Cele mai importante noutăți medicale, la zi

Agenția americană pentru alimente și medicamente (FDA) a lansat programul pilot TEMPO, care permite anumitor dispozitive medicale bazate pe inteligență artificială generativă să fie utilizate în practică înainte de a obține autorizația oficială de comercializare. Printre primele patru produse acceptate se numără platformele Cadence și Limbic — companii de sănătate digitală cu aplicații în monitorizarea cardiologică, respectiv în sănătatea mintală. Programul TEMPO funcționează ca un cadru de acces condiționat: companiile pot distribui produsele, dar cu obligativitatea colectării riguroase de date privind siguranța și eficacitatea în condiții reale de utilizare. FDA intenționează să folosească aceste informații pentru a rafina procesul de evaluare și autorizare a dispozitivelor AI — o categorie pentru care reglementările clasice, concepute pentru dispozitive statice, se potrivesc greu. Pentru medicii și rezidenții care lucrează cu astfel de instrumente, aceasta înseamnă că unele soluții AI pe care le-ar putea folosi deja în clinică nu sunt neapărat autorizate complet, ci se află într-un statut de evaluare accelerată. Transparența față de pacienți și documentarea utilizării devin astfel mai importante ca oricând. Comunicarea clară a statutului dispozitivului și consemnarea sistematică a rezultatelor clinice observate reprezintă responsabilități suplimentare pentru echipele medicale implicate. Inițiativa reflectă presiunea uriașă pe care o resimt autoritățile de reglementare în fața vitezei de dezvoltare a inteligenței artificiale în medicină. Dacă TEMPO va funcționa fără incidente majore, ar putea deveni un model de reglementare adaptativă pentru alte agenții din lume — inclusiv EMA sau autoritățile europene naționale. Rămâne de văzut în ce măsură datele colectate în cadrul programului vor reuși să echilibreze nevoia de inovație cu cerințele de siguranță ale pacienților.

Un comentariu publicat recent analizează un studiu despre implementarea scribilor bazați pe inteligență artificială în mai multe sisteme academice de sănătate din Statele Unite. Concluzia de ansamblu este promițătoare: aceste instrumente AI, care transcriu automat consultațiile și completează dosarul electronic al pacientului, reduc efectiv timpul petrecut de medici în fișele electronice și, în unele cazuri, le permit acestora să vadă mai mulți pacienți într-o zi de lucru. Tabloul general este însă mai nuanțat decât pare la prima vedere. Autorii comentariului subliniază că beneficiile nu sunt uniform distribuite. Unii clinicieni câștigă ore întregi pe săptămână, alții aproape deloc — variabilitatea depinde de specialitate, de fluxul de lucru anterior și de modul în care fiecare medic integrează instrumentul în rutina sa clinică. Datele provin din implementări reale, nu din condiții experimentale controlate, ceea ce le conferă o relevanță practică considerabilă, dar totodată face mai dificilă generalizarea rezultatelor. Contextul este esențial: burnout-ul generat de documentația excesivă în sistemele de fișe electronice (EHR) reprezintă una dintre cauzele principale de epuizare profesională în rândul medicilor. Scribii AI sunt prezentați adesea drept soluția definitivă, dar studiul temperează optimismul — implementarea contează cel puțin la fel de mult ca tehnologia în sine. Fără un training adecvat și fără adaptarea fluxurilor de lucru la noile instrumente, câștigul de timp rămâne modest sau chiar nesemnificativ. Mesajul pentru managerii de spitale și pentru medicii interesați de aceste tehnologii este clar: scribii AI merită luați în considerare, dar cu așteptări realiste și cu o evaluare atentă a contextului local, înainte de a considera că problema burnout-ului este rezolvată.

Vaccinul personalizat împotriva cancerului dezvoltat de Merck și Moderna se bazează pe un algoritm de inteligență artificială care analizează profilul mutațional al tumorii fiecărui pacient și selectează neoantigenii cu cel mai mare potențial imunogen. Detaliile acestui algoritm, mult timp păstrate confidențiale, încep să fie dezvăluite pe măsură ce vaccinul avansează în studiile clinice. Concret, secvențiatoarele de nouă generație analizează ADN-ul tumoral și ADN-ul normal al pacientului, iar algoritmul compară cele două seturi de date pentru a identifica mutațiile somatice unice. Dintre acestea, sunt selectate până la 34 de neoantigene care îndeplinesc criterii stricte de prezentare pe moleculele HLA — mecanismul prin care limfocitele T recunosc celulele canceroase. Vaccinul ARNm este apoi sintetizat și livrat pacientului în câteva săptămâni. Această abordare a arătat rezultate promițătoare în melanomul avansat, unde combinația cu pembrolizumab a redus semnificativ riscul de recidivă față de imunoterapia singură. Recent, agenția FDA a aprobat un medicament al RevMed pentru cancerul pancreatic, semn că oncologia moleculară câștigă teren rapid și în tumorile cu prognostic sumbru. Pentru oncologi, implicația practică este că vaccinurile personalizate nu mai sunt știință-ficțiune — sunt pe punctul de a intra în practica clinică. Înțelegerea criteriilor de selecție ale algoritmului ajută la anticiparea căror pacienți ar putea beneficia cel mai mult.

