PORTĀLS ĀRSTIEM UN FARMACEITIEM
Šī vietne ir paredzēta veselības aprūpes speciālistiem

Pacients konsultējas ar mākslīgo intelektu. Ko tas nozīmē veselības aprūpes speciālistam?

A. Paškova, D. Ričika, K. Amosova, A. Kaļva, L. Reicle
Pacients konsultējas ar mākslīgo intelektu. Ko tas nozīmē veselības aprūpes speciālistam?
MAGNIFIC
Ja agrāk informācija par slimībām tika saņemta ārsta kabinetā, tad mūsdienās pirmā sastapšanās ar veselības jautājumiem bieži notiek digitālajā vidē. Pētījumi liecina, ka arvien biežāk pacienti mākslīgā intelekta (MI) rīkus izmanto informācijas meklēšanai, simptomu izvērtēšanai, sagatavošanās procesam pirms ārsta konsultācijas un emocionāla atbalsta gūšanai. [1; 2; 20]

Mākslīgais intelekts var veicināt veselībpratību un pacientu iesaisti ārstēšanās procesā, taču tas rada arī jaunus izaicinājumus informācijas interpretācijā. [3; 4; 18] Tādēļ arvien aktuālāks kļūst jautājums par to, kā šīs pārmaiņas ietekmē ārsta un pacienta komunikāciju un kā veselības aprūpes speciālistiem pielāgoties jaunajai realitātei.

Šī raksta mērķis ir analizēt MI ietekmi uz ārsta un pacienta komunikāciju, aplūkot galvenos ieguvumus un riskus, kā arī izvērtēt pārmaiņas veselības aprūpes praksē un medicīnas izglītībā.

Kāpēc pacienti izmanto mākslīgo intelektu?

Interese par mākslīgā intelekta izmantošanu veselības jautājumu risināšanā pēdējos gados strauji pieaug. [3; 21] Šī tendence nav saistīta tikai ar tehnoloģiju attīstību. Lielā mērā tā atspoguļo arī cilvēka vēlmi mazināt nenoteiktību situācijās, kas rada satraukumu. Slimība vai aizdomas par veselības problēmu bieži saistās ar bailēm, gaidīšanu un informācijas trūkumu. Šādos brīžos cilvēki meklē atbildes iespējami ātri un sev pieejamā veidā. 

Austrālijā veiktā aptauja parādīja, ka aptuveni katrs desmitais pieaugušais izmantojis ChatGPT ar veselību saistītu jautājumu risināšanai, visbiežāk meklējot informāciju par simptomiem, ārstēšanas iespējām un medicīniskajiem terminiem. [3]

Vienā no plašāk apspriestajiem pētījumiem Ayers un kolēģi salīdzināja ārstu un ChatGPT sagatavotās atbildes uz pacientu jautājumiem. Rezultāti parādīja, ka MI atbildes biežāk tika novērtētas kā pilnīgākas, kvalitatīvākas un empātiskākas nekā ārstu sniegtās atbildes. [5] Pētījumā tika analizēti 195 pacientu jautājumi un ārstu vai mākslīgā intelekta ģenerētas atbildes — pētījuma dalībnieki 78,6 % gadījumu priekš­roku deva tērzēšanas robota atbildēm. Salīdzinājumā ar ārstu atbildēm tās bija būtiski garākas (mediāna 211 pret 52 vārdiem). Par labām vai ļoti labām atbildēm tika atzītas 78,5 % MI atbilžu un 22,1 % ārstu atbilžu, proti, tērzēšanas robota atbildes 3,6 reizes biežāk tika uzskatītas par kvalitatīvākām. Savukārt par empātiskām vai ļoti empātiskām tika novērtētas 45,1 % MI atbilžu un tikai 4,6 % ārstu atbilžu, kas nozīmē gandrīz desmitkārt lielāku empātisku atbilžu īpatsvaru mākslīgā intelekta gadījumā. Vienlaikus autori uzsvēra, ka šie rezultāti nenozīmē iespēju aizvietot veselības aprūpes speciālistu, bet gan norāda uz MI potenciālu pacientu informēšanā un komunikācijas atbalstā. 

