Ένας ελαφρύς πόνος στο στήθος, ένας επίμονος πονοκέφαλος ή ένα σημάδι που εμφανίστηκε ξαφνικά στο δέρμα. Μέχρι πριν από λίγα χρόνια, η πρώτη μας κίνηση θα ήταν πιθανότατα να πληκτρολογήσουμε τα συμπτώματα στην Google. Σήμερα, όλο και περισσότεροι στρέφονται στην τεχνητή νοημοσύνη, περιγράφουν αναλυτικά όσα αισθάνονται και περιμένουν μια απάντηση που μοιάζει προσωπική, ξεκάθαρη και πολλές φορές καθησυχαστική.
Εδώ ακριβώς βρίσκεται και ο κίνδυνος.
Η τεχνητή νοημοσύνη δεν εμφανίζει απλώς μια σειρά από ιστοσελίδες, αφήνοντας τον χρήστη να επιλέξει τι θα διαβάσει. Συνθέτει τις διαθέσιμες πληροφορίες και απαντά με τόνο σίγουρο, ήρεμο και ανθρώπινο. Μπορεί να εξηγήσει περίπλοκους ιατρικούς όρους, να οργανώσει τα συμπτώματα και να προτείνει πιθανές αιτίες. Δεν μπορεί, όμως, να εξετάσει τον ασθενή, να αξιολογήσει πλήρως το ιστορικό του ή να αναλάβει την ευθύνη μιας διάγνωσης.
Μπορεί η τεχνητή νοημοσύνη να γίνει γιατρός;
Παρόλα αυτά, η χρήση της σε θέματα υγείας έχει ήδη ενσωματωθεί στην καθημερινότητα εκατομμυρίων ανθρώπων. Σύμφωνα με τη μελέτη "AI and Health in Spain 2026" της Wone Health, περισσότεροι από τους μισούς Ισπανούς χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης για ζητήματα που σχετίζονται με την υγεία. Η διατροφή βρίσκεται στην κορυφή με ποσοστό 79% και ακολουθεί η ψυχική υγεία με 64,1%.
Υπάρχει, πάντως, ένα ενθαρρυντικό στοιχείο: το 85,2% των συμμετεχόντων δηλώνει ότι δεν θα εμπιστευόταν μια διάγνωση που έχει γίνει αποκλειστικά από την τεχνητή νοημοσύνη. Οι χρήστες, επομένως, αναγνωρίζουν θεωρητικά τα όριά της. Αυτό δεν σημαίνει απαραίτητα ότι δεν επηρεάζονται από τις απαντήσεις της.
Από την υποχονδρία στην κυβερνοχονδρία
Η αναζήτηση πληροφοριών για την υγεία στο διαδίκτυο δεν είναι καινούργια. Η μαζική χρήση της Google και των διαδικτυακών φόρουμ δημιούργησε εδώ και χρόνια ένα φαινόμενο που ονομάστηκε κυβερνοχονδρία ή ψηφιακή υποχονδρία.
Πρόκειται για την τάση να αναζητά κάποιος επανειλημμένα πληροφορίες σχετικά με ένα σύμπτωμα και να καταλήγει σε ερμηνείες που ενισχύουν την ανησυχία του. Ένας απλός πονοκέφαλος μπορεί, μέσα σε λίγα λεπτά αναζήτησης, να συνδεθεί με τις σοβαρότερες δυνατές παθήσεις. Το άγχος αυξάνεται, ο άνθρωπος αρχίζει να παρατηρεί πιο έντονα κάθε αίσθηση του σώματός του και επιστρέφει στο διαδίκτυο αναζητώντας ακόμη περισσότερες απαντήσεις.
Δημιουργείται έτσι ένας φαύλος κύκλος: το σύμπτωμα προκαλεί ανησυχία, η αναζήτηση μεγαλώνει την ανησυχία και το αυξημένο άγχος κάνει το σύμπτωμα να φαίνεται ακόμη πιο έντονο.