Un studiu recent arată că mamografiile de rutină — efectuate pentru depistarea cancerului de sân — pot fi utilizate simultan pentru identificarea bolilor cardiovasculare la femei, printr-un algoritm de inteligență artificială. Boala cardiacă este prima cauză de deces la femei la nivel mondial și rămâne frecvent subdiagnosticată, mai ales în stadii incipiente, când intervenția ar fi cel mai eficientă. Cercetătorii au antrenat un model AI să analizeze imaginile mamografice și să identifice semne ale calcificărilor arteriale din vasele toracice vizibile pe aceste radiografii. Algoritmul a reușit să detecteze cu acuratețe femeile cu boală cardiacă ischemică, fără investigații suplimentare și fără costuri adăugate — doar din imaginile deja existente în sistemul de screening. Relevant pentru clinicieni este că această abordare transformă o investigație punctuală într-un instrument de screening dual. Milioane de femei fac mamografii anual; dacă același examen poate semnaliza și riscul cardiovascular, rata de depistare precoce ar putea crește semnificativ, mai ales în centrele unde accesul la cardiologie este limitat. Ginecologii și medicii de familie care coordonează screeningul oncologic ar deveni astfel și un prim filtru pentru riscul cardiac. Studiul deschide o direcție promițătoare, dar experții subliniază că sunt necesare validări pe cohorte mai mari și din populații diverse înainte de implementarea clinică. Integrarea unui astfel de algoritm în fluxul de lucru radiologic ar necesita și un protocol clar de referire către cardiologie pentru cazurile pozitive.

Fracturile de șold reprezintă una dintre cele mai grave consecințe ale osteoporozei — asociate cu declin funcțional rapid, comorbidități și mortalitate crescută la vârstnici. Un nou instrument de decizie clinică, dezvoltat și validat pe o cohortă națională, promite să identifice cu precizie pacienții cu risc crescut, atât pe termen scurt, cât și pe termen lung, fără a necesita o evaluare față în față. Studiul, semnat de Axelsson și colaboratori, a utilizat date populaționale din Suedia pentru a construi un model predictiv cu performanță ridicată. Acesta integrează variabile disponibile în sistemele informatice medicale — date demografice, diagnostice anterioare, tratamente, rezultate de laborator — fără să impună consultații suplimentare sau investigații speciale. Modelul a fost validat atât intern, cât și extern, demonstrând o bună discriminare și calibrare. Relevant pentru practica clinică este faptul că instrumentul poate fi aplicat direct din datele existente ale pacientului, ceea ce îl face util în special pentru screeningul populațional și triajul în medicina de familie sau geriatrie. Medicul poate identifica persoanele la risc înalt înainte ca fractura să se producă și poate interveni cu tratament antiosteoporotic sau măsuri de prevenție a căderilor. Într-o perioadă în care sistemele de sănătate caută soluții scalabile, un model predictiv care funcționează pe date deja colectate are un potențial real de implementare. Pasul următor este testarea adoptabilității lui în sisteme de sănătate cu arhitecturi informatice diferite, inclusiv în țări cu baze de date medicale mai puțin integrate.