Kādā citā pētījumā tika vērtēta onkoloģijas pacientu uztvere par empātiju, salīdzinot MI un ārstu sniegtās atbildes uz jautājumiem par vēzi. [6] Pacienti MI atbildes novērtēja vairāk nekā divas reizes empātiskākas nekā ārstu sniegtās atbildes. Viena no hipotēzēm, kāpēc MI saņēma tik augstu vērtējumu, — tērzēšanas roboti spēj konsekventi piedāvāt atbalstošu valodu un reaģēt uz emocionāliem signāliem, neizjūtot klīnisko darba slodzi vai cilvēcisko stresu, kas var ietekmēt ārstu komu­nikāciju. Tāpat MI atbildes parasti bija garākas, kas pacientu vērtējumā bieži vien korelēja ar augstāku empātijas līmeni. Interesanti, ka pētījumā tika novērota atšķirība pacientu un ārstu vērtējumā par empātisku komunikāciju. Pacienti piešķīra zemākus empātijas punktus tām pašām atbildēm, kuras ārsti vērtēja augstāk. Pētnieku pieņēmums — šī neatbilstība rodas tāpēc, ka klīnicisti un pacienti prioritizē atšķirīgus komunikācijas vērtēšanas elementus.

Ārsti vairāk fokusējas uz medicīnisko informāciju un tās precizitāti, savukārt pacienti varētu augstāk vērtēt veidu, kā ziņojums tiek pasniegts, un to, cik emocionāli atbalstošs tas ir.

Literatūrā uzsvērts, ka pacients ir galvenā mēraukla — pacientiem, nevis mediķiem vajadzētu būt galvenajam atskaites punktam empātijas noteikšanā.

Tādēļ būtiski kļūst izprast, kādas vajadzības pacienti cenšas apmierināt, izmantojot digitālos rīkus, un kā tas ietekmē turpmāko komunikāciju ārstniecības procesā.

Kas notiek konsultācijas laikā?

Mūsdienu konsultācija aizvien retāk sākas ar pilnīgi “tukšu lapu”. Pacients kabinetā bieži ierodas jau ar savu stāstu, versiju un reizēm arī ar gandrīz gatavu diagnozi. Saruna bieži sākas ar teikumiem: “Es jau paskatījos internetā…”, “ChatGPT rakstīja, ka tas varētu būt…” vai “Man šķiet, ka man ir tieši šī slimība” [5]. Īpaši izteikti tas kļūst situācijās, kad cilvēks ilgstoši meklējis skaidrojumu saviem simptomiem. Tipiska situācija var būt pacients, kuram vairākus mēnešus ir nespecifiski simptomi — nogurums, galvassāpes vai tirpšana rokās. Meklējot informāciju internetā vai izmantojot mākslīgā intelekta rīkus, viņš nonāk pie retām neiro­loģiskām vai onkoloģiskām diagnozēm un pamazām sāk ticēt, ka tieši tas ar viņu notiek. Līdz konsultācijai šī doma jau kļuvusi emocionāli ļoti nozīmīga. Šādā situācijā ārsts sastopas ne tikai ar simptomiem, bet arī ar pacienta bailēm, trauksmi un iepriekš izveidotu pārliecību. 

Tomēr sastopama arī pretēja situācija. Piemēram, pacients pirms vizītes izmanto mākslīgā intelekta rīku, lai izprastu analīžu rezultātus vai sagatavotu jautājumus ārstam. Šādā gadījumā konsultācija var kļūt daudz produktīvāka — pacients ir informētāks, uzdod konkrētākus jautājumus un aktīvāk iesaistās ārstēšanās procesā. 

Dažkārt sarežģījumi rodas tad, ja pacients ir pārliecināts, ka viņam nepieciešams konkrēts izmeklējums vai medikaments, jo “internetā tā bija rakstīts”, savukārt ārsta klīniskais izvērtējums to neapstiprina. Šādos brīžos konflikts bieži neveidojas zināšanu trūkuma dēļ, bet gan tāpēc, ka pacients jūtas emocionāli pieķēries savai versijai un baidās, ka viņa sa­traukums netiek pietiekami nopietni uztverts. Tieši šeit īpaši nozīmīga kļūst komunikācijas kvalitāte. Pacients bieži vēlas ne tikai faktus vai diagnozi — viņš vēlas saprast, vai viņa bažas ir sadzirdētas un vai ārsts viņu uztver nopietni.

Mūsdienu konsultācija tādēļ kļūst ne tikai par medicīnisku izvērtēšanu, bet arī par procesu, kurā ārsts palīdz pacientam skaidrāk orientēties informācijā, emocijās, pieņēmumos un klīniskajā realitātē.

