εισήχθη στο σύστημα, εκτίμησε ότι η απουσία ενδείξεων αυτιστικού φάσματος και η παρουσία φωνητικής και κοινωνικής ανταπόκρισης αποτελούν θετικούς προγνωστικούς δείκτες για την κατάκτηση λειτουργικού λόγου.
• Παρεμβάσεις: Σύσταση για επιβεβαίωση με συμβατικό καρυότυπο (καθώς το WGS ενδέχεται να μην αναδεικνύει αξιόπιστα χαμηλόβαθμο μωσαϊκισμό), γενετική συμβουλευτική, πρώιμη πολυπαραγοντική παρέμβαση (λογοθεραπεία, εργοθεραπεία) και αναπτυξιακή υποστήριξη.

Δημιουργία πρωτοκόλλων και αλγορίθμων στο ιατρείο Στο βίντεο από 19:56

Μέσω κατάλληλων προτροπών (prompts), η τεχνητή νοημοσύνη μπορεί να δομήσει λεπτομερείς κλινικούς πίνακες για άμεση χρήση στο γραφείο:

Πρωτόκολλο αντιμικροβιακής αγωγής παιδιατρικών λοιμώξεων

Σύνθεση πίνακα που περιλαμβάνει:

• Συχνότερες λοιμώξεις (οξεία μέση ωτίτιδα, στρεπτοκοκκική φαρυγγοαμυγδαλίτιδα, πνευμονία, ουρολοίμωξη κ.ά.).
• Αντιβιοτικό εκλογής πρώτης γραμμής.
• Δοσολογία σε mg/kg/ημέρα και κατανομή δόσεων.
• Μέγιστη ημερήσια δόση.
• Εναλλακτικά σχήματα σε περιπτώσεις αλλεργίας (π.χ. σε πενικιλλίνη).

Λοίμωξη	Αντιβιοτικό εκλογής	Δοσολογία (mg/kg/ημέρα)	Μέγιστη δόση	Εναλλακτική θεραπεία
Οξεία μέση ωτίτιδα	Αμοξυκιλλίνη / κλαβουλανικό (amoxicillin/clavulanic acid)	80–90 mg/kg/ημέρα σε 2 δόσεις	4 g/ημέρα	Κεφουροξίμη (cefuroxime), Κλαριθρομυκίνη (clarithromycin)
Στρεπτοκοκκική φαρυγγίτιδα	Αμοξυκιλλίνη	50 mg/kg/ημέρα σε 1–2 δόσεις	1 g/ημέρα	Κλαριθρομυκίνη, Αζιθρομυκίνη (azithromycin)
Πνευμονία κοινότητας	Αμοξυκιλλίνη	80–90 mg/kg/ημέρα σε 3 δόσεις	4 g/ημέρα	Αμπικιλλίνη (ampicillin), Κεφτριαξόνη (ceftriaxone)

Πρωτόκολλο εργαστηριακού ελέγχου σιδηροπενίας σε πρόωρα βρέφη [21:05]

Δημιουργία πρωτοκόλλου παρακολούθησης:

• Χρόνος εκτέλεσης: Έναρξη ελέγχου στις 4–8 εβδομάδες ζωής ή κατά την έξοδο από τη ΜΕΝΝ.
• Απαραίτητες εξετάσεις: Γενική αίματος (Hb, Hct, MCV, MCH, RDW), δικτυοερυθροκύτταρα (ΔΕΚ), φερριτίνη ορού, σίδηρος ορού και ολική σιδηροδεσμευτική ικανότητα (TIBC).
• Θεραπευτική αγωγή: Προληπτική χορήγηση στοιχειακού σιδήρου (2–4 mg/kg/ημέρα) ή θεραπευτική (3–6 mg/kg/ημέρα) σε διαλυτή μορφή (θειικός σίδηρος ή γλυκονικός σίδηρος).