Cercetătorii de la University of California San Diego au dezvoltat un inel inteligent capabil să analizeze în timp real biomarkeri metabolici din transpirație. Dispozitivul — de dimensiunea unui inel obișnuit — colectează și procesează continuu date despre concentrațiile unor molecule-cheie, fără niciun test de sânge sau procedură invazivă. Studiul a fost publicat în Nature Communications. Inelul integrează microbiosenzori electrochimici care detectează substanțe precum glucoza, lactatul sau electroliții direct din transpirația de la nivelul pielii. Datele sunt transmise wireless și interpretate în timp real. Într-un studiu de validare, rezultatele au corelat bine cu măsurătorile de referință obținute prin metode clasice, sugerând că precizia este suficientă pentru aplicații clinice și de monitorizare personală. Pentru diabetologi, endocrinologi și medicii de medicină sportivă, o astfel de tehnologie deschide perspectiva monitorizării metabolice continue fără disconfortul recoltărilor repetate de sânge. În plus, faptul că dispozitivul este wearable și discret îl face potrivit pentru utilizare pe termen lung, inclusiv în afara spitalului — exact acolo unde datele metabolice sunt cel mai greu de obținut. Pasul următor este validarea pe cohorte mai mari și în condiții clinice diverse. Dacă precizia se menține, astfel de dispozitive ar putea revoluționa monitorizarea pacienților cu diabet, boli metabolice sau în recuperare postoperatorie — transformând transpirația dintr-un produs rezidual al corpului într-o sursă continuă de informații clinice.

Un sistem de asistență decizională bazat pe un model lingvistic de mari dimensiuni (LLM) a fost evaluat prospectiv în condiții reale de urgență, marcând unul dintre primele studii de acest tip derulate direct la patul pacientului în UPU. Cercetătorii au urmărit dacă recomandările generate de AI se aliniază cu deciziile clinice ale medicilor de urgență și dacă sistemul aduce valoare adăugată față de practica obișnuită. Studiul a inclus cazuri consecutive din departamentul de urgență, comparând sugestiile modelului AI cu conduita adoptată de medici. Au fost analizate concordanța diagnostică, relevanța recomandărilor terapeutice și rata de acceptare a sugestiilor de către clinicieni — indicatori esențiali pentru a înțelege cât de bine se integrează un astfel de instrument în fluxul de lucru real, unde timpul e critic și volumul de cazuri e ridicat. Pentru medicii de gardă, relevanța practică este clară: un LLM care funcționează în timp real poate semnala diagnostice diferențiale omise, poate reaminti protocoale sau poate sintetiza rapid informații din dosarul electronic al pacientului. Provocarea rămâne calibrarea corectă a încrederii — medicul trebuie să știe când să urmeze sugestia și când să o ignore, fără să devină dependent sau excesiv de sceptic. Autorii subliniază că evaluarea prospectivă, față de studiile retrospective obișnuite, oferă o imagine mult mai fidelă a performanței reale. Rezultatele deschid discuția despre cum ar trebui certificat și monitorizat un astfel de sistem înainte de adoptarea pe scară largă în urgențe.

Un articol de perspectivă publicat recent analizează critic modul în care modelele lingvistice de mari dimensiuni (LLM) ar trebui — și, mai ales, nu ar trebui — să fie integrate în instrumentele de suport decizional clinic. Autorii pleacă de la o premisă simplă: nu orice funcție a unui sistem de decizie clinică justifică utilizarea AI generativ, iar confuzia între potențial și aplicabilitate reală poate fi periculoasă. Analiza structurează discuția pe trei axe: tipul de date și cunoștințe procesate, formatul de livrare a recomandărilor către clinician și cadrul de guvernanță necesar pentru siguranță și responsabilitate. Autorii argumentează că LLM-urile excelează în sinteza narativă a informațiilor complexe și în generarea de diagnostice diferențiale, dar sunt mai puțin potrivite acolo unde precizia algoritmică și trasabilitatea sunt esențiale — de exemplu, în calculele de dozaj sau în interpretarea valorilor de laborator cu implicații imediate. Pentru medicii care lucrează cu sisteme de tip EHR sau CDSS, mesajul e concret: AI generativ nu înlocuiește regulile de alertă bazate pe logică deterministă, ci le completează acolo unde este nevoie de contextualizare narativă și raționament clinic nuanțat. Formatul contează mult — o recomandare prezentată ca sugestie explicată diferă fundamental față de una prezentată ca alertă obligatorie. Perspectiva propune și un cadru de guvernanță: validare clinică înainte de implementare, monitorizare continuă a performanței și mecanisme clare de responsabilitate atunci când sistemul greșește. E o lectură utilă pentru orice echipă care evaluează adoptarea AI în spital.