Galvenie riski

Lai gan MI rīki pacientiem sniedz ātru piekļuvi informācijai un bieži palīdz labāk izprast veselības jautājumus, praksē redzama arī otra puse — pieaug apjukums, trauksme un kļūdaini priekšstati par savu veselības stāvokli. Pētījumi liecina, ka galvenie izaicinājumi saistīti nevis ar pašu tehnoloģiju, bet gan ar informācijas interpretāciju un tās izmantošanu konkrētās veselības situācijās. [2; 7; 17]

Viena no biežāk sastopamajām problēmām ir paaugstināta trauksme pēc veselības informācijas meklēšanas internetā vai izmantojot mākslīgā intelekta rīkus. Cilvēki nereti koncentrējas uz smagākajiem iespējamajiem skaidrojumiem, kas var pastiprināt bailes un nenoteiktības sajūtu. Tomēr iespējama arī pretēja situācija — pacients kļūdaini secina, ka simptomi nav nopietni, un atliek vēršanos pēc medicīniskas palīdzības. Abos gadījumos problēma bieži nav informācijas trūkums, bet gan tās interpretācija bez individuāla klīniskā izvērtējuma. [2; 8] 

Būtisks izaicinājums ir arī informācijas uzticamības izvērtēšana. Lai gan mūsdienu MI sistēmas spēj ģenerēt pārliecinošas atbildes, tās ne vienmēr ir precīzas vai atbilst aktuālajām klīniskajām vadlīnijām. Pacientiem ne vienmēr ir viegli atšķirt zinātniski pamatotu informāciju no nepārbaudītiem apgalvojumiem, kas var radīt kļūdainus priekšstatus par savu veselības stāvokli. [4; 7; 19]

MI pakāpeniski maina arī komunikācijas procesu. Dažkārt pacients konsultācijā ierodas ar stingru pārliecību par diagnozi vai ārstēšanas nepieciešamību, savukārt ārsta profesionālais vērtējums liecina par ko citu.

Šādās situācijās veselības aprūpes speciālistam jāstrādā ne tikai ar medicīniskajiem faktiem, bet arī ar pacienta bažām, gaidām un iepriekš izveidotiem priekšstatiem. [9; 10] Neraugoties uz straujo attīstību, MI ir instruments, nevis ārstniecības procesa dalībnieks. Tas var atvieglot piekļuvi informācijai, taču nevar aizvietot klīnisko domāšanu, profesionālu pieredzi un individuālu pieeju pacientam. [7; 11; 19]

Jaunie ārsti un mākslīgais intelekts

Mākslīgais intelekts ienāk arī medicīnas izglītībā, un studenti to jau šobrīd aktīvi izmanto ikdienas mācību procesā. MI palīdz meklēt informāciju, strukturēt mācību materiālus, sagatavoties semināriem, analizēt klīniskos gadījumus un gatavoties eksāmeniem. [12; 13; 16] Arī medicīnas un veselības aprūpes izglītībā Latvijā pēdējos gados pievērsta uzmanība MI izmantošanai studiju procesā. Izstrādātajās vadlīnijās uzsvērta akadēmiskā godīguma, kritiskās domāšanas un atbildīgas tehnoloģiju lietošanas nozīme. [14; 15] Tāpēc svarīgākais jautājums nav par to, vai studenti izmantos MI, bet gan par to, kā iemācīt to izmantot profesionāli, kritiski un atbildīgi. 

Kā veselības aprūpes pasniedzējai man šķiet īpaši nozīmīgi attīstīt studentu spēju izvērtēt informācijas kvalitāti, atpazīt kļūdas un izprast MI iespējas un ierobežojumus. Mūsdienu medicīnā arvien lielāka nozīme ir spējai informāciju kritiski izvērtēt un lietot konkrētā klīniskā situācijā. Vienlaikus tehnoloģiju attīstība vēl vairāk izceļ komunikācijas prasmju nozīmi. Jo vairāk informācijas pacients iegūst digitālajā vidē, jo svarīgāka kļūst ārsta spēja skaidrot, uzklausīt un veidot profesionālu dialogu. 

Kā strādāt praksē?

Pacientu interese par veselības informāciju internetā un MI rīkos turpinās pieaugt, tāpēc arvien svarīgāk kļūst nevis cīnīties ar šo tendenci, bet gan izmantot to kā daļu no komunikācijas procesa.

