Cele mai importante noutăți medicale, la zi

Asociația Americană a Inimii (AHA) a anunțat că ecuațiile PREVENT — instrumentul său de calcul al riscului cardiovascular — sunt acum integrate direct în platforma de dosare electronice Epic, una dintre cele mai utilizate soluții de management clinic din spitalele mari. Ecuațiile PREVENT au fost dezvoltate ca o alternativă modernă la calculatoarele clasice de risc, luând în considerare un spectru mai larg de factori: funcția renală, indicele de masă corporală, tulburările metabolice și determinanții sociali ai sănătății, pe lângă factorii tradiționali cardiovasculari. Integrarea lor în Epic înseamnă că medicii pot obține automat un scor de risc individualizat, fără să iasă din fluxul de lucru obișnuit. Pentru cardiologi, medici de familie și interniști, această integrare are o relevanță practică imediată: calculul riscului nu mai presupune un pas suplimentar sau un instrument extern. Scorul apare direct în dosarul pacientului, ceea ce poate facilita decizii mai rapide și mai bine documentate privind inițierea tratamentului preventiv — fie că vorbim de statine, antihipertensive sau modificări ale stilului de viață. Pe termen lung, disponibilitatea largă a ecuațiilor PREVENT în sistemele electronice ar putea uniformiza evaluarea riscului cardiovascular la nivel de populație și ar putea contribui la reducerea variabilității în practica preventivă — una dintre problemele cronice ale medicinei cardiovasculare.

Un editorial publicat într-o revistă medicală de prestigiu ridică o întrebare incomodă despre instrumentele de inteligență artificială pentru decizie clinică: sunt cu adevărat gratuite sau repetăm greșelile din anii '90, când industria farmaceutică ne „oferea" prânzuri și pixuri? Autorul scrisorii răspunde unui articol anterior semnat de medicii Singh și Mello, care analizau publicitatea în jurul platformelor AI de suport decizional (CDS — clinical decision support). Argumentul central: faptul că un instrument este oferit fără cost direct nu înseamnă că este neutru. La fel ca materialele promoționale ale companiilor farmaceutice din deceniile trecute, aceste platforme pot influența subtil comportamentul clinic — prin ce informații afișează, cum le prezintă și, mai ales, prin ce lasă deoparte. Paralela istorică este relevantă pentru orice medic care folosește astăzi un instrument AI integrat în fluxul de lucru clinic. Conflictele de interese nu dispar atunci când produsul nu are preț de listă — ele se transformă. Datele clinice introduse de medici și pacienți pot reprezenta ele însele „moneda" cu care se plătește accesul la aceste platforme. Dezbaterea este importantă tocmai acum, când adoptarea AI în spitale accelerează. Înainte de a integra un instrument de suport decizional în practica zilnică, medicii ar trebui să întrebe nu doar „cât costă?", ci și „cine finanțează dezvoltarea lui și ce câștigă din utilizarea mea?"

Moartea subită cardiacă la persoanele tinere are de cele mai multe ori la bază afecțiuni cardiace ereditare care nu dau niciun semn până în momentul tragediei. Tot mai multe date susțin că screeningul cardiac sistematic poate preveni aceste decese, însă politicile și protocoalele diferă semnificativ de la o țară la alta — ceea ce lasă o mare parte dintre tinerii cu risc nediagnosticați. Autorii, Daniel T. Tardo și Sanjay Sharma, analizează în detaliu programele de screening existente și subliniază că niciun sistem nu este perfect: sensibilitatea și specificitatea metodelor actuale variază, iar costurile și logistica rămân obstacole reale. Totuși, tehnologiile bazate pe inteligență artificială promit să schimbe radical ecuația — algoritmii pot detecta pattern-uri subtile pe ECG sau ecocardiografie pe care ochiul uman le poate rata, reducând atât ratele de rezultate fals-pozitive, cât și pe cele de rezultate fals-negative. Pentru cardiolog sau medicul de familie care lucrează cu sportivi sau adolescenți, mesajul este clar: screeningul cardiac la tineri nu mai este o opțiune de lux, ci o necesitate de sănătate publică. Integrarea inteligenței artificiale în protocoalele de screening nu înseamnă înlocuirea medicului, ci oferă un instrument care prioritizează cazurile cu adevărat la risc și optimizează resursele. Perspectiva autorilor este că un cadru structurat, armonizat la nivel european și internațional, susținut de tehnologie AI, ar putea salva sute de vieți anual. Dezbaterea despre cine ar trebui investigat, când și cum rămâne deschisă — dar direcția este trasată.