Η τεχνητή νοημοσύνη μπορεί να κάνει αυτόν τον κύκλο πιο επικίνδυνο. Μια μηχανή αναζήτησης προσφέρει πολλές, συχνά αντικρουόμενες επιλογές. Ένα chatbot, αντίθετα, διατυπώνει μία ενιαία απάντηση, προσαρμοσμένη σε όσα του έχει περιγράψει ο χρήστης. Η φιλική διατύπωση και η φαινομενική βεβαιότητα μπορούν να δημιουργήσουν την εντύπωση ότι έχει προηγηθεί μια πραγματική ιατρική αξιολόγηση.
Η χρήση του διαδικτύου για θέματα υγείας έχει πλέον παγιωθεί. Στην Ισπανία, περίπου επτά στους δέκα πολίτες αναζητούν διαδικτυακά πληροφορίες υγείας, ενώ έξι στους δέκα χρησιμοποιούν το διαδίκτυο για τη διαχείριση ιατρικών ραντεβού.
Το πρόβλημα δεν είναι η ενημέρωση αυτή καθαυτή. Αρχίζει όταν ο χρήστης θεωρεί ότι όσα διάβασε ή όσα του απάντησε ένα μοντέλο είναι αρκετά για να διαγνώσει μόνος του την κατάστασή του και να αποφασίσει πώς θα την αντιμετωπίσει.
Η AI ως ψηφιακή αίθουσα αναμονής
Η στροφή προς την τεχνητή νοημοσύνη δεν οφείλεται μόνο στην περιέργεια ή στην εξοικείωση των νεότερων γενεών με την τεχνολογία. Σε πολλές περιπτώσεις αποτελεί συνέπεια των πραγματικών αδυναμιών των συστημάτων υγείας.
Όταν το επόμενο διαθέσιμο ραντεβού με έναν γιατρό απέχει εβδομάδες, ο ασθενής αναζητά μια άμεση απάντηση. Η τεχνητή νοημοσύνη είναι διαθέσιμη οποιαδήποτε ώρα, δεν απαιτεί μετακίνηση και μπορεί να απαντήσει μέσα σε δευτερόλεπτα. Με αυτόν τον τρόπο μετατρέπεται, όπως χαρακτηριστικά υποστηρίζει ο CEO της Wone Health, Adalberto Pacheco, σε μια άτυπη "αίθουσα αναμονής".
Η ευκολία αυτή μπορεί να είναι χρήσιμη όταν κάποιος θέλει να κατανοήσει έναν ιατρικό όρο, να οργανώσει τις ερωτήσεις που θα κάνει στον γιατρό του ή να αποκωδικοποιήσει ένα δύσκολο κείμενο. Μπορεί, όμως, να οδηγήσει και σε αυτοθεραπεία, λήψη ακατάλληλων φαρμάκων ή καθυστέρηση μιας απαραίτητης εξέτασης.
Μια καθησυχαστική απάντηση δεν είναι υποχρεωτικά και σωστή. Αντίστοιχα, μια υπερβολικά ανησυχητική απάντηση μπορεί να οδηγήσει κάποιον σε πανικό ή σε περιττές εξετάσεις.
Μελέτη που δημοσιεύθηκε στο Nature Medicine τον Φεβρουάριο του 2026 εξέτασε κατά πόσο τα γλωσσικά μοντέλα μπορούν να βοηθήσουν το κοινό να αναγνωρίσει μια πιθανή πάθηση και να αποφασίσει την κατάλληλη επόμενη κίνηση. Παρότι τα μοντέλα είχαν υψηλές επιδόσεις όταν απαντούσαν μόνα τους, οι άνθρωποι που τα χρησιμοποίησαν δεν κατάφεραν να λάβουν σημαντικά καλύτερες αποφάσεις από την ομάδα ελέγχου.
Μια δεύτερη έρευνα του ίδιου περιοδικού εντόπισε ακόμη σοβαρότερο πρόβλημα στη διαλογή επειγόντων περιστατικών. Σε ελεγχόμενες, υποθετικές περιπτώσεις, το σύστημα υποτίμησε τη σοβαρότητα του 52% των περιστατικών που οι γιατροί είχαν χαρακτηρίσει επείγοντα. Σε ορισμένα σενάρια, πρότεινε αξιολόγηση μέσα στις επόμενες 24 έως 48 ώρες αντί για άμεση μετάβαση στα επείγοντα.