Praksē būtiski ir saprast, ka pacients konsultācijā ierodas ne tikai ar simptomiem, bet arī ar iepriekš iegūtu informāciju, pieredzi, bažām un pieņēmumiem. Tāpēc svarīgi vispirms izprast pacienta priekšstatus par situāciju un tikai pēc tam kopīgi izvērtēt pieejamo informāciju.

Svarīgi ir neignorēt pacienta atrasto informāciju un nenoniecināt viņa centienus izprast savu veselības stāvokli. Pat tad, ja informācija ir nepilnīga vai kļūdaina, cilvēka bažas viņam pašam ir reālas. Tāpēc daudz efektīvāka par kategorisku noliegumu bieži ir mierīga skaidrošana un kopīga informācijas izvērtēšana.

Mūsdienās veselības aprūpes speciālistam arvien biežāk jāuzņemas informācijas interpretētāja loma, palīdzot pacientam izvērtēt informācijas uzticamību, izprast digitālo rīku iespējas un ierobežojumus, kā arī saprast, kāpēc medicīnisku lēmumu pieņemšanai joprojām nepieciešams profesionāls klīniskais izvērtējums. Tieši komunikācijas kvalitāte bieži nosaka to, vai pacients pēc konsultācijas jutīsies drošāk, sapratīs ārstēšanas plānu un spēs aktīvi iesaistīties ārstniecības procesā.

Trīsstūrī — pacients, mākslīgais intelekts un ārsts — vissvarīgākā ir uzticēšanās ārstam

Dr. KRISTINA AMOSOVA, bērnu alergoloģe, BKUS, Profesora Skrides Sirds klīnika, Ventspils poliklīnika

Mana pieredze liecina, ka pacienti arvien biežāk konsultējas ar MI, par ko es uzzinu sarunas laikā. No vienas puses, man pat patīk, ja cilvēkam ir interese par savu veselības problēmu, mēģina par to uzzināt un saprast, kā risināt, ar nosacījumu, ja cilvēks konsultējas ar MI un nāk uz konsultāciju veidot dialogu ar ārstu, nevis diktēt rīcības plānu. Tādā gadījumā konsultācija ir jēgpilnāka, pacients jau izzinājis un sapratis, kāpēc veidojas slimība, viņu interesē diagnostikas vai terapijas iespējas un to pieejamība. Tas ir labākais, kā veidot simbiozi: MI iedod bāzes informāciju, un cilvēks atnāk uz konsultāciju izprast savu vajadzību saistībā ar slimību. 

No otras puses, MI var veicināt pacientam pārmērīgu trauksmi. Viņš izlasa, ka, piemēram, izsitumi var būt pie retām un nopietnām diagnozēm un steidzas atrast ceļu, kur veikt specifiskas analīzes, lai to apstiprinātu, tādējādi apiet loģisko ceļu, kad vispirms būtu jāizrunājas ar savu ģimenes ārstu, jāuzsāk terapija un pēc noteikta laika perioda jāizvērtē, vai tā palīdz. Ja ģimenes ārsts nevar atrisināt problēmu, tad sūta pie speciālista vai maina terapijas taktiku. Citreiz pacients steidzas pats izdomāt, pie kura speciālista tikt, kļūdās, iztērē nevajadzīgi savus līdzekļus un laiku un nesasniedz vēlamo rezultātu. 

Vēl jāņem vērā, ka ChatGPT iedod ātru ieskatu un teorētisku atbildi uz jautājumu. Savukārt mēs, ārsti, strādājam ar reālu cilvēku un darba diagnozi. Pacientam var nebūt skaidrs, kas tā tāda? Mēs uzliekam diagnozi, pamatojoties uz atradni un anamnēzi konkrētā laika punktā, mēģinām piemeklēt terapiju un skatāmies rezultātu laika gaitā. Šis laiks var būt atšķirīgs dažādās situācijās.

Darba diagnoze laika gaitā var mainīties, un tas ir normāli, jo simptomi var manīties, un to dinamiku var redzēt, ārstējot ar specifiskiem medikamentiem. Savukārt pacients to var uztvert kā ārsta kļūdu, tādēļ veidojas neuzticība komunikācijā.

Meklējot alternatīvu palīdzību, pacients vēršas pie ChatGPT, kas sniedz ātru atbildi, bet šajā brīdī pazūd cilvēciskais faktors. Turklāt jāņem vērā, ka katrs strādājam dažādās klīnikās un slimnīcās, katrai ir savas iespējas un rīki palīdzēt, kā var veikt diagnostiku un sniegt palīdzību. 

