Το AI μπορεί να δώσει σωστή απάντηση.

Επιστημονική αρθρογραφία Γράφει η Δρ. Πίζγα Ασπασία, Ψυχολόγος (MSc, CBT, CBH)

Σήμερα, ένα προηγμένο σύστημα AI μπορεί μέσα σε δευτερόλεπτα να περιγράψει με εντυπωσιακή ακρίβεια μια αγχώδη διαταραχή, να εξηγήσει τους μηχανισμούς μιας κρίσης πανικού ή μιας φοβίας, να παρουσιάσει διαγνωστικά κριτήρια και να προτείνει πιθανές ερμηνείες.

Και αύριο θα μπορεί πιθανότατα να κάνει ακόμη περισσότερα.

Υπάρχει όμως μια θεμελιώδης διάκριση που, όσο ισχυρότερη γίνεται η τεχνολογία, τόσο σημαντικότερο είναι να θυμόμαστε:

Άλλο γνωρίζω την ψυχοπαθολογία.
Και άλλο έχω εξετάσει τον συγκεκριμένο άνθρωπο.

Η γνώση των συμπτωμάτων της κατάθλιψης δεν σημαίνει ότι έχουμε εξετάσει κάποιον για κατάθλιψη. Και μια επιστημονικά ορθή απάντηση από ένα γλωσσικό μοντέλο δεν αποτελεί αυτομάτως κλινικό εύρημα.

Η σωστή πληροφορία δεν ισοδυναμεί πάντα με ασφαλές εξατομικευμένο συμπέρασμα.

01Καλή απάντηση, λάθος συμπέρασμα

Ας υποθέσουμε ότι κάποιος γράφει σε ένα AI:

«Φοβάμαι ότι κάτι συμβαίνει με το μυαλό μου».

Η ίδια ακριβώς φράση μπορεί να εμφανιστεί σε έναν άνθρωπο με κρίσεις πανικού, ιδεοληψίες, έντονο άγχος, αϋπνία, κατάθλιψη, χρήση ουσιών ή ακόμη και σε μια κατάσταση που απαιτεί διερεύνηση οργανικών ή φαρμακευτικών παραγόντων.

Το AI μπορεί να αναγνωρίσει πολλές από αυτές τις πιθανότητες. Αυτό όμως δεν σημαίνει ότι διαθέτει αυτομάτως τα δεδομένα που απαιτούνται για να γνωρίζει ποια από αυτές αφορά τον συγκεκριμένο άνθρωπο.

Και εδώ βρίσκεται ένας από τους σημαντικότερους κινδύνους:

Η γλωσσική αυτοπεποίθηση μπορεί εύκολα να εκληφθεί ως διαγνωστική βεβαιότητα.

Μια απάντηση μπορεί να είναι εξαιρετικά καλογραμμένη, λογική και επιστημονικά εύλογη. Αυτό όμως δεν αυξάνει από μόνο του τα κλινικά δεδομένα στα οποία βασίστηκε.

Σκεφτείτε, λοιπόν, ένα ήδη αγχωμένο άτομο να βλέπει μπροστά του μια πιθανή —και ίσως τρομακτική— ερμηνεία, διατυπωμένη με απόλυτη γλωσσική βεβαιότητα.

Το γεγονός ότι μια ερμηνεία ακούγεται πειστική δεν σημαίνει ότι έχει προηγηθεί η εξέταση που απαιτείται για να θεωρηθεί κλινικά τεκμηριωμένη.

02Ο κλινικός δεν ακούει μόνο τι λέει ο άνθρωπος

Παρατηρεί πώς το λέει — και κυρίως ποια είναι η ιστορία του. Ποια βιώματα κουβαλάει.

Αξιολογεί τη συνοχή και την οργάνωση της σκέψης. Το συναίσθημα. Τη συμπεριφορά. Τη λειτουργικότητα. Την εναισθησία και την κρίση.

Διερευνά τι έχει μεταβληθεί σε σχέση με την προηγούμενη κατάσταση του ανθρώπου, πότε ξεκίνησε, τι προηγήθηκε και τι ακολούθησε.

Εξετάζει όσα εμφανίζονται στην αξιολόγηση αλλά και όσα μπορεί να απουσιάζουν από την αρχική αφήγηση.

Κυρίως, δεν ρωτά μόνο: «Με ποια διαταραχή μοιάζει αυτό;»

Ρωτά επίσης:

• «Τι άλλο θα μπορούσε να είναι;»
• «Τι προηγήθηκε;»
• «Τι ακολούθησε;»
• «Πόσο διαρκεί;»
• «Πώς επηρεάζει τη λειτουργικότητα;»
• «Υπάρχουν άλλοι παράγοντες που πρέπει να διερευνηθούν;»
• «Ποια δεδομένα μου λείπουν;»

Αυτή είναι η καρδιά της διαφοροδιάγνωσης.

Γιατί η αϋπνία, η ταχυκαρδία, η δυσκολία συγκέντρωσης, η κοινωνική απόσυρση ή ακόμη και μια ασυνήθιστη σκέψη δεν έχουν μία και μοναδική κλινική ερμηνεία.

