Θα παρουσιαστεί ένα επιλεγμένο άρθρo από το περιοδικό BMC Primary Care, το οποίο δημοσιεύτηκε τον Ιανουάριο του 2026.

Sani, H. S., Mobaraki, M., Sholibor, A., Fallah, S., Abdi, F., Hasannezhad, M., & Jandaghian-Bidgoli, M. (2026). Adoption of artificial intelligence in primary health care: systematic synthesis of stakeholder perspectives. BMC primary care, 27(1), 50. https://doi.org/10.1186/s12875-025-03157-6

Σύντομη Παρουσίαση του άρθρου

Το συγκεκριμένο άρθρο παρουσιάζει βασικά εμπόδια και προϋποθέσεις σχετικά με την ένταξη της τεχνητής νοημοσύνης (AI - Artificial Intelligence) στην πρωτοβάθμια φροντίδα υγείας (ΠΦΥ). 

Πρόκειται για συστηματική ανασκόπηση ποιοτικών μελετών που διερεύνησαν τις αντιλήψεις διαφόρων εμπλεκόμενων στην ΠΦΥ, όπως επαγγελματίες υγείας, ασθενείς και διοικητικά/ηγετικά στελέχη υπηρεσιών ΠΦΥ, όσον αφορά την ένταξη της ΑΙ στην καθημερινή πρακτική. Συμπεριλήφθηκαν 23 μελέτες, κυρίως focus groups, δημοσιευμένες το διάστημα 2019-2025. Από τη θεματική ανάλυση αυτών των μελετών προέκυψαν διάφορα ενδιαφέροντα θέματα.

• Πιθανά οφέλη από την ένταξη της AI στην ΠΦΥ 

Αναδείχθηκε η αντίληψη ότι οι υπηρεσίες της ΑΙ θα μπορούσαν να μειώσουν το χρόνο ενασχόλησης με γραφειοκρατικές διαδικασίες στην ΠΦΥ, αφήνοντας τελικά περισσότερο χρόνο για ουσιαστική επαφή με τον ασθενή. 

Διατυπώθηκε η άποψη ότι η ΑΙ μπορεί να συμβάλλει στην ταχύτερη ταξινόμηση και προτεραιοποίηση περιστατικών, στην αυτοματοποίηση ραντεβού, υπενθυμίσεων και συλλογής στοιχείων, να μειώσει το διοικητικό φόρτο και να βοηθήσει στον έγκαιρο εντοπισμό ασθενών υψηλού κινδύνου. Τονίζεται όμως ότι χρειάζονται περισσότερες μελέτες που να αποδεικνύουν την αποτελεσματικότητα των υπηρεσιών ΑΙ στην ΠΦΥ, ώστε να ενισχυθεί η εμπιστοσύνη επαγγελματιών υγείας και ασθενών στη χρήση τους.

• Βασικά εμπόδια και ανάγκες που αναδείχθηκαν 

Από την ανάλυση των μελετών αναδείχθηκαν κάποια βασικά εμπόδια στην θετική επίδραση της ΑΙ στην παρεχόμενη φροντίδα.  Μια κεντρική ανησυχία είναι η απουσία κατάλληλων υποδομών για την αξιοποίηση όλων των δυνατοτήτων της ΑΙ στην ΠΦΥ. Αναδείχθηκε η ενδιαφέρουσα άποψη ότι η εφαρμογή της ΑΙ στην ΠΦΥ θα μπορούσε να οξύνει το χάσμα μεταξύ υπαίθρου και αστικών περιοχών, όπως και μεταξύ αναπτυσσόμενων και αναπτυγμένων χωρών, αφού οι πρώτες, λόγω έλλειψης υποδομών, θα αντιμετωπίζουν περισσότερα τεχνικά εμπόδια στην εφαρμογή τέτοιων υπηρεσιών. 

Επιπλέον διατυπώθηκε η αντίληψη ότι η εκπαίδευση των επαγγελματιών υγείας στην ΑΙ είναι ελλιπής, οπότε αυτή μοιάζει να απευθύνεται κυρίως σε «λάτρεις της τεχνολογίας» και όχι στο μέσο επαγγελματία υγείας. Εκφράστηκε η ανάγκη η τεχνολογία αυτή να έρθει πιο κοντά στους επαγγελματίες της ΠΦΥ, με κατάλληλη, προσβάσιμη εκπαίδευση, ενώ κρίνεται απαραίτητη και η ενίσχυση των υπηρεσιών με τεχνικό προσωπικό που θα μπορεί να γεφυρώνει την εξειδικευμένη γνώση με τις ανάγκες της ΠΦΥ. 