O scrisoare publicată ca răspuns la o analiză sistematică recentă atrage atenția asupra unui punct vulnerabil în creștere: studiile clinice care evaluează intervenții bazate pe modele lingvistice mari (LLM — large language models) suferă de lacune importante în raportarea metodologică. Cu alte cuvinte, nu știm suficient de bine ce model a fost folosit, în ce versiune, pe ce date a fost antrenat și cum a fost integrat în practica clinică testată. Analiza sistematică originală, semnată de Chen și colaboratorii, a examinat rapoarte de studii, protocoale și înregistrări în registre de trialuri, identificând absența sistematică a informațiilor tehnice esențiale: proveniența modelului, condițiile de testare, posibilele surse de bias introduse de arhitectura algoritmului. Scrisoarea de răspuns susține și extinde aceste concluzii, subliniind că, fără standarde clare de raportare, nu se poate evalua reproductibilitatea sau generalizabilitatea rezultatelor. Pentru medicii și cercetătorii care urmăresc literatura despre inteligența artificială în medicină, mesajul este simplu: un studiu care afirmă că „un LLM a performat mai bine decât medicul la sarcina X" trebuie citit cu aceeași grilă critică aplicată oricărui trial — și adesea cu și mai multă precauție. Dacă nu știi ce model, ce versiune și ce date de antrenament au fost utilizate, nu știi ce ai testat de fapt. Problema devine urgentă pe măsură ce numărul publicațiilor referitoare la LLM-uri medicale explodează. Comunitatea științifică discută adoptarea unor ghiduri de raportare similare celor din familia CONSORT, adaptate specificului intervențiilor cu inteligență artificială generativă. Până la implementarea unor astfel de standarde, clinicienii trebuie să evalueze cu rigurozitate deosebită transparența metodologică a fiecărui studiu înainte de a-i acorda relevanță în deciziile clinice.

Un nou instrument bazat pe inteligență artificială — dezvoltat după modelul tehnologiei din spatele ChatGPT — reușește să identifice factorii genetici de risc pentru accidentul vascular cerebral și ar putea schimba modul în care abordăm prevenția și tratamentul personalizat al AVC-ului. Sistemul analizează variante genetice multiple din ADN-ul unui pacient și calculează un scor de risc individualizat, mult mai nuanțat decât metodele clasice de stratificare. Spre deosebire de scorurile poligenice tradiționale, modelul AI poate procesa interacțiuni complexe între gene, identificând tipare pe care algoritmii convenționali le ratează. Pentru medicii din cardiologie și neurologie, implicațiile sunt concrete: un astfel de instrument ar putea identifica pacienții cu risc crescut înainte ca aceștia să dezvolte simptome, permițând intervenții preventive țintite — de la modificări ale stilului de viață până la tratament anticoagulant profilactic în cazurile cu risc genetic înalt de fibrilație atrială sau tromboză. Până acum, evaluarea genetică a riscului de AVC rămânea apanajul cercetării, nu al clinicii de zi cu zi. Cercetătorii subliniază că instrumentul nu este gata pentru implementare clinică imediată — validarea pe cohorte mari și diverse rămâne un pas esențial. Totuși, direcția este clară: genomica și inteligența artificială converg spre un screening al AVC-ului cu adevărat personalizat, care să treacă dincolo de factorii de risc clasici precum hipertensiunea sau diabetul.

O scrisoare publicată recent în literatura de specialitate propune integrarea electrocardiografiei asistate de inteligență artificială în ghidurile clinice pentru managementul hiperkaliemiei acute — una dintre urgențele metabolice cu potențial letal ridicat. Argumentul central: AI-ul poate detecta modificările ECG caracteristice diskaliemiei mai rapid și mai precis decât interpretarea vizuală clasică, reducând semnificativ intervalul până la inițierea tratamentului. Rețelele neuronale de tip deep learning sunt antrenate să recunoască pattern-uri electrocardiografice subtile — unde T ascuțite, lărgirea complexului QRS, modificări ale undei P — care pot scăpa unui medic de gardă supraîncărcat sau unui rezident cu experiență limitată. Studiile citate arată că precizia AI-ECG în identificarea diskaliemiei este comparabilă cu cea a unui specialist cu experiență, cu avantajul că rezultatul este disponibil în câteva secunde de la înregistrare. În practica de urgență, fiecare minut contează în hiperkaliemia severă: aritmiile ventriculare maligne pot apărea fără avertisment. Un sistem AI integrat direct în aparatul ECG sau în platforma spitalicească ar putea genera o alertă automată și ar scurta considerabil intervalul diagnostic-tratament, mai ales în unitățile fără cardiolog disponibil non-stop. Autorii pledează pentru actualizarea ghidurilor internaționale de hiperkaliemie cu recomandări explicite privind utilizarea AI-ECG ca instrument de triaj. Rămâne de văzut cum vor răspunde societățile de cardiologie și medicină de urgență la această propunere, dar direcția pare clară: AI-ul devine tot mai prezent în deciziile clinice acute.