Screeningul cancerului de col uterin rămâne inaccesibil pentru milioane de femei din țările cu resurse limitate, unde lipsa specialiștilor și costurile ridicate ale tehnologiei blochează programele naționale de depistare precoce. O nouă perspectivă propune că inteligența artificială „frugală

Un nou studiu arată că modelele de inteligență artificială folosite în neuroimagistică performează semnificativ mai bine atunci când sunt antrenate cu date provenite din sistemele de sănătate reale, colectate în rutina clinică, față de seturile de date curate, standardizate, utilizate tradițional în cercetare. Această concluzie schimbă perspectiva asupra modului în care ar trebui construite și validate astfel de modele înainte de implementarea clinică. Datele din spitale și policlinici sunt, prin natura lor, eterogene: scanări realizate pe aparate diferite, cu protocoale variabile, pe pacienți cu patologii asociate și cu note clinice incomplete. Tocmai această variabilitate, considerată multă vreme un dezavantaj, se dovedește a fi un avantaj în antrenarea modelelor AI — pentru că reproduce fidel condițiile reale în care modelul va fi folosit ulterior. Pentru radiologi și neurologi, implicația practică este importantă: un model AI antrenat exclusiv pe date de studiu, perfecte și bine etichetate, poate eșua surprinzător în spitalul obișnuit. Integrarea datelor de rutină în procesul de antrenare și validare nu este o concesie față de rigoarea științifică — este o condiție a utilității clinice reale. Cercetătorii subliniază că accesul la datele din sistemele de sănătate trebuie însoțit de protocoale clare de protecție a datelor pacienților și de standarde de interoperabilitate. Pe termen lung, colaborările între spitale pentru partajarea datelor anonimizate ar putea deveni fundamentul pe care se construiesc modelele AI cu adevărat utile în practica neurologică zilnică.

Creierul îmbătrânește diferit în funcție de patologia neurologică pe care o poartă — aceasta este concluzia unui studiu caz-control amplu, care a analizat tipare de îmbătrânire cerebrală în nouă afecțiuni neurologice distincte. Instrumentul central al cercetării a fost diferența dintre vârsta cerebrală prezisă prin neuroimagistică și vârsta cronologică reală a pacientului, un indicator cunoscut sub denumirea de PAD (predicted age difference). Cercetătorii au utilizat modele de învățare automată (machine learning) antrenate pe imagini RMN cerebrale provenite de la populații sănătoase, apoi le-au aplicat pe cohorte de pacienți cu afecțiuni precum schizofrenie, tulburare bipolară, depresie majoră, boala Alzheimer, epilepsie și alte patologii neurodegenerative sau neuropsihiatrice. Rezultatele arată că fiecare boală are un profil propriu de îmbătrânire accelerată sau, în unele cazuri, de îmbătrânire aparent încetinită — ceea ce sugerează că PAD ar putea deveni un biomarker util atât pentru diagnostic, cât și pentru monitorizarea progresiei bolii. Pentru clinician, implicațiile sunt promițătoare: dacă RMN-ul cerebral poate estima nu doar anatomia, ci și „uzura biologică

Un sistem bazat pe inteligență artificială, integrat în echipamentele de tomografie în coerență optică (OCT), a fost evaluat pentru depistarea edemului macular diabetic în cadrul programelor de screening pentru retinopatia diabetică. Studiul, desfășurat în Hong Kong, a folosit o metodologie în doi pași: mai întâi o validare prospectivă în modul silențios, apoi un trial clinic randomizat. Rezultatele arată că sistemul AI a performat comparabil cu oftalmologii în identificarea cazurilor care necesită trimitere la specialist, reducând semnificativ timpul de procesare și volumul de muncă al clinicienilor. Sensibilitatea și specificitatea raportate au fost suficient de ridicate pentru a justifica integrarea într-un flux de screening la scară largă, fără a crește rata de trimiteri inutile. Contextul clinic este relevant: retinopatia diabetică rămâne una dintre principalele cauze de orbire la adulți, iar edemul macular diabetic este responsabil pentru pierderea semnificativă a acuității vizuale. Screeningul sistematic este recomandat, dar accesul la oftalmologi specializați este limitat în multe sisteme de sănătate — inclusiv în România. Un instrument AI validat ar putea reduce decalajul dintre cerere și capacitatea de diagnostic. Implicațiile sunt clare pentru sistemele de sănătate cu resurse limitate: inteligența artificială nu înlocuiește oftalmologul, dar poate funcționa ca un filtru eficient care prioritizează cazurile urgente și degrevează specialistul de volumul de imagini fără patologie semnificativă. Validarea pe populații europene rămâne un pas necesar înainte de adoptarea pe scară largă.