Το συμπέρασμα δεν είναι ότι η τεχνητή νοημοσύνη δεν γνωρίζει τίποτα από ιατρική. Είναι ότι η απόδοση σε τεστ γνώσεων δεν εγγυάται ασφαλή καθοδήγηση σε πραγματικές συνθήκες.
Το αντηλιακό που προτείνει η AI μπορεί να μην είναι για εσένα
Το ζήτημα δεν περιορίζεται στις ασθένειες ή στα επείγοντα περιστατικά. Εμφανίζεται ακόμη και σε κάτι φαινομενικά απλό, όπως η επιλογή ενός αντηλιακού.
Μελέτη της Pixelclip εξέτασε τον τρόπο με τον οποίο εργαλεία όπως το ChatGPT, το Gemini και τα Google AI Overviews προτείνουν προϊόντα αντηλιακής προστασίας. Η έρευνα βασίστηκε σε 6.532 πραγματικές ερωτήσεις στα ισπανικά και στην ανάλυση 156.768 απαντήσεων.
Τα αποτελέσματα έδειξαν ότι μία συγκεκριμένη μάρκα εμφανιζόταν στο 85% των αναζητήσεων και αντιπροσώπευε το 38% των περιπτώσεων στις οποίες η τεχνητή νοημοσύνη επέλεγε ένα μόνο brand ως κύρια πρόταση. Παράλληλα, το 23% των πηγών που χρησιμοποιούσαν τα συστήματα προερχόταν από ηλεκτρονικά φαρμακεία και διανομείς, ενώ μόλις το 4,4% από τις επίσημες ιστοσελίδες των εταιρειών.
Αυτό δεν σημαίνει ότι το προϊόν που προτείνεται είναι κακό. Σημαίνει ότι μπορεί να επιλέγεται επειδή εμφανίζεται συχνότερα στις πηγές που χρησιμοποιεί το μοντέλο και όχι επειδή είναι το καταλληλότερο για τον συγκεκριμένο άνθρωπο.
Ένας χρήστης με λιπαρό δέρμα, ροδόχρου ακμή, αλλεργίες ή ενεργή δερματίτιδα δεν έχει τις ίδιες ανάγκες με κάποιον που δεν αντιμετωπίζει κανένα δερματολογικό πρόβλημα. Η AI δεν εξετάζει το δέρμα και δεν μπορεί να γνωρίζει με βεβαιότητα πώς θα αντιδράσει σε ένα συστατικό.
Ένα μοντέλο γενικής χρήσης μπορεί επίσης να αντιμετωπίσει ως περίπου ισοδύναμες μια κλινική μελέτη, ένα εμπορικό άρθρο, μια σελίδα ηλεκτρονικού καταστήματος και ένα καλογραμμένο wellness blog. Δεν διαθέτει από μόνο του έναν σταθερό μηχανισμό που να εγγυάται ότι η επιστημονικά ισχυρότερη πηγή θα καθορίσει την τελική απάντηση.
Όταν το GEO συναντά την υγεία
Τα brands έχουν ήδη κατανοήσει ότι η αναζήτηση αλλάζει. Για χρόνια προσπαθούσαν μέσω του SEO να εμφανίζονται όσο το δυνατόν ψηλότερα στην Google. Πλέον επενδύουν και στο GEO, δηλαδή στη βελτιστοποίηση του περιεχομένου τους ώστε να εμφανίζεται στις απαντήσεις των συστημάτων παραγωγικής τεχνητής νοημοσύνης.
Η αλλαγή είναι σημαντική. Στην παραδοσιακή αναζήτηση ο χρήστης έβλεπε πολλούς συνδέσμους και μπορούσε να συγκρίνει διαφορετικές πηγές. Στη νέα πραγματικότητα λαμβάνει συχνά μία έτοιμη απάντηση και μια περιορισμένη λίστα προτάσεων.