O analiză sistematică a 68 de rapoarte privind utilizarea modelelor lingvistice mari (LLM) în medicină arată că transparența cercetării în acest domeniu lasă mult de dorit. Evaluarea s-a realizat prin aplicarea criteriilor TRIPOD-LLM, un standard metodologic specific acestui tip de studii, iar rezultatele sunt îngrijorătoare: elementele legate de funcționarea internă a modelelor sunt raportate extrem de rar. Datele concrete sunt grăitoare: sursele de date folosite la antrenare au fost menționate în doar 6% dintre studii, preprocesarea datelor în 3%, instrucțiunile de ajustare fină (instruction tuning) în 6%, iar resursele de calcul utilizate în doar 1% din cazuri. În plus, 78% dintre studii au evaluat modele deja existente, fără a implica dezvoltarea unuia nou, iar 75% au folosit produse OpenAI — o concentrare care ridică întrebări despre diversitatea și reprezentativitatea evaluărilor publicate. Contextul contează însă pentru a înțelege aceste cifre: atunci când cercetătorii utilizează un serviciu comercial precum GPT-4, nu au acces la detaliile tehnice interne ale modelului, indiferent cât de riguroși ar fi. Prin urmare, o parte din lacunele de raportare nu reflectă neglijența autorilor, ci limitările impuse de furnizorii comerciali care nu divulgă arhitectura sau datele de antrenare. Distincția dintre „ce omit cercetătorii" și „ce rețin furnizorii" este esențială pentru interpretarea corectă a acestor lipsuri. Pentru comunitatea medicală, implicația practică este directă: studiile actuale cu LLM nu oferă informații suficiente pentru a evalua reproductibilitatea sau riscurile de bias ale modelelor testate. Standardizarea raportării și presiunea asupra furnizorilor comerciali pentru mai multă transparență sunt pași necesari înainte ca aceste instrumente să fie integrate în decizii clinice reale.

Un studiu prospectiv de fezabilitate publicat recent în The Lancet evaluează pentru prima dată utilizarea unui sistem de inteligență artificială conversațional în consultațiile reale de medicină primară ambulatorie. Concluzia principală: AI-ul poate susține procesul diagnostic în condiții de lucru reale, cu un profil acceptabil de siguranță și o receptivitate surprinzător de bună din partea utilizatorilor. Cercetătorii au urmărit trei dimensiuni esențiale: siguranța conversațiilor generate de AI (adică absența sfaturilor periculoase sau eronate), calitatea dialogului diagnostic și gradul de acceptanță din partea medicilor și pacienților. Toate cele trei criterii au fost îndeplinite la un nivel suficient pentru a justifica pași următori spre implementare clinică, deși autorii subliniază că studiul are caracter explorator și că sunt necesare cercetări mai ample înainte de adoptarea pe scară largă. Pentru medicul practician, mesajul concret este că aceste sisteme nu sunt încă destinate să înlocuiască consultul clasic, ci să funcționeze ca un instrument de suport — mai ales în contexte cu volum mare de pacienți sau acces limitat la medic. Calitatea întrebărilor formulate de AI și capacitatea de a structura o anamneză sunt punctele forte identificate în studiu; limitele țin de situațiile complexe sau atipice, unde raționamentul clinic uman rămâne indispensabil. Studiul reprezintă un pas important în traducerea clinică a AI-ului conversațional — o tehnologie care până acum fusese testată mai ales în condiții de laborator sau pe date retrospective. Urmează studii de eficacitate pe populații mai largi și în sisteme de sănătate cu infrastructuri diferite.