Μια ακόμη ανησυχία που διατυπώθηκε σε πολλές μελέτες είναι ότι τα διαθέσιμα δεδομένα υγείας είναι σε μεγάλο βαθμό ελαττωματικά ή ελλιπή, οπότε και οι υπηρεσίες ΑΙ, που βασίζονται σε αυτά κινδυνεύουν να είναι μη-αξιόπιστες. 

Παράλληλα, το νομικό και ρυθμιστικό πλαίσιο κρίνεται από πολλούς ως μη επαρκές: το τοπίο της απόδοσης ευθύνης σε περίπτωση λάθους των συστημάτων ΑΙ παραμένει ασαφές, ενώ είναι ακόμα ελλιπείς οι κανονισμοί για τη διαχείριση των προσωπικών δεδομένων και τη διαφάνεια των αλγορίθμων.

Αν αυτά τα ζητήματα που αναδείχθηκαν από τους εμπλεκόμενους στην ΠΦΥ αντιμετωπιστούν αποτελεσματικά τότε μπορεί η ΑΙ να φέρει ουσιαστικά οφέλη για το σύστημα υγείας και τους ασθενείς.

Σύντομα σχόλια επί του άρθρου

Για την ελληνική πραγματικότητα, όπου η ΠΦΥ εξακολουθεί να αναπτύσσεται θεσμικά και οργανωτικά, αποτελεί ιδιαίτερη πρόκληση να αξιοποιηθεί η AI με τρόπο που να ενισχύει την ΠΦΥ με επίκεντρο τον άνθρωπο.

Η μελέτη αυτή υπενθυμίζει ότι η επιτυχής ένταξη της AI προϋποθέτει επένδυση σε υποδομές, εκπαίδευση, ηθικά και νομικά πλαίσια και διασφάλιση ισότιμης πρόσβασης, ώστε η τεχνολογία να υπηρετεί τις κλασικές αρχές της γενικής ιατρικής και της πρωτοβάθμιας φροντίδας. 

Παναγιώτης Βούλγαρης: Ένα ενδιαφέρον εύρημα της ανασκόπησης αφορά στην ποιότητα των διαθέσιμων δεδομένων υγείας στην ΠΦΥ και κατά πόσο μπορούν να χρησιμοποιηθούν αποτελεσματικά από εφαρμογές AI. Τα δεδομένα που συλλέγονται κατά την καθημερινή κλινική πρακτική στην ΠΦΥ ενδέχεται να είναι ελλιπή, μη τυποποιημένα, ανακριβή ή κατακερματισμένα σε διαφορετικά πληροφοριακά συστήματα (Verheij et al, 2018). Για χώρες όπως η Ελλάδα ειδικά, όπου η ηλεκτρονική καταγραφή και η διαλειτουργικότητα των συστημάτων εξακολουθούν να αποτελούν ζητούμενα, η συζήτηση για την αξιοποίηση της AI στην ελληνική ΠΦΥ δεν μπορεί να αποσυνδεθεί από τις διαχρονικές αδυναμίες στην καταγραφή και τη διαχείριση των κλινικών δεδομένων. Μάλιστα, οι αδυναμίες αυτές αποτελούν ζητήματα που έχουν αναδειχθεί στην ελληνική βιβλιογραφία εδώ και περισσότερες από δύο δεκαετίες (Orfanidis et al, 2004, Lionis et al, 2019).

