OpenAI o1 wykazał przewagę nad lekarzami w diagnozowaniu skomplikowanych przypadków na oddziałach ratunkowych
Badanie Harvardu i Stanforda opublikowane w Science wykazało, że najnowszy model LLM OpenAI o1 trafnie diagnozuje 78,3% skomplikowanych przypadków klinicznych, przewyższając lekarzy. Największą przewagę AI wykazuje na etapie wstępnej segregacji przy minimalnej ilości informacji o pacjencie.
Jako osoba, która od siedmiu lat obserwuje wyścig algorytmów medycznych od wewnątrz branży, powiem tak: Harvard i Stanford właśnie opublikowali nie tylko badanie. Opublikowali manifest o końcu „złotej ery” intuicji lekarskiej w medycynie ratunkowej. Artykuł w Science to elegancko sformułowana kapitulacja człowieka przed maszyną w najbardziej chaotycznym miejscu szpitala, ale pod tą kapitulacją kryje się układ, który przerobi budżet Medicare.
Sedno: co naprawdę się dzieje
Przeciętny człowiek widzi liczbę 78,3% i myśli: „Robot stawia diagnozy lepiej niż lekarz”. To powierzchowne spojrzenie. Prawdziwa rewolucja polega na tym, że OpenAI o1 wygrywa nie dzięki wiedzy, ale dzięki odporności na „szum informacyjny”.
Gdy pacjent trafia na izbę przyjęć z bólem brzucha, nie ma przy sobie starannego wypisu z podręcznika. Jest zestaw chaotycznych skarg, ataków paniki i rozmazanych wyników badań. Lekarz w tym momencie uruchamia „heurystykę dostępności”: widzi otyłego pacjenta z bólami – myśli o woreczku żółciowym, widzi imigranta – podświadomie skanuje w kierunku gruźlicy. To zniekształcenia poznawcze wypalone w neuronach przez tysiące godzin praktyki.
o1-preview, w przeciwieństwie do nas, nie podlega „heurystyce afektywnej”. Badanie wykazało, że w punkcie segregacji (triage), gdy informacji jest najmniej, AI osiągnęło dokładność 67,1% wobec 50–55% u żywych lekarzy. To nie tylko różnica 12–17 punktów procentowych. To dowód na to, że LLM przetwarza „ciszę” w danych lepiej niż człowiek. Nie próbuje uzupełniać obrazu świata stereotypami, gdy brakuje danych. Liczy prawdopodobieństwa tam, gdzie lekarz zaczyna zgadywać.
Chronologia i kontekst
Ten przełom nie wydarzył się w próżni. Jeszcze w 2023 roku wszyscy śmiali się z GPT-4, który oblewał podstawowe scenariusze kliniczne, myląc kolejność działań przy resuscytacji krążeniowo-oddechowej. Wtedy wydawało się, że „rozumowanie” (reasoning) to świętość człowieka.
Kluczowe kamienie milowe, które doprowadziły do tego momentu:
- Wrzesień 2024: OpenAI wypuszcza o1-preview. Insiderzy wiedzą, że początkowo testowano go na zadaniach matematycznych i kodowaniu, ale zespół Rodmana (Adam Rodman) z Beth Israel Deaconess natychmiast dostrzegł potencjał „łańcucha myśli” (Chain-of-Thought) dla medycyny.
- Jesień 2024 – Zima 2025: Trwa cichy wyścig między Google DeepMind (z ich Med-PaLM) a OpenAI o prawo do pierwszej publikacji w czasopiśmie rangi Science. Harvard uzyskuje dostęp do surowych danych EHR (elektronicznej dokumentacji medycznej) bez wstępnego przetwarzania – to było ogromne ryzyko.
- Kwiecień 2026: Publikacja w Science. Główny szok nie polega na tym, że model wygrał w doborze diagnozy, ale na tym, że w zadaniu „zarządzania klinicznego” (Grey Matters) o1 uzyskał medianę 89%, podczas gdy lekarze z dostępem do Google i GPT-4 zdobyli żałosne 34–41%. Oznacza to, że AI lepiej zarządza zasobami szpitala niż człowiek.
