19η Συνέντευξη με τον Διεθνούς Φήμης Καθηγητή Αυξέντιο Καλαγκό.

Η τεχνητή νοημοσύνη μεταμορφώνει την καρδιοχειρουργική, αλλά επαναφέρει στο προσκήνιο ένα θεμελιώδες ερώτημα: ποιος φέρει την ευθύνη της ιατρικής απόφασης;

 Η σύγχρονη ιατρική δεν μετασχηματίζεται απλώς σε τεχνολογικό επίπεδο· μετασχηματίζεται πρωτίστως εννοιολογικά. Η τεχνητή νοημοσύνη δεν εισέρχεται στην ιατρική ως ένα ακόμη εργαλείο βελτίωσης της απόδοσης, αλλά ως ένας καταλυτικός παράγοντας που θέτει εκ νέου υπό εξέταση τα όρια της ιατρικής ευθύνης. Η παρουσία της στο πεδίο της καρδιοχειρουργικής δεν συνιστά απλώς εξέλιξη των διαθέσιμων μέσων, αλλά βαθιά αναδιάταξη της ίδιας της έννοιας της γνώσης, της κρίσης και της ευθύνης. Στο νέο αυτό επιστημονικό περιβάλλον, η ιατρική παύει να νοείται αποκλειστικά ως εμπειρική τέχνη και μετασχηματίζεται σε ένα σύνθετο γνωστικό σύστημα, όπου η ανθρώπινη νόηση αλληλεπιδρά με υπολογιστικές δομές υψηλής πολυπλοκότητας. «Η τεχνητή νοημοσύνη δεν εισάγεται πλέον στην ιατρική ως εργαλείο· εισάγεται ως δοκιμασία των ορίων της ανθρώπινης ευθύνης.» Η σύζευξη αλγοριθμικής επεξεργασίας και κλινικής απόφασης δεν αφορά απλώς τη βελτίωση της διαγνωστικής ή προγνωστικής ακρίβειας, αλλά την επανατοποθέτηση του ίδιου του υποκειμένου της ιατρικής πράξης. Η τεχνολογία δεν λειτουργεί πλέον αποκλειστικά ως υποστηρικτικό εργαλείο με στενή έννοια· επανακαθορίζει το γνωστικό και κλινικό πλαίσιο εντός του οποίου ο ιατρός καλείται να σκεφτεί, να αξιολογήσει και να αποφασίσει. Παρέχει υψηλή προγνωστική ακρίβεια, χωρίς όμως να αποδίδει εννοιολογικό ή ηθικό νόημα στην ιατρική πράξη.

Η συμβολή της κυρίας Γεωργίας Κωστακοπούλου, εκδότριας της Εφημερίδας ΕΛΛΗΝΙΚΗ ΓΝΩΜΗ στο Βερολίνο, αναδεικνύει ακριβώς αυτή τη μετάβαση: την ανάγκη μιας ιατρικής σκέψης που δεν περιορίζεται στην τεχνική αποτελεσματικότητα, αλλά συνδέεται οργανικά με την πολιτισμική και ηθική αυτοσυνείδηση. Η σύζευξη επιστήμης και πολιτισμού δεν αποτελεί διακοσμητική προσθήκη· αποτελεί δομική προϋπόθεση κατανόησης της επιστημονικής πράξης.

Ράνια Γάτου

Γενική Γραμματέας Coeurs Pour Tous | Μελετήτρια Καρδιοχειρουργικής, Ερευνήτρια Πολιτισμικού Λόγου, Ποιήτρια – Εικαστικός

Η τεχνητή νοημοσύνη, μέσω μεθόδων μηχανικής μάθησης, βαθιών νευρωνικών δικτύων και πολυπαραγοντικών προγνωστικών μοντέλων, εισέρχεται ενεργά στη διαδικασία της ιατρικής λήψης αποφάσεων. Στην καρδιοχειρουργική, όπου η πολυπλοκότητα των δεδομένων — αιμοδυναμικών, απεικονιστικών και βιοχημικών — συχνά υπερβαίνει την ανθρώπινη ικανότητα συνολικής επεξεργασίας, η υπολογιστική ανάλυση αποτελεί εργαλείο υψηλής ακρίβειας. Ωστόσο, η ακρίβεια της πρόβλεψης δεν ταυτίζεται με την ορθότητα της απόφασης. Η πρόβλεψη είναι γνωστική δυνατότητα· η απόφαση είναι ηθική πράξη. Τα αλγοριθμικά συστήματα μπορούν να βελτιστοποιούν πιθανότητες, αλλά δεν μπορούν να φέρουν την ευθύνη της επιλογής. Η ιατρική, ως πράξη που αφορά άμεσα την ανθρώπινη ζωή, δεν εξαντλείται στη στατιστική επεξεργασία δεδομένων· απαιτεί κρίση, εμπειρία και συνείδηση της μοναδικότητας κάθε ασθενούς. Σε αυτό το πλαίσιο, απευθύνθηκα στον Καθηγητή Καρδιοχειρουργικής και Πρόεδρο του Διεθνούς Ανθρωπιστικού Φορέα Coeurs Pour Tous / Καρδιές για όλους, κύριο Αυξέντιο Καλαγκό.