Δημήτρης Κουναλάκης: H AI είναι ένας γενικός όρος που χρησιμοποιείται καθημερινά για να περιγράψει την ικανότητα ενός λογισμικού ή συστήματος να σκέφτεται με τρόπο ανάλογο του ανθρώπου. Υπάρχουν δύο παράγοντες που επηρεάζουν το θέμα μας: Υπάρχουν πολλών ειδών μεθοδολογίες και συστήματα ΑΙ και σε ρυθμιστικό επίπεδο κάθε λογισμικό που εμπεριέχει ΑΙ δυνατότητες και χρησιμοποιείται για παροχή φροντίδας αντιμετωπίζεται στην ΕΕ ως ιατρική συσκευή class IIb με ότι αυτό συνεπάγεται για την αδειοδότηση του και το κόστος απόκτησης και λειτουργείας του. Ένα μεγάλο επίσης θέμα είναι η πιστοποίηση και η απόδειξη ότι ένα μοντέλο ΑΙ θα εξακολουθεί να δίνει την ίδια απάντηση αν λάβει τα ίδια δεδομένα. Παράλληλα υπάρχουν συστήματα ΑΙ που επικοινωνούν σε φυσική γλώσσα (LLMs) αλλά και συστήματα που διαχειρίζονται δεδομένα και καταλήγουν μετά από επεξεργασία σε συγκεκριμένα αποτελέσματα. Το μεγαλύτερο κενό στην κατανόηση της λειτουργίας αυτών των συστημάτων είναι ότι δεν κατανοούν τι επεξεργάζονται αλλά το αποτέλεσμα τους βασίζεται στην στατιστική πιθανότητα για κάθε τμήμα του αποτελέσματος που παρέχουν με βάση τόσο τις αρχικές παραμέτρους όσο και την απάντηση τους για κάθε τμήμα ξεχωριστά. Είναι ο ίδιος στατιστικός μηχανισμός με απλοϊκή απλούστευση που χρησιμοποιείται για τον υπολογισμό του κινδύνου από γνωστά ιατρικά calculators όπως πχ το score2. Είναι σημαντική συνεπώς τόσο η ποιότητα των δεδομένων που έχουν χρησιμοποιηθεί αλλά ο τρόπος με τον οποίο χρησιμοποιούνται. 

Ίσως η πιο πετυχημένη χρήση του ΑΙ στην ιατρική σήμερα είναι η χρήση του ως εργαλείο που ακούει τα σχόλια του ιατρού και προσπαθεί να κωδικοποιήσει την πληροφορία με την χρήση κωδικοποιήσεων ή με την μορφή ενός κλινικού εγγράφου όπως πχ το SOAP (Subjective-Objective-Assessment-Plan) και ακολουθεί η χρήση του για την αναζήτηση βιβλιογραφίας σχετικά με ένα ιατρικό θέμα ή case. Και τα δύο δεν θεωρούνται παροχή ιατρικής φροντίδας και αποτελούν ιδιαίτερα πιεστικά θέματα στην καθημερινότητα ενός ιατρού. Η χρήση τους για την προετοιμασία μιας κλινικής περίληψης ανά επίσκεψη είναι σωτήρια για χώρες που αυτό είναι απαιτητή πραγματικότητα και ο οικογενειακός ιατρός αφιερώνει ένα σημαντικό τμήμα του χρόνου εργασίας του να γράφει κλινικές περιλήψεις για κάθε επίσκεψη ασθενή, όπως συμβαίνει στις ΗΠΑ. Ταυτόχρονα όμως, με τις σημερινές συνθήκες, στα γλωσσικά μοντέλα δεν υπάρχει η ανάλογη εκπαίδευση για πολλές γλώσσες μεταξύ και αυτών και της Ελληνικής γλώσσας. Έτσι, μπορεί να παρατηρήσει κανείς ένα είδος ρατσισμού προς τις γλώσσες που δεν υπάρχει η ανάλογη εκπαίδευσης των LLMs και η αδυναμία να χρησιμοποιηθούν στην καθημερινότητα. 

Ένα άλλο ενδιαφέρον στοιχείο για την ΕΕ είναι η εφαρμογή του GDPR αν θέλουμε να χρησιμοποιήσουμε τέτοια μοντέλα ΑΙ, καθώς η ύπαρξη εξοπλισμού για τοπική χρήση φαίνεται να είναι αρκετά μελλοντικό όνειρο. Η ΠΦΥ φαίνεται ότι θα μπορέσει να ωφεληθεί σημαντικά όταν θα αρχίσουν να είναι διαθέσιμα και με εφικτό κόστος εξοπλισμού μοντέλα που θα μπορούν να εκτελέσουν εργασίες σε τοπικό επίπεδο.