Kto wygrywa, a kto przegrywa
Wygrywają:
- Firmy ubezpieczeniowe (UnitedHealth Group, Elevance Health): To główny beneficjent. o1 pokazał, że doskonale radzi sobie w warunkach niedoboru informacji. Oznacza to, że algorytm można postawić „na wejściu” systemu, aby odcinał niepotrzebne hospitalizacje. Jeśli AI stwierdzi, że pacjent z bólem w klatce piersiowej nie potrzebuje troponiny i EKG co 15 minut, a jedynie leku zobojętniającego i do domu, oszczędności wyniosą miliardy USD rocznie.
- Pielęgniarki segregacyjne (Triage Nurses): Ich rola paradoksalnie wzrośnie. Staną się „rękami AI” przy łóżku pacjenta, otrzymując wynagrodzenie powyżej rynkowego za umiejętność weryfikacji maszynowego wejścia.
- Medyczne startupy-opakowania: Dziesiątki firm zaczną sprzedawać „o1 dla radiologii”, „o1 dla patologii”, nawet jeśli pod maską będzie zwykłe wywołanie API.
Przegrywają:
- Lekarze diagnostyki ultrasonograficznej i czynnościowej na SOR: Jeśli o1 na podstawie skąpego wywiadu stawia diagnozę trafniej niż lekarz po badaniu, po co płacić 300 USD za rozszerzone badanie, skoro można zapłacić 0,03 USD za token?
- Instytut rezydentury w USA: Po co 7 lat szkolić internistę, skoro jego myślenie kliniczne na wyjściu ustępuje modelowi wytrenowanemu w 3 miesiące na klastrze GPU? Rezydenci w badaniu wykazali przygnębiające wyniki w skali R-IDEA (idealny wynik tylko w 16 z 80 przypadków, wobec 78 u o1). To demoralizuje cały system edukacji medycznej oparty na uczeniu się przez praktykę.
Czego media nie mówią
A teraz najgorsze. Wszyscy piszą o „ślepym teście”, w którym lekarze nie potrafili odróżnić tekstu człowieka od maszyny (prawdopodobieństwo odgadnięcia 15% i 3%). Ale nikt nie mówi, że oznacza to upadek powtarzalności diagnozy.
Drugi insider dotyczy „krzywej zapominania”. Badanie wykazało, że model doskonale radzi sobie z jednorazowym obrazem sytuacji (triage), ale prawdziwy SOR to proces dynamiczny. Model nie śledzi pacjenta w czasie rzeczywistym, nie widzi, jak zmienia się kolor skóry, jak narasta duszność. Działa na podstawie tekstowego wycinka. Dlatego w krytycznie ważnych zadaniach „nie można przeoczyć” (cannot-miss diagnoses) o1 nie wykazał znaczącej przewagi nad ludźmi. Maszyna świetnie gra w „Co? Gdzie? Kiedy?”, ale słabo trzyma rękę na pulsie umierającego.
Prognoza: następne 30 i 90 dni
Pierwsze 30 dni (do połowy czerwca 2026 roku):
Rozpocznie się to, co nazywam „epidemią wersji demo”. Każdy szanujący się ośrodek medyczny w USA opublikuje komunikat prasowy o partnerstwie z OpenAI lub Microsoft w celu pilotażu „drugiej opinii AI”. Ale prawdziwego wdrożenia nie będzie. Dział prawny każdego szpitala stanie na rzęsach: kto pójdzie do więzienia, jeśli o1 przeoczy rozwarstwienie aorty? FDA na razie milczy. Spodziewamy się też fali krytyki ze strony Amerykańskiego Towarzystwa Medycznego (AMA), które będzie nalegać, że „interpretacja danych” nie równa się „diagnozie”.
Następne 90 dni (do września 2026 roku):
Kluczowa zmiana – integracja multimodalności. Obecnie model działał tylko z tekstem, ale OpenAI już wypuściło o3. Spodziewam się przecieków lub preprintów, w których model karmiony jest nie tylko tekstem skargi, ale także obrazami z przenośnego USG i zapisem oddechu. Gdy tylko o3 udowodni przewagę już w multimodalnym zbieraniu danych, duże sieci, takie jak Kaiser Permanente, zaczną wbudowywać to nie jako „asystenta”, ale jako główny filtr segregacji na oddziałach ratunkowych. Inwestycje w rozwiązania NLP dla SOR spadną do zera, ponieważ nikt nie będzie chciał konkurować z 800-funtową gorylą od Microsoft/OpenAI. Rynek skryptów i testów myślenia klinicznego dla lekarzy zostanie po prostu zniszczony.
— Editorial Team
