AI a megelőző orvoslásban: hol tart a mesterséges intelligencia a szűrésben és a diagnosztikában?
Tartalomjegyzék
A mesterséges intelligencia az egészségügyben már nem jövőkép. Magyarországon is működnek mammográfiás és CT-felvételeket elemző rendszerek, a legnagyobb nemzetközi vizsgálatok pedig először mutatták ki randomizált módon, hogy az AI-támogatott szűrés több daganatot talál meg időben. Közben rengeteg a túlzó ígéret is. Megnéztük, mit tud ma valójában az AI a megelőzésben, hol vannak a határai, és mi történik közben az egészségügyi adatainkkal.
Miért éppen a szűrésben erős az AI?
A szűrővizsgálatok lényege, hogy tünetmentes emberek tömegeit vizsgáljuk meg, és közülük kell kiszúrni azt a néhányat, akinél már elkezdődött valami. Ez óriási, ismétlődő mintafelismerési feladat, sok ezer, túlnyomórészt negatív felvétellel. Pontosan az a munka, amiben a mélytanuláson alapuló képelemző algoritmusok a legjobbak.
A tét is egyértelmű. A Semmelweis Egyetem szakemberei szerint a tüdőrák ötéves túlélése első stádiumban felfedezve 55–70 százalék lehet, a negyedik stádiumban viszont jóval 10 százalék alá esik. A megelőző orvoslás tehát nagyrészt időnyerés, és az AI ebben tud segíteni: gyorsabban szűr, nem fárad el, és kiemeli azokat a képeket, amelyekre az orvosnak kétszer is rá kell néznie.
Képalkotás: itt a legerősebbek a bizonyítékok
Mammográfia
Az emlőszűrés a legjobban dokumentált terület. A svéd MASAI-vizsgálatban több mint 105 ezer nőt soroltak véletlenszerűen AI-támogatott vagy hagyományos, két radiológusos kiértékelésbe. Az eredmények szerint az AI-t használó csoportban 29 százalékkal több daganatot találtak a szűrés során, a téves riasztások száma nem nőtt, a radiológusok leletezési terhelése pedig 44 százalékkal csökkent. A 2026 elején a The Lancetben közölt végső elemzés azt is kimutatta, hogy a két szűrés között felfedezett, úgynevezett intervallumrákok aránya 12 százalékkal alacsonyabb volt, és kevesebb köztük az agresszív, előrehaladott eset.
Tüdő-CT
A tüdőrákszűrés alapja az alacsony dózisú CT (LDCT), amely jóval érzékenyebb a hagyományos mellkasröntgennél. Egy ilyen vizsgálat több száz szeletképet ad, az AI pedig automatikusan megkeresi, megméri és követi a tüdőgócokat, így a radiológusnak nem kell minden képet egyenként átfésülnie.
Egyéb területek
AI-alapú döntéstámogatás működik a vastagbéltükrözésnél a polipok kiszúrásában, a bőrgyógyászatban az anyajegyek értékelésében és a szemészetben, ahol retinafotókból szűrik a cukorbetegség okozta szemkárosodást. Ezek közül több már tanúsított orvostechnikai eszköz, de a bizonyítékok erőssége területenként nagyon eltérő.
Kockázatbecslés: a következő nagy lépés
A képelemzés arra válaszol, hogy van-e most elváltozás. A kockázatbecslés ennél messzebbre megy: azt próbálja megjósolni, kinél alakul ki betegség a következő években. A kutatások szerint egy mammográfiás felvétel, egy EKG vagy egy retinafotó olyan finom mintázatokat is hordoz, amelyekből a jövőbeli daganat- vagy szív-érrendszeri kockázatra lehet következtetni.
Ha ez beválik, a szűrés személyre szabottá válhat: a magas kockázatúak gyakrabban, sűrűbb módszerrel, az alacsony kockázatúak ritkábban mennének vizsgálatra. Ez már közel áll ahhoz a gondolkodáshoz, amelyről a longevity cikkünkben is írunk: a hosszú, egészséges élet nem csodaszereken, hanem a kockázatok korai felismerésén és kezelésén múlik. Fontos azonban: a legtöbb ilyen kockázati modell ma még kutatási fázisban van, nem a rutinellátás része.
Magyar példák: hol tartunk itthon?
A legismertebb hazai történet a MaMMa Klinikáé. A közfinanszírozott emlőszűrésben is részt vevő, öt telephelyes intézmény a magyar alapítású Kheiron Medical Mia nevű szoftverét tesztelte, amelynek egyik alapítója Kecskeméthy Péter, a rendszer betanításában pedig magyar radiológusok és felvételek is részt vettek. A kísérleti időszakban az AI segítségével 13 százalékkal több daganatot sikerült kimutatni, 2021 óta pedig 22 olyan esetet dokumentáltak, ahol a szoftver rákot talált ott, ahol a radiológusok nem. Az eredményeket a Nature Medicine is közölte.