Diagnosticul bolii Alzheimer și decizia de tratament se bazează în prezent pe o interpretare binară a încărcăturii amiloide: fie pozitiv, fie negativ. Un nou punct de vedere publicat în literatura de specialitate argumentează că această abordare este insuficientă și că scorul Centiloid — o măsură cantitativă a depozitelor de amiloid — ar trebui integrat activ în deciziile clinice. Scorul Centiloid standardizează cantitatea de amiloid cerebral detectată prin tomografie cu emisie de pozitroni (PET), pe o scală de la 0 (absență completă) la 100 (nivel tipic în Alzheimer avansat), valorile putând depăși și acest prag. Studiile arată că pacienții cu deteriorare cognitivă ușoară (MCI) și scoruri Centiloid intermediare au o evoluție clinică diferită față de cei cu valori situate la extreme — informație care se pierde complet atunci când raportăm doar „pozitiv

Un sistem de inteligență artificială capabil să-și explice propriile decizii a fost testat pentru clasificarea limfoamelor non-Hodgkin cu celule B (B-NHL) pe baza datelor de citometrie în flux multiparametrică. Rezultatele sunt promițătoare și ar putea reduce dependența de experți cu experiență îndelungată în interpretarea acestor profile complexe. Citometria în flux multiparametrică reprezintă standardul de aur în diagnosticul B-NHL, însă datele generate sunt extrem de complexe — de înaltă dimensionalitate, cu variabilitate în calitatea probelor și cu entități rare greu de clasificat. Sistemul AI dezvoltat de o echipă internațională de cercetători a fost antrenat și validat pe cohorte de pacienți cu diferite subtipuri de limfom, demonstrând o acuratețe diagnostică comparabilă cu cea a specialiștilor experimentați. Ceea ce diferențiază această abordare de alte modele de inteligență artificială este caracterul ei explicabil. Spre deosebire de algoritmii de tip „cutie neagră

Cercetarea în domeniul inteligenței artificiale medicale a făcut un salt important: nu mai vorbim despre modele care rezolvă o singură sarcină, ci despre agenți complecși, bazați pe modele de limbaj de mari dimensiuni, capabili să gestioneze fluxuri clinice întregi — de la interpretarea investigațiilor până la sugestii terapeutice. Această schimbare de paradigmă ridică o întrebare urgentă: cum măsurăm performanța acestor sisteme în mod relevant pentru practica clinică reală? O echipă internațională de cercetători, printre care Silas Ruhrberg Estévez, Dyke Ferber, Mihaela van der Schaar și Jakob Nikolas Kather, argumentează într-o analiză de tip Perspective că metodele clasice de benchmarking — cele care evaluează doar răspunsul final al sistemului — sunt insuficiente pentru agenții AI moderni. Autorii propun criterii extinse: raționamentul clinic pas cu pas, siguranța procesului decizional și utilizarea eficientă a resurselor, nu doar acuratețea diagnosticului la final. Pentru medicii care lucrează deja cu astfel de instrumente sau care sunt implicați în evaluarea lor instituțională, distincția este esențială. Un agent AI poate ajunge la un răspuns corect printr-un raționament greșit sau nesigur — ceea ce, în context clinic, poate fi la fel de periculos ca un răspuns incorect. Benchmarkingul tradițional nu surprinde aceste nuanțe. Implicațiile sunt directe pentru cei care aprobă sau resping implementarea AI în spitale și clinici. Autorii pledează pentru standarde de evaluare mai riguroase, adaptate complexității reale a muncii clinice — un apel care vine la momentul potrivit, pe măsură ce presiunea de adoptare a AI în medicină crește rapid.

Un grup de cercetători a reușit să obțină remisiuni complete la șoareci cu cancer de prostată agresiv, folosind nanoparticule de silică proiectate să țintească celulele tumorale și să le determine să se autodistrugă. Combinarea acestor nanoparticule cu imunoterapia a produs rezultate remarcabile în studiile preclinice, deschizând o direcție nouă și promițătoare în tratamentul acestei boli. În studiile pe modele animale, nanoparticulele de silică au fost concepute să recunoască specific celulele canceroase de prostată. Odată ajunse la țintă, ele au declanșat mecanismele de autodistrugere ale celulelor tumorale — apoptoza — și, în același timp, au stimulat puternic răspunsul imun al organismului. Combinația cu imunoterapia a dus la remisiuni complete la mai mulți șoareci din lotul studiat, ceea ce în oncologia experimentală este considerat un rezultat semnificativ. Pentru oncologii și urologii care tratează cancerul de prostată refractar, aceste date sunt interesante mai ales pentru că adresează două probleme simultan: distrugerea directă a tumorii și activarea sistemului imunitar propriu al pacientului. Cancerul de prostată avansat rămâne o provocare terapeutică majoră, în special formele rezistente la castrare, unde opțiunile sunt limitate. Firește, distanța dintre un model murin și un pacient uman este considerabilă. Urmează studii de toxicitate, optimizarea dimensiunii și compoziției nanoparticulelor, apoi eventual trialuri clinice de fază I. Dacă datele se confirmă și la om, am putea vorbi despre o abordare terapeutică cu adevărat nouă în arsenalul oncologic.

