AI postiže 94% točnosti u detekciji tumora i smanjuje dijagnostičke greške za 42%. Evo kako strojno učenje mijenja medicinu — i zašto liječnici to ne bi trebali bojati.
- godine AI algoritam dijagnosticirao je rak pluća kod pacijenta kojeg su četiri radiologa propustila. Pacijent je živio. Taj slučaj — dokumentiran u medicinskom časopisu Radiology — nije anegdota. To je signal koji je promijenio razgovor o tome što AI smije raditi u ordinaciji.
Svjetsko tržište AI zdravstvene tehnologije procjenjuje se na $45,2 milijarde za 2026. godinu. Nije to slučajno: 79% zdravstvenih organizacija na razini svijeta aktivno koristi neki oblik AI tehnologije, a 74% američkih bolnica uvelo je AI-podržane dijagnostičke alate u radiologiju. Medicina se mijenja — tiho, ali brzo.
Dijagnostika koja nadmašuje ljude
Kada AI sustav postigne 94% točnosti u detekciji tumora, a iskusni radiolog postiže 87% — to nije sramota za liječnika. To je suradnja koja treba biti standard, a ne iznimka. Bolnice koje su uvele AI-podržanu dijagnostiku izvijestile su o 42% manjem broju dijagnostičkih grešaka u usporedbi s onima bez AI alata.
Taj broj treba kontekstualizirati. Dijagnostičke greške su jedan od vodećih uzroka nepotrebnih hospitalizacija i pogrešnih tretmana. U SAD-u se godišnje dogodi 250.000 smrtnih slučajeva zbog medicinskih grešaka — dio kojih je dijagnostičke naravi. Ako AI može smanjiti taj broj i za 10%, to je desetine tisuća spašenih života godišnje.
AI pokazuje posebno snažne rezultate u radiologiji (analiza CT, MRI i rendgenskih snimki), patologiji (analiza histoloških uzoraka), dermatologiji (detekcija melanoma iz fotografija kože) i kardiologiji (analiza EKG-a i ehokardiograma). U svim ovim domenama, modeli trenirani na milijunima snimki uočavaju mikroobrasci koje ljudsko oko redovito propušta — posebno u ranim fazama bolesti.
340 FDA-odobrenih AI alata: regulativa je krenula
Jedan od najvažnijih signala da AI u medicini nije eksperiment nego industrija — jest broj regulatorno odobrenih alata. Američka agencija FDA odobrila je više od 340 AI medicinskih alata, primarno za dijagnostiku. Taj broj govori o razini provjere, dokumentacije i odgovornosti koji stoje iza svake implementacije.
Europa nije daleko iza: EU Medical Device Regulation (MDR) i AI Act zajedno definiraju okvir u kojem AI medicinski alati moraju proći strogu kliničku provjeru. To je razlog zašto kompanije poput Siemens Healthineers, GE Healthcare i Philips ulažu milijarde u regulatorno usklađene AI platforme — jer tržišni ulaz nije slobodan, nego zaštićen visokim barijerama.
Administrativni teret koji ubija liječnike
Postoji dimenzija AI u zdravstvu o kojoj se rjeđe govori, ali koja je možda i najneposrednija: administrativni teret. Liječnici u SAD-u provode prosječno 4,5 sati dnevno na dokumentaciju — više nego s pacijentima. To je jedan od glavnih uzroka sindroma izgaranja (burnout) koji pogađa 51,9% liječnika.
AI alati za kliničku dokumentaciju — koji automatski transkribuju i strukturiraju razgovor s pacijentom u medicinsku dokumentaciju — doveli su do pada burnout-a s 51,9% na 38,8% u institucijama koje su ih uvele. Nije to mala stvar: liječnik koji nije izgorjela bolje tretira pacijente, radi manje grešaka i dulje ostaje u struci. AI koji "samo" piše bilješke, spašava karijere — i neizravno živote.
Hrvatska i regija: gdje smo?
Hrvatska i šire jugoistočna Europa kasne za zapadnim trendovima, ali ne toliko koliko se čini. KBC Zagreb eksperimentira s AI sustavima za analizu snimki, a Ministarstvo zdravstva financira pilot projekte u okviru nacionalnog plana digitalizacije zdravstva.
Pravi izazov nije tehnologija — tehnologija je dostupna i relativno pristupačna. Pravi izazov je infrastruktura podataka. AI modeli trebaju ogromne količine strukturiranih medicinskih podataka za treniranje. Hrvatska trenutno nema centralizirani digitalni zdravstveni registar koji bi bio interoperabilan s EU sustavima — a upravo to je preduvjet za sustave koji uče i poboljšavaju se.
RH je u procesu implementacije Europskog prostora zdravstvenih podataka (EHDS), koji bi do 2027. trebao omogućiti razmjenu podataka između država EU. Taj infrastrukturni korak je temelj za ozbiljniju upotrebu AI u domaćem zdravstvu.
Izazovi i etičke dileme
Ni jedna tehnološka revolucija ne dolazi bez cijena. AI u medicini nosi ozbiljne izazove koje industrija tek počinje rješavati.
Pristranost podataka je možda najteži problem. Ako model treniran pretežno na podacima bijele populacije dijagnosticira manje točno za Azijate ili Afrikance — a postoje istraživanja koja upravo to pokazuju — onda AI ne poboljšava zdravstvo za sve, nego samo za neke. To nije tehničko pitanje, to je etičko i pravno.
Odgovornost je drugi ključni problem. Ako AI dijagnosticira krivo i pacijent nastrada — tko odgovara? Liječnik koji je prihvatio preporuku? Kompanija koja je razvila model? Bolnica koja ga je implementirala? Europa i SAD rade na regulatornim okvirima, ali zakoni kasne za tehnologijom.
Privatnost podataka ostaje stalna napetost. AI modeli trebaju podatke. Medicinski podaci su najosjetljiviji koji postoje. Svaka kompanija koja gradi AI dijagnostički alat mora riješiti pitanje gdje se podaci čuvaju, tko im ima pristup i kako su zaštićeni — uz usklađenost s GDPR-om u Europi.
Sve ove dileme su rješive — ali zahtijevaju interdisciplinarnu suradnju liječnika, pravnika, etičara i inženjera. Tehnologija je samo jedan od aktera.
Za sada, trend je jasan: AI u medicini nije zamjena za liječnika. To je alat koji liječniku daje supermoć — brže, preciznije, s manje grešaka. Bolnice koje to razumiju ne pitaju "smijemo li koristiti AI?" Pitaju "kako ga koristiti odgovorno?"
Izvori i dodatno čitanje
Više članaka
- ugljični otisakAI energija
Ugljični otisak interneta: jedan ChatGPT upit troši 10× više struje od Google pretrage
1. lipnja 2026.
- e-otpadrecikliranje
E-otpad: 72 milijuna tona godišnje i samo 20% se pravilno reciklira
1. lipnja 2026.
- sleep trackingwearables
Sleep tracking: vaš smartwatch kaže 23% deep sleep — ali možete li mu vjerovati?
1. lipnja 2026.