Αποκτούν νόημα μέσα από τον συνδυασμό των ευρημάτων, τη χρονική πορεία, το ιστορικό, τη λειτουργικότητα και το πλαίσιο του συγκεκριμένου ανθρώπου.

Η ψυχολογική εξέταση, επομένως, δεν είναι απλώς διαδικασία αντιστοίχισης ενός συμπτώματος με μια διάγνωση.

Είναι διαδικασία συλλογής, διασταύρωσης και σύνθεσης δεδομένων.

03Μπορεί λοιπόν το AI να είναι καλύτερο από εμάς;

Σε ορισμένες εργασίες μπορεί ήδη να μας γλιτώσει σημαντικό χρόνο και να παρουσιάσει πολύ υψηλές επιδόσεις. Και αυτό είναι σημαντικό να το αναγνωρίσουμε.

Τα μεγάλα γλωσσικά μοντέλα έχουν παρουσιάσει εντυπωσιακές επιδόσεις σε οριοθετημένα ιατρικά ερωτήματα και benchmarks γνώσεων.

Αυτό, όμως, δεν είναι το ίδιο πράγμα με την ολοκληρωμένη κλινική εξέταση ενός πραγματικού ανθρώπου.

Χαρακτηριστική είναι μελέτη που δημοσιεύθηκε το 2024 στο Nature Medicine και βασίστηκε σε 2.400 πραγματικά ιατρικά περιστατικά ασθενών με οξύ κοιλιακό άλγος και τέσσερις συγκεκριμένες παθολογίες.

Σε αντίθεση με ένα απλό τεστ γνώσεων, τα γλωσσικά μοντέλα που αξιολογήθηκαν έπρεπε να λειτουργήσουν σε ένα πιο ρεαλιστικό κλινικό σενάριο: να αποφασίσουν ποιες πρόσθετες πληροφορίες χρειάζονταν, να τις αναζητήσουν σταδιακά, να τις συνθέσουν και τελικά να προχωρήσουν σε διάγνωση και θεραπευτικό πλάνο.

Όταν χρειάστηκε να λειτουργήσουν με αυτόν τον πιο σύνθετο τρόπο, παρουσίασαν σημαντικούς περιορισμούς. Μεταξύ άλλων, εμφάνισαν χαμηλότερη διαγνωστική επίδοση από τους κλινικούς που συμμετείχαν στη σύγκριση, δυσκολίες στην τήρηση διαγνωστικών και θεραπευτικών οδηγιών, προβλήματα στην ερμηνεία εργαστηριακών δεδομένων και ευαισθησία στην ποσότητα και στη σειρά των πληροφοριών.

Οι συγγραφείς κατέληξαν ότι τα μοντέλα που εξετάστηκαν δεν ήταν έτοιμα για αυτόνομη κλινική λήψη αποφάσεων.

Η συγκεκριμένη έρευνα δεν αφορούσε ψυχολογική ή ψυχιατρική διάγνωση, όμως αναδεικνύει μια ευρύτερη και ουσιαστική διάκριση:

Άλλο να δίνεις πιθανές απαντήσεις
Και άλλο να ξέρεις τι πρέπει να ρωτήσεις για να κατανοήσεις σε βάθος τον θεραπευόμενό σου.

Επιπλέον, η τεχνολογία εξελίσσεται ταχύτατα. Τα αποτελέσματα μιας μελέτης συγκεκριμένων μοντέλων δεν σημαίνουν ότι όλα τα νεότερα συστήματα θα έχουν τις ίδιες επιδόσεις.

Αυτό όμως κάνει ακόμη σημαντικότερο το πραγματικό ερώτημα.

Το ουσιαστικό ερώτημα δεν είναι:

«Ποιος κερδίζει: το AI ή ο ψυχολόγος;»

Είναι:

«Έχουμε συλλέξει τα κατάλληλα και επαρκή δεδομένα
για αυτόν τον συγκεκριμένο άνθρωπο;»

04Ούτε όμως η κλινική διαίσθηση αρκεί

Η απάντηση δεν είναι να εξιδανικεύσουμε τον άνθρωπο απέναντι στην τεχνολογία.

Οι επαγγελματίες ψυχικής υγείας δεν είναι αλάνθαστοι.

Μπορεί να επηρεαστούν από γνωστικές προκαταλήψεις, να παραβλέψουν ένα στοιχείο ή να σχηματίσουν πρόωρα μια υπόθεση.

Γι' αυτό η απάντηση στην εποχή του AI δεν είναι ούτε η «ανθρώπινη διαίσθηση».

Είναι:

Περισσότερη επιστήμη.
Περισσότερα κατάλληλα δεδομένα.
Και περισσότερη φροντίδα για τον άνθρωπο.

Μια σημαντική ανασκόπηση των Meyer και συνεργατών στο American Psychologist συνέθεσε στοιχεία από περισσότερες από 125 μετα-αναλύσεις για την εγκυρότητα των ψυχολογικών δοκιμασιών και από εκατοντάδες δείγματα πολυμεθοδικής αξιολόγησης.