Αλγόριθμος αντιμετώπισης αλλεργικών αντιδράσεων και αναφυλαξίας [22:15]

Σύνθεση βημάτων διαλογής και θεραπείας:

1. Λήψη ιστορικού και αναγνώριση σημείων εμπλοκής αναπνευστικού ή κυκλοφορικού συστήματος.
2. Ήπιες αντιδράσεις (κνίδωση, κνησμός): Χορήγηση αντιισταμινικών δεύτερης γενιάς από του στόματος.
3. Σοβαρές αντιδράσεις / Αναφυλαξία: Άμεση ενδομυϊκή χορήγηση επινεφρίνης (αδρεναλίνης) στον προσθιοπλάγιο μηρό, κλήση επείγουσας βοήθειας, χορήγηση οξυγόνου και ενδοφλέβιων υγρών, δευτερευόντως κορτικοειδή και β₂-διεγέρτες.

Σύγκριση μοντέλων: Grok και Gemini Στο βίντεο από 23:37

• Grok: Παρουσιάζει το πλεονέκτημα της άμεσης ενημέρωσης σε πραγματικό χρόνο (μέσω των δεδομένων της πλατφόρμας X), ωστόσο υστερεί συγκριτικά με το ChatGPT στη δόμηση συνεκτικών επιστημονικών πρωτοκόλλων και κάνει συχνότερα λάθη στη σύνθεση σύνθετων οδηγιών.
• Gemini: Αξιοποιεί τις δυνατότητες της Google, υποστηρίζοντας λειτουργία εις βάθος αναζήτησης (deep search). Κατά την επεξεργασία ιατρικών ερωτημάτων (όπως προληπτικός εργαστηριακός έλεγχος ρουτίνας στην παιδιατρική), αναζητά δεδομένα για αρκετά λεπτά και συνθέτει εκτενή, τεκμηριωμένα κείμενα.

Το εργαλείο NotebookLM και η εξατομικευμένη επεξεργασία πηγών Στο βίντεο από 24:16

Ένα εξαιρετικό εργαλείο τεχνητής νοημοσύνης (AI) σε τοπικό επίπεδο, σχεδιασμένο από την Google με βάση το μοντέλο Gemini, είναι το NotebookLM. Πρόκειται για έναν εξατομικευμένο βοηθό έρευνας (Personalized AI Research Assistant) που υποστηρίζει την αρχή «Think Smarter, Not Harder». Απευθύνεται τόσο στη συνεχιζόμενη εκπαίδευση των παιδιάτρων όσο και στην εκπαίδευση φοιτητών ή ειδικευόμενων.

Το σύστημα δέχεται ως πρωτογενείς πηγές (sources) ευρεία γκάμα αρχείων:

• Έγγραφα PDF
• Συνδέσμους και περιεχόμενο από βίντεο του YouTube
• Απλά κείμενα
• Παρουσιάσεις PowerPoint
• Αρχεία και έγγραφα Google Docs

Ο χρήστης έχει τη δυνατότητα να τροφοδοτήσει το ψηφιακό σημειωματάριο (notebook) με έως και 50 διαφορετικές πηγές, δημιουργώντας μια κλειστή, αξιόπιστη βάση δεδομένων επί της οποίας θα κινηθεί η τεχνητή νοημοσύνη.

Δομή διεπαφής και λειτουργίες του NotebookLM

Η διεπαφή του NotebookLM οργανώνεται σε τρεις κύριες στήλες:

1. Αριστερή στήλη (Πηγές – Sources): Εμφανίζονται τα μεταφορτωμένα αρχεία και οι επιλεγμένες πηγές (π.χ. επιστημονικά άρθρα, κατευθυντήριες οδηγίες, βιβλιογραφικές αναφορές).
2. Μεσαία στήλη (Σύνοψη και συνομιλία – Chat): Περιλαμβάνει μια αυτόματη γενική σύνοψη του περιεχομένου των επιλεγμένων πηγών. Στο κάτω μέρος υπάρχει πεδίο υποβολής ερωτήσεων, όπου ο παιδίατρος μπορεί να θέσει εξειδικευμένα κλινικά ή θεωρητικά ερωτήματα σχετικά με τις πηγές του. Το σύστημα προτείνει επίσης έτοιμες σχετικές ερωτήσεις.
3. Δεξιά στήλη (Σημειώσεις – Studio): Επιτρέπει την αποθήκευση σημαντικών αποσπασμάτων, περιλήψεων ή απαντήσεων σε μορφή σημειώσεων (notes) με το πάτημα του αντίστοιχου εικονιδίου, καθώς και τη χειροκίνητη προσθήκη προσωπικών παρατηρήσεων.