Un startup american a decis să ofere direct pacientelor, fără intermedierea unui medic, accesul la un algoritm de inteligență artificială conceput să estimeze riscul individual de cancer mamar. Mișcarea ridică imediat întrebări legate atât de acuratețea instrumentului în afara unui context clinic supervizat, cât și de implicațiile etice și de reglementare ale unui astfel de model direct-to-consumer (DTC) în oncologie. Contextul mai larg al știrii include discuții despre un „sandbox" de reglementare creat în statul Utah, care permite testarea unor soluții digitale de sănătate în condiții mai relaxate față de cerințele obișnuite ale FDA — un model care stârnește, la rândul lui, numeroase semne de întrebare privind siguranța pacienților și standardele de validare clinică. De asemenea, este menționat și conceptul de „psihoză AI" — un fenomen emergent în care utilizatorii, uneori vulnerabili, interpretează răspunsurile sistemelor de inteligență artificială ca pe niște directive medicale reale, cu consecințe clinice potențial grave. Pentru medicii și rezidenții care lucrează în oncologie sau medicină de familie, aceste evoluții sunt relevante în mod direct: pacientele pot ajunge la consultație cu scoruri de risc generate de aplicații nevalidate clinic, creând nevoia unor conversații nuanțate despre limitele acestor instrumente. Diferența dintre un algoritm de screening validat în studii prospective și un produs comercial lansat rapid pe piață poate fi uriașă, chiar dacă interfața arată similar. Tendința de a pune inteligența artificială direct în mâna pacientului, fără filtrare clinică, va accelera probabil în anii următori — ceea ce face ca medicii să aibă nevoie de o înțelegere solidă a limitelor și pericolelor acestor instrumente, nu doar a beneficiilor lor potențiale.

Cercetătorii au dezvoltat un nou indice de vârstă biologică — denumit CKMAI — construit prin algoritmi de învățare automată (machine learning) și destinat pacienților cu sindrom cardiovascular-renal-metabolic (CKM). Spre deosebire de indicii clasici de vârstă biologică, acesta este calibrat specific pe căile patologice ale sindromului CKM, un tablou clinic complex în care inima, rinichii și metabolismul se deteriorează simultan și se influențează reciproc. Studiul, de tip cohortă retrospectivă, a arătat că CKMAI are o capacitate superioară de stratificare a riscului comparativ cu indicii existenți. Pacienții cu un scor CKMAI ridicat — adică o vârstă biologică accelerată față de vârsta cronologică — au prezentat rate semnificativ mai mari de mortalitate, indiferent de stadiul CKM la includerea în studiu. Modelul a integrat variabile metabolice, renale și cardiovasculare pentru a genera un scor individualizat, robust statistic și reproductibil. Pentru clinicianul de zi cu zi, relevanța este practică: sindromul CKM adună o populație extrem de eterogenă — un pacient de 65 de ani cu diabet și insuficiență renală moderată poate evolua complet diferit față de un altul cu același profil biometric. Un indice ca CKMAI ar putea ghida decizii de intensificare terapeutică sau de trimitere mai rapidă către specialitate, dincolo de scorurile convenționale de risc. Pe termen lung, integrarea unor astfel de instrumente în sistemele electronice de evidență a pacienților ar putea permite identificarea automată a celor cu îmbătrânire biologică accelerată, deschizând calea spre intervenții preventive personalizate în această populație cu risc foarte ridicat.

New England Journal of Medicine publică în numărul din septembrie 2026 o corespondență care reia și aprofundează discuția despre utilizarea inteligenței artificiale în detectarea bolii Hirschsprung. Schimbul de opinii din paginile revistei reflectă un interes crescut al comunității medicale față de potențialul algoritmilor de a îmbunătăți diagnosticul unei afecțiuni rare și uneori dificil de confirmat histopatologic. Boala Hirschsprung este o malformație congenitală caracterizată prin absența celulelor ganglionare din segmentul distal al colonului, care duce la obstrucție funcțională. Diagnosticul definitiv necesită biopsie rectală și examinare histologică, o procedură cu variabilitate interobservator non-neglijabilă. Tocmai această variabilitate a deschis apetitul cercetătorilor pentru soluții bazate pe inteligență artificială, capabile să standardizeze interpretarea preparatelor histologice. Corespondența publicată în NEJM vine probabil ca reacție la un articol anterior care a prezentat rezultatele unui algoritm de tip deep learning aplicat în patologia digestivă pediatrică. Dezbaterea din revistă este semnificativă pentru că implică atât clinicieni, cât și patologi — specialiști direct afectați de o eventuală integrare a AI în fluxul de lucru diagnostic. Întrebările ridicate vizează acuratețea, generalizabilitatea și responsabilitatea clinică în cazul unei decizii asistate de algoritm. Discuția din NEJM ilustrează bine tensiunea actuală din medicina modernă: entuziasmul față de performanțele AI în condiții de laborator versus prudența necesară înainte de implementarea clinică la scară largă, mai ales în patologia pediatrică unde miza diagnostică este maximă.