Μεταξύ των βασικών συμπερασμάτων της ήταν ότι διαφορετικές μέθοδοι αξιολόγησης μπορούν να παρέχουν διαφορετικές και συμπληρωματικές πηγές πληροφορίας, ενώ η αποκλειστική εξάρτηση από την κλινική συνέντευξη μπορεί να οδηγήσει σε ελλιπέστερη κατανόηση του εξεταζόμενου.

Οι συγγραφείς υποστήριξαν ότι μια πολυμεθοδική προσέγγιση μπορεί να προσφέρει σε κατάλληλα εκπαιδευμένους κλινικούς ένα δομημένο πλαίσιο για εγκυρότερη εξατομικευμένη αξιολόγηση.

Παράλληλα, η έννοια της incremental validity της πρόσθετης δηλαδή αξίας που προσφέρει μια νέα μέθοδος ή ένα ψυχομετρικό εργαλείο πέρα από τις πληροφορίες που ήδη διαθέτουμε μας υπενθυμίζει κάτι εξίσου σημαντικό:

Περισσότερα δεδομένα δεν σημαίνουν αυτομάτως καλύτερη αξιολόγηση.
Χρειαζόμαστε τα σωστά δεδομένα, από τις σωστές πηγές,
και σωστή κλινική σύνθεση.

Με άλλα λόγια, η σύγχρονη ψυχολογική εξέταση δεν χρειάζεται να είναι μόνο τεστ, μόνο συνέντευξη ή μόνο κλινική εντύπωση.

Χρειάζεται, ανάλογα με το κλινικό ερώτημα και τον άνθρωπο που έχουμε απέναντί μας, σύνθεση:

ψυχομετρικών δεδομένων, κλινικής εξέτασης, ιστορικού, παρατήρησης
εμπειρικής & επιστημονικής κρίσης.

05Καινοτόμο Ψυχολογικό Check-Up

Μέσα από 35 χρόνια εμπειρίας της ISON Psychometrica στον χώρο της ψυχομετρικής αξιολόγησης, αναδείχθηκε ένα σημαντικό κενό:

Άνθρωποι μπορούν να ξεκινούν μια θεραπευτική πορεία χωρίς να έχει προηγηθεί μια συστηματική και ευρύτερη χαρτογράφηση των δυσκολιών, των δυνατών σημείων και της συνολικής ψυχικής τους λειτουργίας.

Από αυτή την ανάγκη γεννήθηκε το Ψυχολογικό Check-Up.

Μια ολοκληρωμένη διαδικασία που συνδυάζει επιστημονικά τεκμηριωμένα ψυχομετρικά εργαλεία, συνεδρίες με εξειδικευμένο ψυχολόγο, κλινική εξέταση και εξατομικευμένη αναλυτική αναφορά.

Στο πλαίσιο της υπηρεσίας αξιολογούνται περισσότερες από 70 διαστάσεις ψυχικής λειτουργίας και μπορούν να προκύψουν έως 210 εξειδικευμένοι ψυχομετρικοί δείκτες.

Όμως η ουσία της διαδικασίας δεν βρίσκεται απλώς στον αριθμό των μετρήσεων.

Βρίσκεται στη σύνθεση.

Στη σύνδεση των ψυχομετρικών αποτελεσμάτων με το ιστορικό, την κλινική εικόνα και τη συνολική ιστορία του ανθρώπου με σκοπό τον σχεδιασμό ενός εξατομικευμένου και περισσότερο αποτελεσματικού θεραπευτικού σχεδιασμού.

Ενδεικτική επιστημονική βιβλιογραφία

1. Meyer, G. J., Finn, S. E., Eyde, L. D., Kay, G. G., Moreland, K. L., Dies, R. R., Eisman, E. J., Kubiszyn, T. W., & Reed, G. M. (2001). Psychological testing and psychological assessment: A review of evidence and issues. American Psychologist, 56(2), 128–165. doi.org/10.1037/0003-066X.56.2.128
2. Hunsley, J., & Meyer, G. J. (2003). The incremental validity of psychological testing and assessment: Conceptual, methodological, and statistical issues. Psychological Assessment, 15(4), 446–455. doi.org/10.1037/1040-3590.15.4.446
3. Wright, A. J., Chávez, L., Edelstein, B. A., Grus, C. L., Krishnamurthy, R., Lieb, R., Mihura, J. L., Pincus, A. L., & Wilson, M. (2021). Education and training guidelines for psychological assessment in health service psychology. American Psychologist, 76(5), 794–801. doi.org/10.1037/amp0000742
4. Hager, P., Jungmann, F., Holland, R., Bhagat, K., Hubrecht, I., Knauer, M., Vielhauer, J., Makowski, M., Braren, R., Kaissis, G., & Rueckert, D. (2024). Evaluation and mitigation of the limitations of large language models in clinical decision-making. Nature Medicine, 30, 2613–2622. doi.org/10.1038/s41591-024-03097-1