A tüdőszűrésben a Semmelweis Egyetem, az Ulyssys Kft. és a SZTAKI közösen fejlesztett mellkas-CT-t elemző szoftvert, amelyet az egyetemi klinika és hat vidéki kórház mintegy 8300 alacsony dózisú felvételén tanítottak. Ennek háttere, hogy Magyarországon kiemelkedően magas a tüdőrák-halálozás. Az Országos Korányi Pulmonológiai Intézet HUNCHEST programjai igazolták, hogy az LDCT-szűrés a magas kockázatúaknál korai stádiumban találja meg a daganatot, népegészségügyi szűrőprogram azonban 2026-ban még nem lett belőle.
Több magánszolgáltatónál már elérhető AI-alapú döntéstámogatás mammográfiához és tüdő-CT-hez. Ezek jellemzően hangsúlyozzák, hogy a szoftver nem hoz önálló döntést, csak segíti a radiológust.
Rendszerszinten viszont még az elején járunk. Az Országos Kórházi Főigazgatóság 2026 elején kezdte felmérni, hány hazai kórház használ mesterséges intelligenciát. A Magyar Kórházszövetség szerint ez főleg az egyetemi klinikákra jellemző, elsősorban a képalkotásban. A 2026. szeptemberi AI Summiton a kormány képviselője mintegy 35 milliárd forintos fejlesztést vetített előre az egészségügy és az élettudományok területén, a hazai egészségügyi adatvagyonra építve.
A korlátok, amelyekről kevesebb szó esik
Az AI csak annyira jó, mint az adat, amin tanult. Egy más populáción, más géppel készült felvételeken betanított modell a magyar gyakorlatban gyengébben teljesíthet, ezért a helyi validálás elengedhetetlen.
Túldiagnosztizálás. Ha az AI több apró elváltozást talál, egy részük sosem okozna bajt, mégis további vizsgálatokat, szorongást és néha felesleges kezelést vonhat maga után.
Automatizációs torzítás. Ha az orvos túlságosan megbízik a gépben, a szoftver hibái is könnyebben átcsúsznak.
Felelősség. Ha az AI téved, ma a döntés és a felelősség is az orvosé. Ez egyszerre biztosíték és lassító tényező.
A részvétel a szűk keresztmetszet. A legjobb algoritmus sem segít annak, aki el sem megy a szűrésre.
Adatvédelem és szabályozás
Az egészségügyi adat a GDPR szerint különleges kategóriába tartozik, feldolgozásához szigorú jogalap kell. Az AI-fejlesztők jellemzően álnevesített vagy anonimizált adatokkal dolgoznak, de a nagy, összekapcsolt adatbázisoknál az újraazonosítás kockázata sosem nulla.
A diagnosztikai AI Európában orvostechnikai eszköznek számít, így az MDR szerinti tanúsítás kell hozzá. Az EU AI Act ezeket a rendszereket magas kockázatúnak tekinti, a 2026 júliusában hatályba lépett módosítás (Digital Omnibus) után azonban a vonatkozó kötelezettségek csak 2028. augusztus 2-től alkalmazandók. Közben fokozatosan életbe lép az Európai Egészségügyi Adattér (EHDS) is, amely az adatok határokon átnyúló, kutatási célú felhasználását szabályozza.
A fogyasztói egészségappok, okosórák és tünetellenőrző chatbotok jelentős része ezen a szabályozott körön kívül esik. Megelőzési célra érdemes óvatosan kezelni őket, és jó tudni, hová kerülnek a beléjük táplált adatok.
Mit jelent ez a gyakorlatban?
Az AI a megelőző orvoslásban ma leginkább egy nagyon gyors, fáradhatatlan második szempár: kiemel, rangsorol, figyelmeztet, de nem helyettesíti az orvost. A legerősebb bizonyíték a mammográfiás és a tüdő-CT-szűrésnél van, a kockázatbecslés pedig a következő évek nagy kérdése. Betegként a legtöbbet még mindig azzal tehetünk, ha elmegyünk a meghívásos szűrésekre, és bátran rákérdezünk, használ-e a szolgáltató AI-t a leletezéshez.
GYIK
Kiválthatja az AI a radiológust?
Nem. A jelenlegi rendszerek döntéstámogatók, a leletet és a felelősséget az orvos adja. A kutatások a kettő együttműködésében mutatják a legjobb eredményt.
Magyarországon hol érhető el AI-támogatott szűrés?
Elsősorban egyes egyetemi klinikákon és magánszolgáltatóknál, főleg mammográfiában és tüdő-CT-ben. Egységes, országos AI-szűrőprogram még nincs.
Biztonságban vannak az adataim?
Az egészségügyi adatokat a GDPR kiemelten védi, a tanúsított orvosi szoftverekre szigorú szabályok vonatkoznak. A fogyasztói appoknál viszont érdemes elolvasni az adatkezelési tájékoztatót.