Inițiativa ADVOCATE explorează modul în care agenții de inteligență artificială autonomi pot sprijini îngrijirea pacienților cu insuficiență cardiacă — una dintre afecțiunile cu cele mai mari rate de reinternare și cu o povară logistică uriașă atât pentru sistem, cât și pentru pacient. Subiectul a fost discutat în podcastul JAMA+ AI Conversations, cu Roy Perlis și cardiologul Haider Warraich, manager de program la ARPA-H. Spre deosebire de instrumentele AI clasice de tip „recomandare", agenții autonomi pot executa sarcini în mod independent: pot urmări simptomele pacientului la domiciliu, pot semnala agravarea stării clinice, pot coordona programări și pot interacționa direct cu echipa medicală. În insuficiența cardiacă, unde detectarea precoce a retenției hidrice sau a deteriorării funcționale poate preveni o internare, această capacitate de monitorizare continuă are un potențial real. Pentru cardiologi și medicii de familie care urmăresc pacienți cu insuficiență cardiacă în ambulatoriu, discuția din JAMA+ AI ridică întrebări practice: cât de mult poate fi delegat unui agent AI, cine răspunde când agentul greșește și cum se integrează aceste instrumente în fluxul clinic existent? Warraich subliniază că tehnologia nu înlocuiește judecata clinică, ci poate extinde capacitatea echipei de a urmări pacienți care altfel ar fi monitorizați insuficient. Inițiativa ADVOCATE, susținută de ARPA-H, reprezintă un pas spre testarea acestor concepte în condiții reale. Dacă rezultatele vor fi favorabile, modelul ar putea fi extins și la alte afecțiuni cronice cu management complex.

Centrul de Inovație și e-Health al Universității de Medicină și Farmacie „Carol Davila" din București a anunțat o premieră în neurochirurgia românească: prima intervenție de biopsie cerebrală asistată de realitate augmentată (AR) realizată în țara noastră. Este un pas important care plasează România pe harta centrelor europene ce adoptă tehnologii de navigație chirurgicală de ultimă generație. Tehnologia de realitate augmentată suprapune, în timp real, imagini tridimensionale ale structurilor cerebrale ale pacientului peste câmpul vizual al chirurgului, permițând o planificare și o execuție mult mai precise ale traiectoriei acului de biopsie. În cazul leziunilor de mici dimensiuni sau situate în zone anatomice critice, această precizie poate face diferența dintre o biopsie reușită și o complicație neurologică severă. Pentru neurochirurgii și neurologii din România, această premieră ridică standardul așteptat în centrele universitare și deschide discuția despre extinderea tehnologiilor AR dincolo de biopsie — spre rezecții tumorale, plasare de electrozi pentru stimulare cerebrală profundă (DBS) sau alte proceduri de neurochirurgie funcțională. Integrarea AR în fluxul operator necesită însă și formare specifică a echipei și investiții în infrastructură de imagistică intraoperatorie. Anunțul Centrului de Inovație și e-Health semnalează o direcție clară: inovația tehnologică nu mai este apanajul exclusiv al marilor centre occidentale. Rămâne de urmărit în ce ritm vor adopta și alte spitale universitare din țară aceste tehnici și cum vor fi integrate în protocoalele naționale de neurochirurgie.