Es domāju, ka šajā trīsstūrī — pacients, mākslīgais intelekts un ārsts — vissvarīgākā ir uzticēšanās ārstam, viņa zināšanām un vēlmei izdarīt labāko, kas ir viņa spēkos. MI ir bieži vien labs teorētiskais materiāls, kas, bez šaubām, noder. Tomēr vadīt pacienta slimību jāļauj ārstam, jo viņam ir klīniskā pieredze, iespēja savākt mērķtiecīgu anamnēzi un veikt objektīvu izmeklēšanu.

Kā panākt pacienta uzticēšanos ārstam, ja ir tik spēcīgs konkurents kā MI? Tas nav viegli. Uzticību veido daudzu faktoru kopums: pacienta ceļš, pieredze, aprūpes sistēma, ārsta zināšanas, attieksme, komunikācija, individuāla pieeja. Veselīgs dialogs var pastāvēt, ja abas puses var izteikt viedokli un vienoties par turpmāko taktiku. Galu galā pacients nāk pie ārsta pēc palīdzības, nevis saņemt apstiprinājumu tam, ko uzzinājis no MI. Savukārt ārstam jābūt atvērtam un saprotošam, ka pacients jau pacients iepriekš aprunājies ar ChatGPT, jo meklē skaidrojumu savai veselības problēmai. Ārsts ir pavadonis pacienta slimības ceļā, bet MI jātur pie rokas kā informācijas rīks.

Mākslīgais intelekts var būt arī jērs vilka ādā

ARTŪRS KAĻVA, dermatologs, venerologs, Rīgas 1. slimnīca, RAKUS Latvijas Infektoloģijas centrs, Jelgavas klīnika

Ja agrāk cilvēki meklēja atbildes par veselības jautājumiem interneta resursos un tad nāca pie ārsta ar izanalizēto informāciju un jautājumiem, tad tagad arvien biežāk pēc aprunāšanās ar MI nāk ar jau gatavām diagnozēm vai ārstēšanas shēmām. Tas ir diezgan izaicinoši, jo MI ir tendence atrast gatavas “pareizās” atbildes, kas ne vienmēr ir pareizas. Esmu pats izmantojis MI, gatavojot prezentācijas. Pavaicājot, lai sniedz informā­ciju, pamatojoties uz zinātniskajiem avotiem, tiek saņemta statistiski gluda informācija. Izpētot izrādās — atsauces nav korektas. Atvaino, izlabošu, — raksta MI. Bet tā arī galu galā reizēm nesaņemu īstos literatūras avotus. Pacienti, visticamāk, netiek tik tālu, nepārbauda MI sniegto infor­māciju, un viņiem nav arī zināšanu to darīt.

Konsultācijā nekomentēju pacienta čatu ar MI, ļauju izstāstīt. Nav jau tā, ka MI vienmēr kļūdās, mūsu atbildes mēdz arī sakrist. Ja nesakrīt, tad mēģinu izskaidrot un pamatot, kāpēc es domāju citādi. Nesen vizītē bija jauns puisis ar adrogēnu alopēciju, kuram šī problēma ir ģimenes anamnēzē. Vēlas terapiju. Stāstu, ka viena no pirmajām izvēlēm ir lokālie līdzekļi putu vai šķīdumu veidā. Nē, negrib neko smērēt, ērtāk dzert. Ok, varu izrakstīt šo aktīvo vielu kapsulās. Vaicā — kāpēc tieši šo līdzekli? Stāstu tālāk par divām izvēlēm. Beigās pacients saka, ka grib abas opcijas kopā. Paskaidroju, ka šādi nesāk terapiju. Ja būs blaknes, tad nesapratīsim, no kura medikamenta. Līdzīgi, ja būs efekts, tad nezināsim, no kurām zālēm. Taču man bija interesanti saprast, kur šādai informācijai aug kājas, tādēļ pārvaicāju pats MI. Aha, skaidrs… MI nedomā klīniski, nedomā par individuālu pacientu, bet balstās uz savu algoritmu, apkopojot sev pieejamo informāciju, piemēram, par kādu konkrētu statistisku pacientu grupu.

Vēl redzu konsultācijās kancerofobos pacientus, tos, kuriem ir bail no onkoloģiskām slimībām. Šiem pacientiem MI drīzāk palielina, nevis samazina trauksmi.