1. ΕΡΩΤΗΣΗ

ΡΑΝΙΑ ΓΑΤΟΥ: Κύριε Καθηγητά, Χριστός Ανέστη· και ας φωτίζει η Ανάσταση όχι μόνο τον λόγο μας, αλλά και την κρίση μας, ώστε κάθε επιστημονική σκέψη να παραμένει ταπεινά προσανατολισμένη στον άνθρωπο. Δεδομένης της ενσωμάτωσης της τεχνητής νοημοσύνης σε προγνωστικά και υποστηρικτικά ιατρικά συστήματα, θεωρείτε ότι μπορεί να εξελιχθεί σε καθοριστικό παράγοντα της ιατρικής απόφασης ή η ανθρώπινη κρίση θα παραμείνει το τελικό και αδιαπραγμάτευτο κριτήριο;

ΚΑΘΗΓΗΤΗΣ ΑΥΞΕΝΤΙΟΣ ΚΑΛΑΓΚΟΣ: Κυρία Γάτου, Χριστός Ανέστη· και προτού αρθρωθεί ο λόγος, ας προηγηθεί η σιωπή που καθαρίζει τον νου και εξαγνίζει την πρόθεση. Στο πλαίσιο αυτό της στοχαστικής προσέγγισης, η τεχνητή νοημοσύνη αποτελεί ήδη ένα εξαιρετικά ισχυρό γνωστικό εργαλείο, ιδίως στην ανάλυση μεγάλου όγκου βιοϊατρικών δεδομένων και στην ανάπτυξη προγνωστικών μοντέλων υψηλής ακρίβειας. Στην καρδιοχειρουργική, συστήματα μηχανικής μάθησης και βαθιά νευρωνικά δίκτυα έχουν αποδείξει την ικανότητά τους να προβλέπουν μετεγχειρητικές επιπλοκές, θνητότητα και ανάγκη επανεπέμβασης, αξιοποιώντας πολυεπίπεδα δεδομένα όπως απεικονιστικά, αιμοδυναμικά και βιοχημικά. Η υπολογιστική τους ισχύς συχνά υπερβαίνει την ανθρώπινη δυνατότητα επεξεργασίας. Ωστόσο, η προγνωστική ακρίβεια δεν ταυτίζεται με την κλινική ορθότητα της απόφασης. Η ιατρική απόφαση δεν αποτελεί στατιστική εκτίμηση, αλλά διαδικασία ερμηνείας που ενσωματώνει τη μοναδικότητα κάθε ασθενούς. Παράγοντες όπως η ηλικία, οι συν-νοσηρότητες, η λειτουργική κατάσταση, αλλά και μη πλήρως ποσοτικοποιήσιμες παράμετροι — όπως η ανθεκτικότητα του οργανισμού και η ποιότητα ζωής — διαμορφώνουν το τελικό θεραπευτικό σκεπτικό.

Χαρακτηριστικό παράδειγμα αποτελεί η αντικατάσταση αορτικής βαλβίδας. Ένα αλγοριθμικό σύστημα μπορεί να εκτιμήσει αυξημένο χειρουργικό κίνδυνο και να προτείνει λιγότερο επεμβατική προσέγγιση, όπως η διαδερμική εμφύτευση (TAVI). Ωστόσο, ο καρδιοχειρουργός δύναται να επιλέξει την κλασική χειρουργική επέμβαση, όταν λαμβάνει υπόψη ανατομικές ιδιαιτερότητες ή τη μακροπρόθεσμη πρόγνωση του ασθενούς. Σε αυτή την περίπτωση, η ιατρική πράξη δεν αντιστρατεύεται την τεχνολογία· την υπερβαίνει ερμηνευτικά. Όπως έχει αναδειχθεί στη σύγχρονη βιβλιογραφία (Eric J. Topol), η τεχνητή νοημοσύνη ενισχύει την ακρίβεια της ιατρικής, χωρίς όμως να υποκαθιστά τον ανθρώπινο παράγοντα της εν-συναίσθησης, της κατανόησης και της ευθύνης. Τα συστήματα αυτά παραμένουν εργαλεία υποστήριξης και όχι αυτόνομοι φορείς κρίσης. Επομένως, η τεχνητή νοημοσύνη δεν αντικαθιστά την ιατρική κρίση· τη διευρύνει και ταυτόχρονα την δοκιμάζει. Η ευθύνη παραμένει στον ιατρό, ο οποίος καλείται να αξιολογήσει όχι μόνο τα δεδομένα, αλλά και τα όρια των ίδιων των αλγορίθμων. Η «black box» φύση πολλών συστημάτων καθιστά το ζήτημα όχι μόνο τεχνικό, αλλά βαθύτατα ηθικό. Η τεχνητή νοημοσύνη δύναται να προβλέπει· ο ιατρός οφείλει να αποφασίζει.