Επιπλέον, το σύστημα διαθέτει οδηγό μελέτης (Study Guide), ο οποίος μπορεί να δημιουργήσει αυτόματα κουίζ αξιολόγησης γνώσεων με ερωτήσεις πολλαπλής επιλογής και απαντήσεις βάσει των πηγών που έχουν αναλυθεί, προσφέροντας εξαιρετική βοήθεια στη διδασκαλία εκπαιδευόμενων.

Παράδειγμα εφαρμογής: θεραπεία ομφαλικού κοκκιώματος με αλάτι Στο βίντεο από 27:20

Για την επίδειξη των δυνατοτήτων του NotebookLM στην παιδιατρική πράξη, επιλέχθηκε ως παράδειγμα η θεραπεία του ομφαλικού κοκκιώματος στα νεογνά με τη χρήση επιτραπέζιου άλατος.

Εννοιολογική χαρτογράφηση (mind map)

Μεταφορτώθηκαν στο σύστημα 10 σχετικές επιστημονικές πηγές (άρθρα, μελέτες και ανασκοπήσεις). Μέσω της λειτουργίας δημιουργίας εννοιολογικού χάρτη (Mind Map), το NotebookLM συνέθεσε ένα δενδροδιάγραμμα πολλαπλών επιπέδων:

• Κεντρικός κόμβος: Θεραπεία ομφαλικού κοκκιώματος με αλάτι.
• Δευτερεύοντες κόμβοι (μπλε πλαίσια):
  • Ορισμός κοκκιώματος
  • Επιδημιολογία
  • Διαφορική διάγνωση (διαχωρισμός από ομφαλική κύστη, παραμονή ομφαλομεσεντερικού πόρου κ.λπ.)
  • Τρόπος εφαρμογής άλατος
  • Παρενέργειες
  • Ποσοστά επιτυχίας
• Τελικοί κόμβοι (πράσινα πλαίσια): Επιμέρους κλινικές λεπτομέρειες. Για παράδειγμα, επιλέγοντας τον κόμβο της αποτελεσματικότητας, αναδεικνύεται τεκμηριωμένα ότι το ποσοστό επιτυχίας της τοπικής εφαρμογής άλατος κυμαίνεται μεταξύ 90% και 100%.

Κάνοντας κλικ σε οποιοδήποτε σημείο του διαγράμματος, η μεσαία στήλη αναπτύσσει άμεσα το πλήρες κείμενο της τεκμηρίωσης. Κάθε πληροφορία συνοδεύεται από αριθμημένες παραπομπές σε γκρι παρένθεση. Με επιλογή της παραπομπής, εμφανίζεται η ακριβής βιβλιογραφική αναφορά και το απόσπασμα από το αρχικό πρωτότυπο άρθρο που έχει εισαχθεί.

Δημιουργία ηχητικής επισκόπησης (audio overview / podcast)

Μία από τις πλέον πρωτοποριακές λειτουργίες του NotebookLM είναι η δημιουργία ηχητικής επισκόπησης (Audio Overview) με τη μορφή ραδιοφωνικής εκπομπής (podcast). Το σύστημα συνθέτει μια ζωντανή συνομιλία μεταξύ δύο εικονικών παρουσιαστών (ενός άνδρα και μιας γυναίκας), οι οποίοι συζητούν, αναλύουν και αντιπαραθέτουν τα επιστημονικά δεδομένα των πηγών με φυσικότητα, άριστη προφορά και δομημένη ροή στα ελληνικά.

Στο συγκεκριμένο παράδειγμα, οι εικονικοί ομιλητές αναλύουν τι είναι το ομφαλικό κοκκίωμα (υπερπλαστικός ιστός μετά την πτώση του ομφάλιου λώρου), τη διαφορική διάγνωση και τον τρόπο με τον οποίο το απλό μαγειρικό αλάτι αποτελεί μια απρόσμενα απλή, ασφαλή και αποτελεσματική θεραπευτική επιλογή.

