Artificial intelligence sa medisina: ano ang ginagawa nito ngayon, mga limitasyon at patakaran

Mas mabilis na pumasok ang artificial intelligence (AI) sa medisina kaysa sa kayang habulin ng siyentipikong ebidensya. Ngayon, nagbabasa na ito ng mammogram, gumagawa ng draft ng mga report, at sumasagot sa mga tanong ng mga pasyente. Sa artikulong ito, titingnan natin kung ano talaga ang ginagawa nito, ano ang sinasabi ng pinakabagong mga pag-aaral tungkol sa mga benepisyo at limitasyon nito, paano gumamit ng health chatbot nang walang panganib, at anong mga patakaran ang umiiral sa Pilipinas.

Ano ang artificial intelligence sa medisina

Ang «artificial intelligence» ay tumutukoy sa mga program na natututo mula sa data sa halip na sumunod sa mga instruksyong isinulat linya por linya. Sa medisina, tatlong pamilya ang pinakamahalaga:

• machine learning: mga modelo na, mula sa libu-libong kaso, tinatantiya ang isang panganib o probabilidad, halimbawa ng isang komplikasyon;
• deep learning: mga neural network na nakakakilala ng mga pattern sa mga larawan, gaya ng kahina-hinalang lesion sa X-ray o sa endoscopy;
• large language models (LLM): ang mga sistemang nasa likod ng mga chatbot gaya ng ChatGPT, na lumilikha ng kapani-paniwalang teksto mula sa napakaraming teksto.

Mahalaga ang pagkakaiba, dahil magkakaiba ang paraan ng pagkakamali ng tatlong pamilya. Ang modelong nagbabasa ng larawan ay maaaring hindi makakilala ng bihirang kaso; ang language model naman ay maaaring sumulat ng maling impormasyon sa tonong lubos na kapani-paniwala.

Ano ang ginagawa ngayon ng AI sa medisina

Diagnostic imaging

Ito ang larangang may pinakamatibay na ebidensya. Sa Sweden, isang randomized na pag-aaral sa mahigit 105,000 kababaihan ang naghambing ng mammography screening na may AI (na nag-uuri ng mga pagsusuri at nagtuturo ng mga kahina-hinalang bahagi) sa tradisyonal na double reading ng dalawang radiologist. Sa AI, 6.4 na kanser bawat 1,000 kababaihan ang natagpuan kumpara sa 5.0, 29% na mas marami, karamihan ay maliliit na invasive na kanser na hindi pa umaabot sa lymph node, nang hindi dumarami ang mga false alarm; bumaba nang 44% ang mga pagbasa ng mga radiologist. Sa Germany, isang observational na pag-aaral sa mahigit 463,000 kababaihan, sa 12 screening center, ang nakakita ng 17.6% na pagtaas ng mga natuklasang kanser, nang hindi rin dumarami ang mga recall.

Sa Italian edition ng med4.care, isinulat namin ang iba pang halimbawa: ang AI na tumutulong makilala ang mga lesion ng kanser sa esophagus habang nag-e-endoscopy, ang ginamit sa diagnosis ng COVID-19, at isang sistema sa smartphone para maagang matukoy ang kapansanan sa paningin ng mga bata.

Suporta sa mga klinikal na desisyon at mga prediksyon

Maraming modelo ang tinatantiya ang isang panganib mula sa data ng pasyente: sa Italian, isinulat namin ang tungkol sa mga ginagamit para hulaan ang paggaling ng pandinig pagkatapos ng tympanoplasty, para i-diagnose ang mga sleep disorder, para sa prognosis ng colorectal cancer, para sa panganib na mapunit ang cruciate ligament, at para tantiyahin ang biological age.

May isang resulta sa mga nakaraang taon na dapat pag-isipan. Sa isang randomized na pag-aaral sa Amerika, 50 doktor ang humarap sa mga klinikal na kaso nang may tulong o walang tulong ng chatbot: pareho ang diagnostic reasoning sa dalawang grupo (76% kumpara sa 74%), samantalang ang chatbot nang mag-isa ay nakakuha ng 16 na puntos na mas mataas. Hindi sapat ang magkaroon ng makapangyarihang kasangkapan: kailangan ding marunong itong gamitin.