Ενδεικτική Βιβλιογραφία

• Topol, E. J. (2019). Deep Medicine: How Artificial Intelligence Can Make Healthcare Human Again.
• The Lancet Digital Health (2023–2024). Cardiac surgery AI predictive models.
• Science Robotics (2017). Medical robotics and decision-support systems in surgery and clinical practice.
• European Heart Journal. Cardiology risk models (EuroSCORE, STS).
• Obermeyer, Z. et al. (2019). Dissecting racial bias in healthcare algorithms. Science.
• Rudin, C. (2019). Stop explaining black box machine learning models for high-stakes decisions.
• European Union AI Act (2021–2024). Regulatory framework for algorithmic transparency and accountability.
• World Health Organization (WHO). Guidance on AI in healthcare (2021–2024).

2. ΕΡΩΤΗΣΗ

ΡΑΝΙΑ ΓΑΤΟΥ:

Η δυνατότητα των αλγορίθμων να προβλέπουν την έκβαση μιας επέμβασης με υψηλή πιθανότητα επιτυχίας ή αποτυχίας μεταβάλλει τη φύση της ιατρικής ευθύνης;

ΚΑΘΗΓΗΤΗΣ ΑΥΞΕΝΤΙΟΣ ΚΑΛΑΓΚΟΣ: Η ιατρική ευθύνη δεν μετατίθεται στην τεχνολογία· αντιθέτως, αναδιαμορφώνεται σε ένα πιο σύνθετο και απαιτητικό γνωστικό πλαίσιο. Η ενσωμάτωση της τεχνητής νοημοσύνης στην καρδιοχειρουργική δεν απλοποιεί τη λήψη απόφασης· την καθιστά πιο πολυπαραγοντική, πιο διαφανή και ταυτόχρονα πιο ηθικά φορτισμένη. Στο νέο αυτό περιβάλλον, ο ιατρός δεν λειτουργεί αποκλειστικά υπό συνθήκες κλινικής αβεβαιότητας, αλλά καλείται να αξιολογήσει προτάσεις που προκύπτουν από συστήματα υψηλής προγνωστικής ακρίβειας. Η μετατόπιση αυτή σηματοδοτεί μια θεμελιώδη αλλαγή: από την απλή εφαρμογή ιατρικής γνώσης στην κριτική της αξιολόγηση. Τα σύγχρονα προγνωστικά εργαλεία, όπως τα EuroSCORE II και STS risk models, παρέχουν αξιόπιστες εκτιμήσεις θνητότητας και επιπλοκών. Ωστόσο, η κλινική τους αξία δεν ταυτίζεται με την ιατρική απόφαση. Η απόφαση δεν είναι μηχανική επιλογή βέλτιστης πιθανότητας, αλλά σύνθεση επιστημονικών δεδομένων, εμπειρικής κρίσης και εξατομικευμένης αξιολόγησης του ασθενούς. Χαρακτηριστικό παράδειγμα αποτελεί η αντιμετώπιση ασθενών υψηλού κινδύνου. Ένα προγνωστικό σύστημα μπορεί να υποδείξει αυξημένη πιθανότητα θνητότητας και να προτείνει λιγότερο επεμβατικές επιλογές. Ωστόσο, ο καρδιοχειρουργός ενδέχεται να επιλέξει διαφορετική στρατηγική, λαμβάνοντας υπόψη την ανατομική ιδιαιτερότητα, τη βιολογική εφεδρεία και τη μακροπρόθεσμη προοπτική του ασθενούς. Η απόφαση αυτή δεν αντιστρατεύεται τα δεδομένα· τα ερμηνεύει. Η σύγχρονη βιοηθική και η ψηφιακή ιατρική συμφωνούν ότι τα συστήματα τεχνητής νοημοσύνης παραμένουν εργαλεία υποστήριξης και όχι φορείς ευθύνης. Η έλλειψη πρόθεσης, συνείδησης και ηθικής βούλησης καθιστά αδύνατη τη μεταβίβαση λογοδοσίας σε αλγορίθμους. Επομένως, η πρόοδος της τεχνολογίας δεν μειώνει την ιατρική ευθύνη· την καθιστά πιο απαιτητική, πιο συνειδητή και πιο εκτεθειμένη. Η ιατρική απόφαση δεν απλουστεύεται από την τεχνητή νοημοσύνη· βαθαίνει μέσα από αυτήν.