Επομένως, οι εταιρείες δεν ανταγωνίζονται πλέον μόνο για ένα κλικ. Ανταγωνίζονται για να γίνουν η μάρκα που θα αναφέρει το ίδιο το chatbot.
Στην υγεία, όμως, η δημοφιλία δεν πρέπει να συγχέεται με την καταλληλότητα. Το προϊόν που αναφέρεται συχνότερα δεν είναι απαραίτητα εκείνο που έχει τις καλύτερες κλινικές ενδείξεις ούτε αυτό που ταιριάζει στις ιδιαίτερες ανάγκες κάθε χρήστη.
Πώς πρέπει να ρωτάμε την τεχνητή νοημοσύνη
Η λύση δεν είναι να σταματήσουμε να χρησιμοποιούμε την AI για θέματα υγείας. Χρειάζεται να αλλάξουμε τον τρόπο με τον οποίο τη χρησιμοποιούμε.
Αντί να ρωτάμε "Έχω αυτή την ασθένεια;", είναι ασφαλέστερο να ζητάμε να μας εξηγήσει τι θα μπορούσε γενικά να σημαίνει ένα σύμπτωμα, ποια προειδοποιητικά σημάδια απαιτούν άμεση ιατρική βοήθεια και σε ποια ειδικότητα θα πρέπει να απευθυνθούμε.
Χρήσιμο είναι επίσης να ζητάμε τις πηγές στις οποίες βασίζεται η απάντηση, να ελέγχουμε αν πρόκειται για επίσημους οργανισμούς ή επιστημονικές δημοσιεύσεις και να αντιμετωπίζουμε με δυσπιστία οποιαδήποτε απόλυτη διάγνωση.
Το πλαίσιο παίζει επίσης ρόλο. Η ερώτηση "ποιο είναι το καλύτερο αντηλιακό;" είναι υπερβολικά γενική. Η αναφορά του τύπου του δέρματος, των αλλεργιών, της ύπαρξης ακμής ή άλλων προβλημάτων μπορεί να οδηγήσει σε πιο σχετική απάντηση. Ακόμη και τότε, όμως, η πρόταση δεν αντικαθιστά την αξιολόγηση ενός δερματολόγου.
Η τεχνητή νοημοσύνη μπορεί να μας βοηθήσει να καταλάβουμε. Δεν πρέπει να είναι εκείνη που αποφασίζει.
Το μέλλον πιθανότατα δεν βρίσκεται στην επιλογή ανάμεσα στον γιατρό και στην AI, αλλά στη συνεργασία τους. Σύμφωνα με τη μελέτη της Wone Health, το 71,2% των συμμετεχόντων θα χρησιμοποιούσε ένα σύστημα που συνδυάζει τεχνητή νοημοσύνη και επαγγελματίες υγείας, ενώ περισσότεροι από τους μισούς θα το προτιμούσαν από άλλα μοντέλα περίθαλψης.
Εξειδικευμένα εργαλεία, τα οποία λειτουργούν υπό την εποπτεία επιστημονικών επιτροπών, μπορούν να οργανώνουν ιατρικές πληροφορίες, να μεταφράζουν δύσκολους όρους και να βοηθούν τους ασθενείς να προετοιμάζονται καλύτερα για μια πραγματική εξέταση. Η επιστημονική εποπτεία, η διαφάνεια των πηγών και η παρουσία επαγγελματιών είναι εκείνα που μπορούν να μετατρέψουν την AI από έναν πειστικό συνομιλητή σε ένα πραγματικά χρήσιμο εργαλείο.
Μέχρι τότε, ο ασφαλέστερος κανόνας παραμένει απλός: χρησιμοποίησε την τεχνητή νοημοσύνη για να κάνεις καλύτερες ερωτήσεις στον γιατρό σου — όχι για να αποφασίσεις ότι δεν χρειάζεται να τον επισκεφθείς.
Ακολούθησε το Esquire στο Facebook, το Twitter και το Instagram.