Ακαδημαϊκή έρευνα με το Consensus AI Στο βίντεο από 29:37

Το Consensus.ai είναι μια εξειδικευμένη πλατφόρμα τεχνητής νοημοσύνης σχεδιασμένη αποκλειστικά για την επιστημονική και ακαδημαϊκή έρευνα, η οποία αναζητά απαντήσεις μέσα σε περισσότερα από 200 εκατομμύρια δημοσιευμένα επιστημονικά άρθρα (μέσω δεδομένων του Semantic Scholar).

Αναζήτηση και μέτρηση επιστημονικής συναίνεσης (consensus meter)

Σε αντίθεση με τις κοινές μηχανές αναζήτησης λέξεων-κλειδιών, στο Consensus.ai υποβάλλεται ένα σαφές κλινικό ή ερευνητικό ερώτημα (π.χ. «Are antibiotics or pelvic floor electrical effects effective for non-surgery treatment for vesicoureteral reflux?» ή ερωτήματα σχετικά με τις τρέχουσες κατευθυντήριες οδηγίες για την κυστεοουρητηρική παλινδρόμηση – VUR).

Τα βασικά χαρακτηριστικά της πλατφόρμας περιλαμβάνουν:

• Consensus Meter: Γραφική απεικόνιση του βαθμού συμφωνίας της διεθνούς βιβλιογραφίας επί του ερωτήματος, κατηγοριοποιώντας τα αποτελέσματα των μελετών σε θετικά («Ναι»), αρνητικά («Όχι») ή ενδιάμεσα/αμφιλεγόμενα.
• Σύνοψη τεκμηρίωσης: Σύντομη περίληψη των επικρατούντων δεδομένων με ταυτόχρονη παράθεση των κορυφαίων μελετών.
• Διαδραστικές παραπομπές: Κάθε ισχυρισμός συνδέεται με αριθμημένη παραπομπή. Με κλικ στην παραπομπή, εμφανίζεται η ταυτότητα του άρθρου (τίτλος, συγγραφείς, περιοδικό, έτος, ένδειξη peer-reviewed, αναφορές) και υπάρχει άμεση πρόσβαση στο πλήρες κείμενο της μελέτης.

Ερευνητική τεκμηρίωση με το Consensus.ai και οπτικοποίηση με το Napkin.ai Στο βίντεο από 30:20

• Consensus.ai: Στο ερώτημα σχετικά με τις ισχύουσες κατευθυντήριες οδηγίες για την κυστεοουρητηρική παλινδρόμηση (ΚΟΥΠ / VUR), η πλατφόρμα εξάγει γραφικό μετρητή συναίνεσης (Consensus meter) που δείχνει το ποσοστό των δημοσιεύσεων που συμφωνούν ή διαφωνούν με μια παρέμβαση (π.χ. προφυλακτική αντιβίωση έναντι χειρουργικής διόρθωσης), παραθέτοντας συνδέσμους απευθείας στα πρωτότυπα άρθρα.
• Napkin.ai: Επιτρέπει την επικόλληση ιατρικού κειμένου (π.χ. στρατηγικές πρόληψης και προαγωγής ψυχικής υγείας στην παιδιατρική) και το μετατρέπει σε πλήρως παραμετροποιήσιμα διανυσματικά γραφήματα, διαγράμματα σταδίων και παρουσιάσεις.

Η κατάσταση του παιδιάτρου στην Ελλάδα και η πρόκληση της τεχνητής νοημοσύνης Στο βίντεο από 33:03

Η άσκηση της παιδιατρικής στην Ελλάδα βρίσκεται αντιμέτωπη με πολυεπίπεδες πιέσεις στο σύγχρονο κοινωνικοοικονομικό περιβάλλον. Το επάγγελμα του παιδιάτρου καταγράφει συνθήκες υπερπληθώρας επιστημόνων, τάσεις υπαλληλοποίησης στον ιδιωτικό τομέα και έντονο ανταγωνισμό από μεγάλα ιδιωτικά νοσηλευτικά ιδρύματα, ιδίως στα αστικά κέντρα όπως η Αθήνα. Ταυτόχρονα, παρατηρούνται σοβαρές ελλείψεις στελέχωσης στο Εθνικό Σύστημα Υγείας (ΕΣΥ), διατηρούνται χαμηλά επίπεδα αμοιβών συγκριτικά με τα ευρωπαϊκά δεδομένα και συνεχίζεται η διαρροή ιατρικού δυναμικού προς το εξωτερικό (brain drain).