Ļoti svarīgi, ko vaicājam MI. Vai šis varētu būt vēzis? Uz šo jautājumu teorētiski gandrīz vienmēr var sniegt apstiprinošu atbildi. Un tad šāds pacients nāk pie ārsta ar pieprasījumu veikt biopsiju. Nav jau no kurienes to paņemt; nekas neliecina, ka tā ir onkoloģiska diagnoze. Rezultātā pacients skeptisks, lieto izrakstīto ziedi, veic izmeklējumus — pēc divām nedēļām problēma pazudusi. Saku: vēzis pēc divām nedēļām nepārietu. Tad notic, trauksme pazūd.

Ja pacients grib ārstēties pēc MI rekomendācijām, tad man ir jautājums, kāpēc nāk pie manis. Esmu stingrs šajā jomā. Izrādu interesi, ko ir atradis internetā vai čatā ar MI, veltu laiku, lai izskaidrotu savu nostāju. Būtiski ir neatstāt neziņā, lai neradītu jaunus jautājumus, taču paskaidroju, ka konsultācijas laiks ir ierobežots un nav iespēju detalizēti diskutēt par katru analīzi.

Esmu lasījis un klausījies sarunas ar ekspertiem, kas norāda, ka MI algoritms ir uzbūvēts ar mērķi izpatikt cilvēkam. MI ir draudzīgs, bet tas var būt vilks jēra ādā. Ir labi ar MI parunāties skumjos brīžos, bet klīniskajā medicīnā mēs esam kritiski un ne vienmēr ar saviem lēmumiem darām pacientam “pa prātam”. Komu­nikācijā empātija ir ļoti būtiska, taču medicīna nav tikai par draudzēšanos un izpatikšanu, mums ir jānonāk pie klīniski efektīva rezultāta, apkopojot jaunākās zinātnē balstītās zināšanas.  Kāda ir medicīnas nākotne ar mākslīgo intelektu? Ārstniecības loma, iespē­jams, ar laiku mazināsies. Pie­mēram, dermatoonkoloģijā jau tagad pastāv kameras, kuras bez ārsta līdzdalības noskenē, veic pacienta dzimumzīmju kartēšanu. Ārsts, atrodoties jebkurā pasaules malā, var apskatīt rezultātu un konsultēt.

Kādā konferencē dzirdēju tādu vīziju, ka pacients un ārsts sēž pie apaļā galda, MI piefiksē sarunu, veido ierakstus. Kurā virzienā MI attīstīsies, tas būs atkarīgs no cilvēka. MI kapacitāte apgūt informāciju ir nesalīdzināmi lielāka par cilvēka iespējām, taču domāju, ka MI ārsta darbu neizvietos; klīniskajā domāšanā un lēmumu pieņemšanā cilvēkam joprojām būs un paliks svarīga loma.

Mākslīgais intelekts ir labs kalps, bet slikts priekšnieks

Dr. LINDA REICLE, ģimenes ārste, Liepājas ģimenes veselības centra vadītāja

Pacientus, kas pirms vizītes ir konsultējušies ar kādu MI rīku, sastopu katru dienu! Manā uztverē MI ir labs kalps, bet slikts priekšnieks. Ja pacientam nav kritiskās domāšanas, nav laba kontakta un uzticības attiecību ar savu ārstu, MI lietošanu var salīdzināt ar staigāšanu pa plānu ledu. Pacients jūtas apmulsis un frustrēts, ka ChatGPT ir izmetis lielu sarakstu ar to, kas nu tagad ir jādara, turklāt to dara ļoti pārliecinoši. Un te pēkšņi ārsts stāsta kaut ko citu. Protams, ir arī gadījumi, kad pacients nāk saskaņot ar mani MI čata versiju, savas domas, ieklausās, ko es saku, un saprot, ka MI ir tikai sarunas biedrs. 