Ενδεικτική Βιβλιογραφία

• Topol, E. J. (2019). Deep Medicine.
• The Lancet Digital Health (2023). AI and clinical accountability.
• European Heart Journal. EuroSCORE II / STS risk prediction models.
• Science Robotics (2017). Medical robotics and decision-support systems.
• Obermeyer, Z. et al. (2019). Algorithmic bias in healthcare. Science.
• Rudin, C. (2019). Interpretability vs black-box models in high-stakes medicine.
• European Union AI Act (2021–2024).
• World Health Organization (WHO) Guidelines on AI in Healthcare (2021–2024).

3. ΕΡΩΤΗΣΗ

ΡΑΝΙΑ ΓΑΤΟΥ:

Σε ένα περιβάλλον όπου τα συστήματα τεχνητής νοημοσύνης μπορούν να προτείνουν τη βέλτιστη θεραπευτική στρατηγική, διαμορφώνεται ένα μοντέλο συνεργασίας ή υπάρχει ο κίνδυνος υποκατάστασης της ανθρώπινης κρίσης;

ΚΑΘΗΓΗΤΗΣ ΑΥΞΕΝΤΙΟΣ ΚΑΛΑΓΚΟΣ: Το μέλλον της ιατρικής δεν προδιαγράφεται ως πεδίο υποκατάστασης της ανθρώπινης κρίσης, αλλά ως πεδίο συνεργασίας μεταξύ ανθρώπινης και υπολογιστικής νοημοσύνης. Η τεχνητή νοημοσύνη, μέσω αλγορίθμων μηχανικής μάθησης και ρομποτικών συστημάτων, μπορεί να επεξεργάζεται τεράστιους όγκους δεδομένων και να προτείνει θεραπευτικές στρατηγικές υψηλής ακρίβειας. Ωστόσο, η έννοια της «βέλτιστης θεραπείας» δεν είναι αποκλειστικά τεχνική ή μαθηματική. Περιλαμβάνει αξιακές, κλινικές και ανθρωποκεντρικές παραμέτρους. Η θεραπευτική επιλογή εξαρτάται από την πιθανότητα επιτυχίας, αλλά εξίσου από την ποιότητα ζωής, τις προτιμήσεις του ασθενούς, τη λειτουργική του κατάσταση και τη μακροπρόθεσμη πρόγνωση. Οι παράμετροι αυτοί δεν αποτυπώνονται πλήρως σε αλγοριθμικά μοντέλα. Στην καρδιοχειρουργική πρακτική, η συνεργασία αυτή είναι ήδη πραγματικότητα. Ρομποτικά συστήματα ενισχύουν τη χειρουργική ακρίβεια, ενώ προγνωστικά μοντέλα υποστηρίζουν τον προεγχειρητικό σχεδιασμό. Παρ’ όλα αυτά, η τελική απόφαση παραμένει ανθρώπινη, καθώς εδράζεται στην κλινική εμπειρία και στην ηθική ευθύνη. Σε περιπτώσεις σύνθετης στεφανιαίας νόσου, για παράδειγμα, ένα σύστημα AI μπορεί να προτείνει διαφορετικά σενάρια επαναγγείωσης βάσει πληθυσμιακών δεδομένων. Ο χειρουργός, ωστόσο, μπορεί να επιλέξει διαφορετική στρατηγική, λαμβάνοντας υπόψη την ευθραυστότητα, τη συμμόρφωση και τις εξατομικευμένες ανάγκες του ασθενούς.

Η διεθνής βιβλιογραφία ορίζει αυτή τη σχέση ως «συνεργατική νοημοσύνη» (augmented intelligence), όπου άνθρωπος και μηχανή λειτουργούν συμπληρωματικά. Όπως έχει τονίσει ο Eric J. Topol, η τεχνητή νοημοσύνη ενισχύει την ιατρική ακρίβεια χωρίς να υποκαθιστά την ανθρώπινη εν-συναίσθηση και κρίση. Αντίστοιχα, η σύγχρονη έρευνα στην ιατρική ρομποτική επιβεβαιώνει τον υποστηρικτικό και όχι αυτοδύναμο ρόλο των συστημάτων αυτών. Επομένως, δεν πρόκειται για αντικατάσταση αλλά για ΣΥΝΥΠΑΡΞΗ. Η τεχνολογία επεκτείνει τις δυνατότητες της ιατρικής· ο άνθρωπος παραμένει αυτός που αποδίδει νόημα στην πράξη.