Μέσα σε αυτό το ήδη επιβαρυμένο τοπίο, εισάγεται η δυναμική της τεχνητής νοημοσύνης (Artificial Intelligence – AI). Στο πλαίσιο αυτό, τέθηκε απευθείας στα μοντέλα τεχνητής νοημοσύνης το ερώτημα: κατά πόσο είναι υπαρκτός ο κίνδυνος να αντικατασταθεί ο παιδίατρος της πρωτοβάθμιας φροντίδας υγείας (ΠΦΥ) από εξελιγμένα λογισμικά AI ή από άλλους επαγγελματίες υγείας μη ιατρούς (όπως νοσηλευτές ή επισκέπτες υγείας) οι οποίοι θα υποστηρίζονται από εργαλεία αλγοριθμικής καθοδήγησης.

Το μέλλον της παιδιατρικής σύμφωνα με την τεχνητή νοημοσύνη Στο βίντεο από 33:50

Η προοπτική του κλάδου, όπως αναλύεται και συντίθεται από τα ίδια τα γλωσσικά μοντέλα, διαμορφώνεται σε τέσσερις βασικούς άξονες:

1. Μετασχηματισμός και όχι εξάλειψη: Η πιθανή μετατόπιση ορισμένων δραστηριοτήτων της πρωτοβάθμιας φροντίδας σε επαγγελματίες υγείας μη γιατρούς με τη βοήθεια εργαλείων AI δεν πρόκειται να καταργήσει το ιατρικό επάγγελμα, αλλά αναμένεται να επιφέρει ριζικές τροποποιήσεις στον τρόπο άσκησής του.
2. Διαφοροποίηση της ζήτησης: Οι παιδίατροι ενδέχεται να καταγράψουν μείωση της ζήτησης για απλές, καθημερινές και βασικές υπηρεσίες ρουτίνας. Αντίθετα, η κλινική εμπειρία, η συναισθηματική νοημοσύνη, η ανθρώπινη ενσυναίσθηση και η εξειδικευμένη κρίση στην αντιμετώπιση περίπλοκων και ασαφών περιπτώσεων παραμένουν αναντικατάστατες.
3. Τεχνολογική προσαρμογή: Η επιτυχής ενσωμάτωση των νέων τεχνολογιών στην καθημερινή πρακτική και η εστίαση σε ρόλους υψηλότερης εξειδίκευσης αποτελούν τη στρατηγική επιλογής ώστε οι παιδίατροι να θωρακίσουν και να ενισχύσουν τον ρόλο τους μέσα στο υγειονομικό οικοσύστημα.
4. Οι ιδιαιτερότητες της ελληνικής πραγματικότητας: Στην Ελλάδα, οι αλλαγές αυτές αναμένεται να εφαρμοστούν με βραδύτερο ρυθμό. Οι παράγοντες που επιβραδύνουν τη μετάβαση αφορούν τόσο τις υφιστάμενες ελλείψεις στις ψηφιακές υποδομές όσο και τη βαθιά ριζωμένη κουλτούρα εμπιστοσύνης της ελληνικής οικογένειας προς το πρόσωπο του παιδιάτρου ως αποκλειστικού θεραπευτή και συμβούλου.

Συζήτηση και σχόλια από το κοινό: κλινική εμπειρία, ασθενείς και μεροληψία αλγορίθμων Στο βίντεο από 34:35

Στη συζήτηση που ακολούθησε την ομιλία, υπό τον συντονισμό του Προέδρου Δημητρίου Φούσκα, κατατέθηκαν ουσιώδεις παρατηρήσεις από παιδιάτρους του ακροατηρίου:

Η κλινική εμπειρία απέναντι στην πληροφόρηση των γονέων

Επισημάνθηκε το φαινόμενο προσέλευσης γονέων στο ιατρείο οι οποίοι εμφανίζονται προσχηματικά ενημερωμένοι έπειτα από εκτενή χρήση μοντέλων AI (όπως το ChatGPT). Αναφέρθηκε χαρακτηριστικό κλινικό παράδειγμα μητέρας που προσήλθε πανικοβλημένη για εμπύρετο τριημέρου με εξάνθημα, έχοντας αναζητήσει σύνθετες διαγνώσεις και διερωτώμενη εάν απαιτείται προληπτική χορήγηση ενέσιμης αδρεναλίνης κατ' οίκον. Ο κλινικός ιατρός αναγκάστηκε να αφιερώσει σημαντικό χρόνο για να αποδομήσει τον άσκοπο πανικό. Οι γονείς έχουν πλέον πρόσβαση σε υπερπληθώρα δεδομένων, όμως στερούνται της 20ετούς ή 30ετούς κλινικής εμπειρίας που απαιτείται για να ιεραρχήσουν τα ευρήματα. Χωρίς το κλινικό υπόβαθρο, η χρήση AI από μη ειδικούς οδηγεί συχνά σε σύγχυση, αποπροσανατολισμό και τεχνητή όξυνση του άγχους.

Διεθνή μοντέλα παροχής φροντίδας και επιπτώσεις σε άλλες ειδικότητες

Τέθηκε ο προβληματισμός για τις διεθνείς υπηρεσίες τηλεϊατρικής (όπως προγράμματα τηλεφροντίδας μεγάλων πολυεθνικών εταιρειών τεχνολογίας και διανομής, π.χ. Amazon Health στις ΗΠΑ), όπου οι χρήστες λαμβάνουν συμβουλευτική μέσω AI και νοσηλευτικού προσωπικού, με ταυτόχρονη παράδοση φαρμάκων κατ' οίκον την επομένη ημέρα. Σημειώθηκε ότι σε χώρες όπου η άμεση πρόσβαση σε γιατρό είναι δυσπρόσιτη ή ιδιαίτερα δαπανηρή, τέτοια μοντέλα κερδίζουν έδαφος. Παράλληλα, αναφέρθηκε το παράδειγμα της ακτινολογίας, όπου η ικανότητα των συστημάτων μηχανικής μάθησης να ανιχνεύουν παθολογικά μοτίβα σε απεικονιστικές εξετάσεις αναμένεται να αναδιατάξει ριζικά τον ρόλο του ανθρώπινου παράγοντα, μειώνοντας δραστικά τον απαιτούμενο αριθμό γνωμοδοτούντων ιατρών.

Το ζήτημα της αλγοριθμικής μεροληψίας (algorithmic bias)

Τέθηκε το πρόβλημα της ενσωματωμένης ιδεολογικής ή προγραμματιστικής μεροληψίας των μοντέλων τεχνητής νοημοσύνης. Αναφέρθηκε παράδειγμα αναζήτησης επιστημονικής βιβλιογραφίας σχετικά με τη βιολογία και τη συχνότητα περιστατικών ενδοοικογενειακής βίας σε διαφορετικές κατηγορίες ζευγαριών (ετερόφυλα έναντι ομόφυλων), με αφορμή τη συζήτηση για την υιοθεσία. Ενώ ορισμένα συστήματα (όπως το ChatGPT) επέδειξαν απροθυμία απάντησης ή παρουσίασαν επιλεκτικά φιλτραρισμένες θέσεις βασισμένες σε κοινωνικές νόρμες πολιτικής ορθότητας, άλλα μοντέλα (όπως το Grok) παρέθεσαν απευθείας επιστημονικές πηγές, στατιστικά στοιχεία και πρωτογενή δεδομένα. Υπογραμμίστηκε έτσι η ανάγκη κριτικού ελέγχου των πηγών, διασταύρωσης των απαντήσεων και χρήσης πολλαπλών εργαλείων AI.