Un model de inteligență artificială cu capacitate de generalizare largă reușește să prezică eficiența imunoterapiei la pacienții oncologici, independent de tipul de tumoră sau de agentul imunoterapeutic folosit. Este un pas semnificativ față de modelele anterioare, care funcționau doar pentru un anumit tip de cancer sau un anumit medicament. Sistemul a fost antrenat și validat pe cohorte diverse de pacienți, acoperind mai multe tipuri de neoplazii și mai multe clase de inhibitori de checkpoint imunitar — inclusiv anti-PD-1, anti-PD-L1 și anti-CTLA-4. Performanța predictivă s-a menținut consistentă între grupuri, ceea ce sugerează că modelul a identificat un semnal biologic universal al răspunsului la imunoterapie, nu unul specific unui context particular. Pentru oncologul clinician, implicațiile sunt directe: imunoterapia este costisitoare, nu lipsită de efecte adverse și nu funcționează la toți pacienții. Posibilitatea de a selecta mai bine candidații înainte de inițierea tratamentului ar reduce expunerea inutilă și ar optimiza resursele. În prezent, biomarkerii disponibili — precum expresia PD-L1 sau încărcătura mutațională tumorală — sunt departe de a fi perfecți. O limitare importantă rămâne validarea prospectivă în practica reală, nu doar pe seturi de date retrospective. Cercetătorii subliniază că modelul trebuie testat în studii clinice randomizate înainte de a putea ghida decizii terapeutice individuale. Totuși, direcția este clară: AI-ul în oncologie se maturizează rapid, trecând de la instrumente înguste la sisteme cu adevărat generalizabile.

Un studiu recent propune o nouă categorie de biomarkeri pentru diagnosticul precoce al bolii Alzheimer: ARN-urile circulare (circRNA) detectabile din sânge. Aceste molecule, stabile și relativ ușor de identificat prin analize de laborator, ar putea deschide calea spre un test sanguin accesibil care să permită depistarea bolii înainte de apariția simptomelor clinice evidente. Cercetătorii au analizat profilurile de expresie ale circRNA în probele de sânge recoltate de la pacienți cu Alzheimer confirmat și le-au comparat cu cele ale unor subiecți sănătoși de aceeași vârstă. Au identificat un set de molecule cu modificări semnificative de expresie, capabile să discrimineze între cele două grupuri cu o acuratețe diagnostică promițătoare. Spre deosebire de ARN-ul mesager clasic, circRNA sunt mult mai rezistente la degradare, ceea ce le face candidați ideali pentru analize din probe periferice. Din perspectivă clinică, relevanța este considerabilă: diagnosticul Alzheimer rămâne astăzi tardiv în majoritatea cazurilor, când pierderile neuronale sunt deja extinse. Un biomarker sanguin fiabil ar permite neurologilor și medicilor de familie să identifice pacienții la risc cu ani înainte de debut, deschizând fereastra pentru intervenții preventive sau neuroprotectoare. Deși rezultatele sunt încă în faza de validare și nu există deocamdată un test clinic disponibil, direcția de cercetare este considerată extrem de promițătoare în comunitatea neurologică. Următorii pași implică studii de replicare pe cohorte mai mari și diverse etnic, pentru a confirma utilitatea acestor markeri în practica curentă.

Un articol publicat în New England Journal of Medicine semnalează utilizarea inteligenței artificiale în diagnosticul bolii Hirschsprung, o malformație congenitală a colonului care apare la aproximativ 1 din 5.000 de nou-născuți și care, nediagnosticată la timp, poate duce la complicații grave, inclusiv enterocolită și deces. Boala Hirschsprung se caracterizează prin absența celulelor ganglionare într-un segment al colonului, ceea ce împiedică peristaltismul normal și determină ocluzie funcțională. Diagnosticul clasic presupune biopsie rectală cu examen histopatologic — o procedură cu variabilitate interpretativă între patologi, mai ales în centrele cu experiență limitată. Algoritmii de inteligență artificială propuși în studiu au fost antrenați să analizeze imagini histologice și să identifice absența celulelor ganglionare cu o acuratețe comparabilă sau superioară interpretării umane. Pentru pediatri și chirurgi pediatri, implicația practică este importantă: un sistem de suport decizional bazat pe AI ar putea reduce întârzierile de diagnostic în spitalele fără patologi cu subspecializare în neuropatologie enterică. Diagnosticul precoce permite intervenția chirurgicală în timp util și previne complicațiile potențial fatale. Publicarea în NEJM conferă acestui demers o vizibilitate și o credibilitate semnificative. Urmează, probabil, studii prospective multicentrice pentru validarea clinică a algoritmilor înainte de implementarea lor de rutină — dar direcția este clară: patologia digitală asistată de AI câștigă teren rapid în chirurgia pediatrică.