Ενδεικτική Βιβλιογραφία

• Topol, E. J. (2019). Deep Medicine.
• Science Robotics (2017). Robotic-assisted surgery.
• European Heart Journal. Decision-making in cardiology.
• The Lancet Digital Health (2023). AI-assisted care models.
• Obermeyer, Z. et al. (2019). Bias in medical algorithms. Science.
• Rudin, C. (2019). Interpretability in high-stakes AI systems.
• European Union AI Act (2021–2024).
• World Health Organization (WHO). AI in Healthcare Guidelines (2021–2024).

ΕΠΙΛΟΓΟΣ

Η ενσωμάτωση της τεχνητής νοημοσύνης στην καρδιοχειρουργική δεν συνιστά απλώς τεχνολογική εξέλιξη, αλλά δομική μετατόπιση της ίδιας της ιατρικής σκέψης. Η κλινική γνώση καθίσταται πολυπαραγοντική, η ανάλυση δεδομένων πολυεπίπεδη και η ιατρική απόφαση εγγενώς περισσότερο εκτεθειμένη στην ανάγκη αιτιολόγησης και ευθύνης. Σε αυτό το πλαίσιο, ο ιατρός δεν λειτουργεί ως απλός εφαρμοστής προγνωστικών συστημάτων, αλλά ως κριτικός ερμηνευτής τους και τελικός φορέας της απόφασης. Η τεχνητή νοημοσύνη επεκτείνει τη γνωστική ικανότητα της ιατρικής, χωρίς όμως να μεταβιβάζει ή να αναπαράγει την ηθική της ευθύνης.Η διάκριση αυτή είναι θεμελιώδης: η τεχνολογία μπορεί να βελτιστοποιεί πιθανότητες, αλλά δεν μπορεί να αποδώσει νόημα στην ιατρική πράξη. Το νόημα παραμένει εγγενώς ανθρωποκεντρικό και συνδέεται με την ευθύνη απέναντι στη μοναδικότητα κάθε ασθενούς. Η καρδιοχειρουργική, ως πεδίο όπου η απόφαση έχει άμεση και μη αναστρέψιμη επίπτωση στη ζωή, αναδεικνύει με ιδιαίτερη σαφήνεια ότι η πρόοδος της επιστήμης δεν μπορεί να αποσυνδεθεί από την ηθική της θεμελίωση. Καθώς τα προγνωστικά μοντέλα καθίστανται ολοένα και πιο ακριβή, το κεντρικό ερώτημα δεν αφορά πλέον το τι μπορεί να προβλεφθεί, αλλά το ποιος φέρει την ευθύνη της απόφασης που βασίζεται στην πρόβλεψη. Η τεχνητή νοημοσύνη δύναται να αναλύει, να συσχετίζει και να προτείνει· δεν δύναται όμως να λογοδοτεί. Η ευθύνη παραμένει αποκλειστικά ανθρώπινη: ανήκει σε εκείνον που ερμηνεύει τα δεδομένα, αξιολογεί τις αβεβαιότητες και τελικώς αποφασίζει. Υπό αυτή την έννοια, η ουσία της ιατρικής πράξης δεν έγκειται στην πρόβλεψη, αλλά στη συνείδηση που τη μετατρέπει σε απόφαση. Και όσο η πρόβλεψη γίνεται ολοένα πιο ακριβής, τόσο πιο επιτακτικό καθίσταται το ερώτημα της ευθύνης που τη συνοδεύει.

Η συζήτηση αυτή φιλοξενήθηκε στο Πανεπιστήμιο Koç της Κωνσταντινούπολης, όπου ο Καθηγητής Αυξέντιος Καλαγκός δραστηριοποιείται στον τομέα της καρδιοχειρουργικής, αναπτύσσοντας το κλινικό και ερευνητικό του έργο στο ευρύτερο πλαίσιο του σύγχρονου προβληματισμού για την τεχνητή νοημοσύνη στην ιατρική πράξη. Εκφράζονται θερμές ευχαριστίες προς τον Καθηγητή για την παραχώρηση της συνέντευξης, καθώς και προς την εφημερίδα Ελληνική Γνώμη για τη δημοσίευση και ανάδειξη του περιεχομένου της.