Ja grib, lai MI kalpo kā objektīvs padomdevējs, tad tam jādod pareizas uzvednes, jautājumi. Arī es darbā izmantoju MI rīkus, bet man ir saliktas uzvednes, lai iegūtu korektu informāciju. To nevaram gaidīt un prasīt no pacientiem, kuru veselības pratība nereti ir vājā līmenī. Piemērs — kundze, seniore ar prāvu slimību sarakstu: sirds mazspēja, nieru mazspēja, insults anamnēzē, smaga nekontrolēta astma. Astmas medikamenti netiek lietoti. Viens no lietotajiem medikamentiem jau vairākus gadus ir nebivolols. No ārze­mēm ieradusies kundzes meita un sūta man ChatGPT ekrānuzņēmumus, ka mammas smagās astmas lēkmes ir no bēta blokatora lietošanas, nevis astmas medikamentu nelietošanas. Es varu stāstīt sīki smalki par selektīvajiem bēta blokatoriem, par to, ka pulmonologs jau pirms vairākiem gadiem ir noteicis šo terapiju, salāgojis, ka kundze ikdienā nelieto savus astmas kontroles medikamentus un ka ļaunuma sakne nevar būt bēta blokators, taču sitos kā pret sienu.  Reizēm pacienti nāk ar pieprasījumu veikt dažādas interesantas analīzes, piemēram, noteikt C vita­mīnu, minerālvielu saturu šūnās. Tad cenšos paskaidrot, ka šie rādītāji ir izmainīti pacientiem intensīvajā terapijā, kuriem ir “nobrukusi” homeostāze, bet veselam cilvēkam analīzes nesniegs nekādu informāciju.

Sākumā mēģinājām skrupulozi un argumentēti pacientiem rak­stīt atbildes mūsu saziņas platformā, taču tagad, kad ieraugām “sarkanos karogus” — garu izrakstu no ChatGPT un ekrānuzņēmumus —, sakām, ka būs jānāk uz vizīti. Neielaižamies sarakstēs ar čatu.  Kad pacients ierodas konsultācijā, dodu viņam brīvo mikrofonu, lai izsaka raizes; cenšos mierīgi, maigi, iedrošinoši pateikt, ka esmu dzirdējusi viņa sacīto, bet paskaidroju, kāda ir realitāte. Piemēram, ļoti regulāri MI tiek izmantots, konsultējoties gan par ērču encefalītu, gan Laima slimību.

Sestdien piesūkusies ērce, un pirmdienas agrā rītā man ir ziņa no pacienta, kurš vēlas taisīt lumbālpunkciju. Aicinu uz vizīti klātienē, izrunājam, atveru datu bāzi ar vadlīnijām, parādu, kā mēs strādājam.

Validēju pacienta bažas un uzslavēju, ka ir iedziļinājies, meklējis atbildes, interesējies, bet MI nevar akli ticēt. Parasti šāda pieeja strādā, pacients nomierinās. 

Ir jāņem vērā, ka sabiedrībā ģimenes ārsts netiek uztverts kā eksperts; to apliecināja arī nupat izskanējušais RSU pētījums “Ģimenes ārstu dzīvesspēka veicināšana Latvijā: izaicinājumi un risinājumi”. Kāda ir mana recepte? Saruna ar pacientu, kurā skaidroju, ka MI čata galvenā funkcija ir būt sarunas biedram, tas neuzņemas atbildību. Ja tas nepalīdz, aicinu aiziet vēl pie kāda speciālista un uzklausīt trešo viedokli. 

Par nākotni domājot, man ir bažas, ka daudzi kolēģi ir izdeguši un, ja pacienti atnes garos izrakstus no čata ar MI, tad atmet ar roku, jo nav resursa atbildēt empātiski. Pretstatā cilvēkam, MI nenogurst un spēj būt draudzīgs bez ierobežojuma.