FDA a acordat recent o aprobare considerată istorică pentru un dispozitiv medical bazat pe un model de limbaj de mari dimensiuni (LLM), destinat managementului diabetului. Concret, este vorba despre o aplicație care ajută pacientul să-și urmeze planul de tratament stabilit de medic — primul pas oficial al inteligenței artificiale generative în dispozitivele medicale de uz clinic. Dispozitivul nu prescrie și nu modifică tratamentul în mod autonom — planul terapeutic rămâne responsabilitatea medicului. Aplicația preia acest plan și îl traduce pentru pacient în recomandări personalizate, răspunzând la întrebări, oferind ghidaj zilnic și ajustând comunicarea în funcție de nevoile individuale. Aprobarea FDA ridică imediat o întrebare fundamentală pentru comunitatea medicală: LLM-ul este doar o interfață inteligentă între medic și pacient, sau devine, progresiv, un factor de decizie clinică? Pentru diabetologi și medicii de familie, implicațiile sunt directe. Dacă astfel de aplicații demonstrează că îmbunătățesc aderența la tratament și controlul glicemic, presiunea pentru adoptare va crește rapid. Totodată, responsabilitatea juridică și etică rămâne neclară: cine răspunde dacă LLM-ul oferă un sfat inadecvat, chiar în limitele planului aprobat de medic? Aprobarea deschide un precedent major. Urmează cu certitudine și alte dispozitive similare, iar medicina va trebui să definească rapid granițele dintre asistență digitală și decizie clinică autonomă.

Utilizarea chatboților cu inteligență artificială în scop de suport emoțional și consiliere psihologică a explodat în rândul tinerilor. Potrivit unui cercetător citat în această analiză de opinie, proporția adolescenților care apelează la chatboți pentru probleme de sănătate mintală a crescut cu peste 40% într-un singur an — o cifră care ar trebui să ne pună pe gânduri. Fenomenul nu este surprinzător în context: accesul la psihoterapeut rămâne dificil pentru mulți tineri, listele de așteptare sunt lungi, iar stigma persistă. Chatboții sunt disponibili 24 de ore din 24, nu judecă și răspund imediat. Problema este că nu există în prezent nicio reglementare clară privind ce poate sau nu poate spune un chatbot unui adolescent în criză emoțională, cum gestionează un episod acut sau cum protejează confidențialitatea datelor sensibile. Din perspectivă clinică, riscurile sunt reale: un chatbot nu poate evalua riscul suicidar, nu poate sesiza semnele unei psihoze incipiente și nu are capacitatea de a interveni în situații de urgență. Mai mult, unele platforme comerciale sunt construite pentru a menține utilizatorul cât mai mult timp activ — un obiectiv aflat în contradicție directă cu principiile terapeutice. Autoarea pledează pentru un cadru de reglementare dedicat, cu standarde clare pentru chatboții adresați minorilor cu probleme de sănătate mintală. Medicii și psihologii ar trebui să fie implicați activ în definirea acestor standarde, nu doar în faza de consultare formală. Între timp, practicienii care lucrează cu adolescenți ar face bine să întrebe în mod explicit dacă pacienții lor folosesc astfel de instrumente — și să discute deschis despre limitele lor.