Η αξία της ιατρικής ερμηνείας, η εκπαίδευση και οι προοπτικές στην πρωτοβάθμια φροντίδα Στο βίντεο από 38:03

Απαντώντας στα σχόλια του κοινού, υπογραμμίστηκαν οι εξής κρίσιμες παράμετροι:

• Η σημασία της κατάλληλης διατύπωσης (prompting) και η ιατρική ερμηνεία: Το αποτέλεσμα που παρέχει ένα μεγάλο γλωσσικό μοντέλο εξαρτάται άμεσα από την ποιότητα, τη σαφήνεια και την κλινική ακρίβεια της εντολής (prompt) που θα λάβει. Ένας πολίτης ή γονέας αδυνατεί να περιγράψει ένα σύμπτωμα με τους κατάλληλους ιατρικούς όρους ή να αξιολογήσει τα συνοδά σημεία. Αντίθετα, ο παιδίατρος γνωρίζει ποια ακριβώς δεδομένα πρέπει να εισαγάγει για να λάβει έγκυρη και επιστημονικά τεκμηριωμένη εκτίμηση.
• Κλινικό περιστατικό διαχείρισης άγχους ασθενούς: Αναφέρθηκε πρόσφατο παράδειγμα 13χρονης ασθενούς με κοιλιακό άλγος. Το κορίτσι και η μητέρα του εισήγαγαν τα συμπτώματα στο ChatGPT και τρομοκρατήθηκαν από τις δυνητικές διαγνώσεις βαριάς παθολογίας που προέκυψαν. Η παρέμβαση του παιδιάτρου υπήρξε καθοριστική, εξηγώντας στην οικογένεια ότι η ανάλυση, η μετάφραση και η ερμηνεία των συμπτωμάτων είναι αποκλειστικό καθήκον του θεράποντος ιατρού και δεν μπορούν να εξαχθούν μηχανιστικά από έναν αλγόριθμο.
• Ο κίνδυνος εξάρτησης του ιατρού: Επισημάνθηκε ότι ελλοχεύει υπαρκτός κίνδυνος υπερβολικής εξάρτησης των ίδιων των επαγγελματιών υγείας από την τεχνητή νοημοσύνη, εφόσον υιοθετούν άκριτα τις προτάσεις της. Η τεχνολογία οφείλει να παραμείνει ψηφιακός βοηθός και σύμβουλος, χωρίς να υποκαθιστά τη σκέψη και την τελική ευθύνη του κλινικού.
• Εργαλείο διαρκούς ιατρικής εκπαίδευσης: Η καθημερινή αλληλεπίδραση με τα συστήματα AI λειτουργεί ως προηγμένο μέσο συνεχούς επαγγελματικής μάθησης. Η αναζήτηση διαφοροδιαγνωστικών επιλογών, πρωτοκόλλων και πρόσφατων δημοσιεύσεων μέσω εξειδικευμένων εργαλείων προσφέρει ταχύτατη πρόσβαση στη γνώση, εξοικονομώντας χρόνο και βελτιώνοντας την ετοιμότητα του ιατρού.
• Αναβάθμιση της φροντίδας στην ελληνική περιφέρεια: Ιδιαίτερη έμφαση δόθηκε στην προοπτική αξιοποίησης της AI στις απομακρυσμένες, νησιωτικές και άγονες περιοχές της Ελλάδας. Σε κοινότητες όπου υπηρετεί αποκλειστικά αγροτικός ή γενικός ιατρός χωρίς άμεση φυσική παρουσία παιδιάτρου, τα συστήματα αυτά μπορούν να προσφέρουν κλινική καθοδήγηση, συμβάλλοντας καθοριστικά στην ποιοτική αναβάθμιση των παρεχόμενων υπηρεσιών υγείας προς τα παιδιά.
• Ραγδαία εξέλιξη των εργαλείων: Υπογραμμίστηκε ότι η τεχνητή νοημοσύνη αναπτύσσεται με καταιγιστικούς ρυθμούς. Ήδη κατασκευάζονται διαδραστικά συνθετικά πρόσωπα, ρεαλιστικές ανθρώπινες φωνές και πολυμεσικό περιεχόμενο, ενώ επίκειται πλήρης ενσωμάτωση της AI στις ηλεκτρονικές επικοινωνίες, στα ιατρικά λογισμικά και στις δημόσιες υπηρεσίες υγείας.

Η τεχνητή νοημοσύνη έχει ήδη εγκατασταθεί στην καθημερινότητα και αποτελεί ισχυρό συνεργάτη της ιατρικής κοινότητας, υπό την απαράβατη προϋπόθεση ότι ο έλεγχος, η αξιολόγηση και η τελική απόφαση παραμένουν στον άνθρωπο-ιατρό.