Literatūra

  1. Li M., Guenier A.W. ChatGPT and Health Communication: A Systematic Literature Review. International Journal of E-Health and Medical Communications. 2024;15(1). DOI: 10.4018/IJEHMC.349980.
  2. Traylor D.O., Duley C., Habib A.R. et al.
  3. The Impact of Generative Artificial Intelligence (AI) on Patient Learning and the Patient–Physician Relationship. Cureus. 2025;17(1):e76892. DOI: 10.7759/cureus.76892. PMCID: PMC11787409.
  4. Ayre J., Cvejic E., McCaffery K.J. Use of ChatGPT to obtain health information in Australia, 2024: insights from a nationally representative survey. Medical Journal of Australia. 2025;222(4):210–212. DOI: 10.5694/mja2.52598
  5. Beheshti M., Toubal A., Yanez-Pena M., Moustafa A.A. Evaluating the Reliability of ChatGPT for Health-Related Questions: A Systematic Review. Informatics. 2025;12(1):9. DOI: 10.3390/informatics12010009.
  6. Ayers J.W., Poliak A., Dredze M., Leas E.C., Zhu Z., Kelley J.B., Faix D.J., Goodman A.M., Longhurst C.A., Hogarth M., Smith D.M. Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Internal Medicine. 2023;183(6):589–596. DOI: 10.1001/jamainternmed.2023.1838.
  7. Chen D., Chauhan K., Parsa R., Liu ZA., Liu FF., Mak E., Eng L., Hannon BL., Croke J., Hope A., Fallah-Rad N., Wong P., Raman S.. Patient perceptions of empathy in physician and artificial intelligence chatbot responses to patient questions about cancer. NPJ Digit Med. 2025 May 13;8(1):275. doi: 10.1038/s41746-025-01671-6.
  8. Wang L., Wan Z., Ni C., Song Q., Li Y., Clayton E.W., Malin B.A., Yin Z. Applications and Concerns of ChatGPT and Other Conversational Large Language Models in Health Care: Systematic Review. Journal of Medical Internet Research. 2024;26:e22769. DOI: 10.2196/22769.
  9. Garg R.K., Urs V.L., Agrawal A.A., Chaudhary S.K., Paliwal V., Kar S.K. Exploring the Role of ChatGPT in Patient Care (Diagnosis and Treatment) and Medical Research: A Systematic Review. Health Promotion Perspectives. 2023;13(3):183–191. DOI: 10.34172/hpp.2023.22.
  10. Lee N.S., Richards N., Grandominico J., Cronin R.M., Hendricks A.K., Tripathi R.S., Jonas D.E. Use of a Medical Communication Framework to Assess the Quality of Generative Artificial Intelligence Replies to Primary Care Patient Portal Messages: Content Analysis. JMIR Formative Research. 2025;9:e71966. DOI: 10.2196/71966.
  11. Hassan N., Slight R., Bimpong K. et al.
  12. Systematic Review to Understand Users’ Perspectives on AI-Enabled Decision Aids to Inform Shared Decision Making. npj Digital Medicine. 2024;7:332. DOI: 10.1038/s41746-024-01326-y.
  13. Fatima A., Shafique M.A., Alam K., Ahmed T.K.F., Mustafa M.S. ChatGPT in medicine: A cross-disciplinary systematic review of ChatGPT’s (artificial intelligence) role in research, clinical practice, education, and patient interaction. Medicine (Baltimore). 2024;103(32):e39250. DOI: 10.1097/MD.0000000000039250.
  14. Kung, T. H., Cheatham, M., Medenilla, A., Sillos, C., De Leon, L., Elepaño, C., Madriaga, M., Aggabao, R., Diaz-Candido, G., Maningo, J., & Tseng, V. (2023). Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digital Health, 2(2), e0000198.
  15. Masters, K. (2024). Artificial intelligence in medical education. Medical Teacher, 46(1), 1–8.
  16. Latvijas Universitāte. Vadlīnijas mākslīgā intelekta izmantošanai Latvijas Universitātē. Rīga: Latvijas Universitāte, Janvāris 2026.v 2.0
  17. Rīgas Stradiņa universitāte. Mākslīgais intelekts augstākajā izglītībā. Vadlīnijas. Rīga: RSU Pedagoģiskās izaugsmes centrs, 2024.
  18. Fitzpatrick K.K., Darcy A., Vierhile M. Delivering Cognitive Behavior Therapy to Young Adults With Symptoms of Depression and Anxiety Using a Fully Automated Conversational Agent (Woebot): A Randomized Controlled Trial. JMIR Mental Health. 2017;4(2):e19. DOI: 10.2196/mental.7785
  19. Gill S.S., Kaur R. ChatGPT: Vision and Challenges. Internet of Things and Cyber-Physical Systems. 2023;3:262–271. DOI: 10.1016/j.iotcps.2023.05.004
  20. Henriette E., Feki M., Boughzala I. The Shape of Digital Transformation: A Systematic Literature Review. Mediterranean Conference on Information Systems (MCIS) Proceedings. 2015;10.
  21. Meskó, B. and Topol, E.J. (2023) The Imperative for Regulatory Oversight of Large Language Models (or Generative A.I.) in Healthcare. NPJ Digital Medicine, 6, Article No. 120. doi.org/10.1038/s41746-023-00873-0
  22. Organisation for Economic Co-operation and Development (OECD). Progress in Implementing the European Union Coordinated Plan on Artificial Intelligence: Latvia Country Note. OECD Publishing, 2025.
  23. Reinhardt A., Matthes J., Hodzic S., Kanková J., Bojić L., Maindal H.T., Paraschiv C., Ryom K. Who Trusts AI for Health Information? A Cross-National Survey on Trust Determinants in Four European Countries. Health Communication. 2025. Advance online publication. DOI: 10.1080/10410236.2025.2601265