Un studiu clinic publicat în The Lancet evaluează două strategii de depistare activă a tuberculozei în comunitate: utilizarea tehnologiei de detecție asistată de calculator (CAD) aplicată radiografiei pulmonare, singură, comparativ cu combinarea acesteia cu testul proteina C-reactivă (CRP) la punctul de îngrijire. Concluzia este surprinzătoare: adăugarea CRP nu aduce niciun beneficiu semnificativ față de CAD utilizat independent. Trialul, desfășurat într-o zonă cu povară mare a tuberculozei, a inclus participanți din comunitate supuși screening-ului în perechi randomizate. Rezultatele arată că strategia combinată CAD plus CRP a identificat mai puține cazuri confirmate bacteriologic comparativ cu CAD singur și a generat costuri semnificativ mai mari per caz depistat. Practic, testul CRP suplimentar a exclus din algoritmul de diagnostic pacienți care aveau tuberculoză activă, reducând sensibilitatea globală a programului de screening. Pentru medicii din sistemul de sănătate publică și pentru cei care lucrează în zone endemice, aceasta este o constatare de primă importanță: inteligența artificială aplicată radiografiei pulmonare poate funcționa, de una singură, ca metodă de screening viabilă atât din punct de vedere clinic, cât și economic. Testarea suplimentară cu CRP nu doar că nu îmbunătățește performanța diagnostică, dar complică algoritmul și crește costurile operaționale. Implicațiile sunt deosebit de relevante pentru programele naționale de control al tuberculozei din țările cu resurse limitate. CAD, fără combinații suplimentare, ar putea deveni standardul de screening în teren — o concluzie care simplifică logistica, reduce cheltuielile și menține eficiența diagnostică la un nivel corespunzător.

Un studiu recent a identificat markeri metabolici în plasma sanguină care pot anticipa cât de bine răspund pacienții cu cancer la imunoterapie. Descoperirea deschide calea spre o selecție mai precisă a pacienților care beneficiază cu adevărat de aceste tratamente costisitoare și adesea însoțite de efecte adverse semnificative. Cercetătorii au analizat profilul metabolomic al plasmei la loturi de pacienți oncologici tratați cu inhibitori ai punctelor de control imunitar. Au identificat mai mulți determinanți metabolici — molecule mici, lipide și aminoacizi — ale căror niveluri plasmatice înainte de inițierea tratamentului corelau puternic cu răspunsul terapeutic și cu supraviețuirea globală. Pacienții cu anumite tipare metabolice favorabile aveau șanse semnificativ mai mari de a obține un răspuns clinic durabil. Pentru oncologul clinician, aceasta înseamnă că o simplă analiză de sânge ar putea completa, în viitor, testele genomice deja utilizate pentru stratificarea pacienților. În prezent, mulți bolnavi primesc imunoterapie fără biomarkeri predictivi suficient de clari, ceea ce conduce atât la supratratament, cât și la ratarea unor oportunități terapeutice valoroase. Dacă aceste rezultate sunt validate în studii prospective de amploare mai mare, profilarea metabolică plasmatică ar putea deveni un instrument de rutină în luarea deciziei terapeutice în oncologie — simplu de realizat, minim invaziv și potențial mult mai accesibil decât secvențierea genomică. Integrarea datelor metabolomice cu informațiile genomice și clinice existente ar permite o abordare cu adevărat personalizată a imunoterapiei, maximizând beneficiul clinic și reducând expunerea inutilă la toxicitate.

O nouă versiune a stimulării cerebrale profunde adaptive — denumită aDBS 2.0 — arată rezultate promițătoare în corectarea tulburărilor de mers la pacienții cu boală Parkinson. Spre deosebire de stimularea clasică, continuă și fixă, acest sistem ajustează în timp real parametrii de stimulare în funcție de semnalele neuronale detectate direct din creier. Cercetările recente demonstrează că sistemul aDBS 2.0 poate recunoaște patternurile bioelectrice asociate cu episoadele de freezing — acea blocare bruscă a mersului care reprezintă una dintre cele mai invalidante complicații ale bolii Parkinson. Răspunsul rapid al dispozitivului permite intervenția exact în momentul în care semnalul de risc apare, înainte ca pacientul să se oprească efectiv. În studiile pilot, frecvența episoadelor de freezing a scăzut semnificativ comparativ cu stimularea convențională. Pentru neurologi și neurochirurgi, această evoluție tehnologică este relevantă deoarece adresează o limitare majoră a DBS clasic: incapacitatea de a răspunde dinamic la fluctuațiile motorii. Pacienții cu Parkinson avansat prezintă simptome extrem de variabile pe parcursul zilei, iar un dispozitiv care se adaptează continuu poate face diferența între autonomie funcțională și dependență. Deși tehnologia nu este încă disponibilă pe scară largă, rezultatele deschid o direcție clară pentru viitoarele generații de implanturi neuromodulatoare. Urmează studii randomizate pe loturi mai mari, care vor trebui să confirme beneficiile pe termen lung și să stabilească profilul de siguranță al acestui tip de stimulare adaptivă în uz cronic.