Boston Children’s pokazuje gdje OpenAI ima smisla: rijetke dijagnoze, ne zamjena liječnika

Boston Children’s Hospital koristi OpenAI tehnologiju za tri vrlo konkretna zadatka: poboljšanje skrbi za pacijente, smanjenje operativnog opterećenja i pomoć u dijagnosticiranju više od 40 slučajeva rijetkih bolesti. To je sažetak OpenAI objave od 29. svibnja 2026., ali najzanimljiviji dio nije PR formulacija. Zanimljivo je što se ovdje AI ne prodaje kao čarobni liječnik, nego kao sloj koji može ubrzati posao ondje gdje medicina najčešće zapinje: u fragmentiranim podacima, rijetkim obrascima i dugom putu do dijagnoze.

Rijetke bolesti su posebno težak test za medicinski AI. Pojedina dijagnoza može biti neuobičajena, simptomi se mogu preklapati s češćim stanjima, a korisni tragovi mogu biti raspršeni kroz laboratorijske nalaze, kliničke bilješke, povijest pregleda i literaturu. U takvom okruženju vrijednost sustava nije u tome da samostalno donese presudu, nego da liječniku pomogne brže povezati tragove koji bi inače ostali zakopani u dokumentaciji. Zato brojka od više od 40 slučajeva nije samo marketinški marker; ona govori da se tehnologija već koristi u stvarnim dijagnostičkim tokovima.

Boston Children’s je pritom važan kontekst. Riječ je o velikoj pedijatrijskoj bolnici koja se bavi složenim slučajevima, a pedijatrijska rijetka stanja često traže kombinaciju kliničkog iskustva, genetskih podataka i pažljivog čitanja medicinske povijesti. Ako AI ondje pomaže, to ne znači da je problem riješen za cijeli zdravstveni sustav. Znači da se pojavljuje operativni model u kojem veliki jezični modeli mogu služiti kao radni alat u specijalističkom okruženju, uz ljudsku provjeru i institucionalne kontrole.

Drugi dio priče je administrativni. OpenAI navodi i smanjenje operativnog opterećenja, što je u zdravstvu često jednako važno kao i sama dijagnostika. Ako sustav može pomoći u sažimanju dokumentacije, pripremi materijala, pretraživanju relevantnih informacija ili strukturiranju kliničkog konteksta, oslobađa se vrijeme koje inače odlazi na ručni rad oko podataka. To nije glamurozno, ali je upravo područje u kojem AI može imati najbrži učinak bez pretvaranja medicinske odluke u automatiziranu crnu kutiju.

Ipak, ova objava ostavlja otvorena tehnička pitanja. Nisu navedeni detalji o modelima, evaluacijama, stopama pogreške, kliničkom protokolu, nadzoru ili načinu na koji se slučajevi potvrđuju. Za ozbiljnu procjenu trebalo bi znati gdje sustav ulazi u proces, tko pregledava izlaze, kako se sprječavaju halucinacije i kako se mjeri stvarni doprinos u odnosu na standardni rad tima. U medicini je “pomogao dijagnosticirati” jaka tvrdnja, ali nije isto što i autonomno dijagnosticiranje.

Zato ovu vijest treba čitati precizno. Ona ne dokazuje da je generativni AI spreman preuzeti kliničko odlučivanje. Pokazuje nešto uži i vjerojatno važniji pomak: u bolnici s visokim stupnjem stručnosti, AI može pomoći liječnicima da brže dođu do informacija, smanje administrativni teret i u pojedinim rijetkim slučajevima pronađu put prema dijagnozi. Za pacijente koji godinama čekaju objašnjenje, takva razlika može biti ogromna. Za industriju, to je signal da se zdravstveni AI mora dokazivati na stvarnim ishodima, ne na demonstracijama.