Una dintre preocupările constante legate de inteligența artificială în medicină este confidențialitatea datelor pacienților. Soluția discutată tot mai serios în ultimii ani — și care câștigă teren acum — sunt agenții AI instalați local, pe infrastructura proprie a spitalului sau clinicii, fără ca datele să părăsească instituția. Aceștia promit un echilibru mai bun între puterea computațională a AI și cerințele stricte de protecție a datelor medicale. Spre deosebire de platformele cloud clasice, agenții AI „on-premise" funcționează pe serverele proprii ale unității medicale. Avantajul principal este controlul complet asupra datelor sensibile ale pacienților, eliminând riscul scurgerii de informații sau al accesului neautorizat. În plus, aceste sisteme pot fi integrate direct în fluxurile de lucru existente — de la dosarul electronic al pacientului la sisteme de imagistică sau de monitorizare — și pot fi personalizate pentru specificul fiecărei instituții. Din perspectiva clinicianului, relevanța este clară: un sistem AI care asistă decizia clinică trebuie să fie fiabil, transparent și, mai ales, sigur din punct de vedere al datelor. Agenții locali răspund acestor cerințe mai bine decât soluțiile externalizate, mai ales în contextul reglementărilor europene stricte privind prelucrarea datelor medicale (GDPR și normele naționale). Tranziția spre AI local nu este lipsită de provocări — costurile de infrastructură și necesarul de expertiză tehnică sunt semnificative. Însă pentru spitalele mari și rețelele de clinici, investiția devine tot mai justificată pe măsură ce agenții AI demonstrează utilitate reală în triaj, diagnostic diferențial și monitorizarea pacienților cronici.

Un grup de cercetători a folosit inteligența artificială pentru a analiza peste 400.000 de postări de pe Reddit ale utilizatorilor de medicamente precum semaglutida sau tirzepatida și a descoperit că mulți raportează simptome care nu se regăsesc în prospectele oficiale. Printre acestea: modificări ale ciclului menstrual, valuri de căldură, frisoane și oboseală persistentă — semne pe care sistemele clasice de farmacovigilență nu le-ar fi prins atât de repede. Este important de subliniat că studiul nu demonstrează cauzalitatea — nu putem spune cu certitudine că medicamentele au provocat aceste simptome. Asocierile statistice identificate de algoritmul de procesare a limbajului natural sunt însă suficient de consistente pentru a merita investigații formale. Datele au fost extrase din postările unor persoane care urmau tratament cu agoniști ai receptorilor GLP-1 și care descriau spontan, în limbaj obișnuit, ce anume simțeau. Metodologia este în sine relevantă pentru practică: semnalele de siguranță din comunitățile online pot apărea cu luni sau ani înainte ca bazele de date de farmacovigilență să acumuleze suficiente raportări formale. Pentru medicii care prescriu aceste molecule — tot mai frecvent, date fiind indicațiile în expansiune — cunoașterea acestor potențiale efecte înseamnă o conversație mai bine informată cu pacientul și o vigilență mai atentă la simptome atipice. Studiul deschide și o discuție mai largă despre cum pot fi integrate datele din mediul digital în sistemele de monitorizare post-autorizare. Dacă inteligența artificială poate detecta semnale înainte ca acestea să devină probleme documentate clinic, câștigul pentru siguranța pacienților ar putea fi considerabil.

Un articol de analiză publicat în New England Journal of Medicine abordează una dintre întrebările care agită în prezent comunitățile medicale din întreaga lume: ce va face inteligența artificială cu forța de muncă clinică? Autorii nu oferă un răspuns tranșant, ci cartografiază scenariile posibile — de la augmentarea competențelor medicilor până la automatizarea parțială a unor roluri, în special a celor administrative și diagnostice de rutină. Analiza arată că inteligența artificială are deja un impact demonstrabil în radiologie, patologie și screening-ul populațional, unde sistemele automate egalează sau depășesc performanța umană în sarcini specifice. Totuși, autorii avertizează că extrapolarea acestor rezultate la practica clinică generală este prematură. Relația medic-pacient, raționamentul în contexte de incertitudine și decizia etică rămân domenii în care instrumentele de inteligență artificială disponibile în prezent au limitări substanțiale. Pentru medicii din România, contextul are o relevanță aparte: sistemul de sănătate se confruntă cu un deficit cronic de personal medical, iar soluțiile bazate pe inteligență artificială ar putea compensa parțial această lipsă — prin triaj automatizat, suport la decizia clinică sau monitorizare remotă. Riscul, însă, este ca implementarea grăbită, fără reglementare și formare adecvată, să creeze noi inechități în accesul la îngrijire. Editorialiștii NEJM atrag atenția că pregătirea forței de muncă medicale trebuie să includă, de pe acum, competențe digitale și o înțelegere critică a limitelor acestor sisteme. Schimbarea nu va fi bruscă, dar va fi profundă — și e mai bine să o anticipăm decât să o gestionăm în criză.

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.