Klinikal na dokumentasyon

Lumalaking bahagi ng trabaho ng AI ang hindi nakikita ng pasyente: ang tinatawag na «digital scribe» ay nakikinig sa konsultasyon at naghahanda ng draft ng report. Sa isang randomized na pag-aaral sa 238 outpatient na doktor, binawasan ng isa sa dalawang program na sinubukan nang 9.5% ang oras na ginugugol sa pagsusulat, ang isa ay hindi; pareho nilang pinabuti ang mga score ng pagod at workload, pero nag-ulat ang mga doktor ng «paminsan-minsang» mga pagkakamaling klinikal na mahalaga. Kaya dapat laging basahing muli ang report ng doktor na pumipirma rito.

Mga chatbot para sa mga pasyente

Pumapasa ang mga chatbot sa mga licensure exam ng mga doktor, pero hindi ibig sabihin nito na talagang natutulungan nila ang mga gumagamit sa kanila. Sa isang randomized na pag-aaral na inilathala noong 2026, 1,298 na tao ang kailangang alamin, sa tulong ng chatbot o ng mga sangguniang gusto nila, kung ano ang problema sa sampung klinikal na sitwasyon at kung ano ang dapat gawin. Nang mag-isa, natukoy ng mga chatbot ang kondisyon sa 94.9% ng mga kaso; ang mga taong gumamit sa kanila, wala pang 34.5% ng pagkakataon, at hindi sila mas mahusay kaysa sa control group. Ang mahinang punto ay ang pag-uusap: hindi alam ng nagtatanong kung anong impormasyon ang ibibigay, at hindi niya laging naiintindihan ang sagot. Sa Italian edition, napag-usapan na namin ang isang naunang pananaliksik tungkol sa kalidad ng mga sagot ng ChatGPT sa mga tanong ng mga pasyente.

Ang mga limitasyon ng AI sa medisina: mga pagkakamali, «hallucination» at bias

Mga hallucination. Maaaring mag-imbento ang isang language model ng isang datos at ipakita ito bilang totoo. Sa isang pag-aaral noong 2025, binigyan ang anim na modelo ng 300 klinikal na kaso, bawat isa ay may isang inimbentong detalye, gaya ng isang laboratory test na hindi umiiral: depende sa modelo at sa mga instruksyon, pinalawak ng mga chatbot ang maling detalye na para bang totoo ito sa 50-82% ng mga kaso. Binawasan ng isang espesyal na instruksyon ang mga pagkakamali, pero hindi ito naalis nang tuluyan.

Bagong mga modelo, lumang mga problema. Inulit ng parehong grupo ang mga pagsubok noong 2026 sa GPT-5: nagbabago pa rin ang mga desisyon depende sa mga sociodemographic na katangian ng pasyenteng inilarawan, nang walang pagbuti kumpara sa naunang modelo (ang ilang grupong LGBTQIA+ ay ini-refer sa psychiatric evaluation sa 100% ng mga kaso), at mas mataas ang rate ng hallucination (65% kumpara sa 53%).

Kaunti pa ang ebidensya. Isang review noong 2024 ang nagbilang ng 86 na randomized na pag-aaral tungkol sa AI sa klinikal na praktika: 81% ang nag-ulat ng positibong resulta, pero karamihan ay isinagawa sa iisang center lamang, may kaunting impormasyon tungkol sa mga katangian ng mga pasyente, at malamang na may publication bias, ibig sabihin, ang hilig na ilathala pangunahin ang mga pabor na resulta.

Paano gumamit nang ligtas ng health chatbot

Sa aking klinikal na praktika, parami nang parami ang mga pasyenteng dumarating sa konsultasyon na nabasa na ang mga sagot ng isang chatbot. Hindi ko ito itinuturing na problema, basta't sinusunod ang ilang patakaran:

• gamitin ito para umunawa, hindi para magpasya: mainam ito para maipaliwanag sa iyo ang isang termino o pagsusuri, o para ihanda ang mga tanong para sa doktor; ang diagnosis at gamutan ay nananatili sa doktor;
• huwag baguhin o ihinto ang isang gamutan batay sa sagot ng chatbot;
• kapag malala o biglaan ang mga sintomas (pananakit ng dibdib, hirap sa paghinga, panghihina ng isang bahagi ng katawan, pagkawala ng malay) tumawag agad sa 911, nang hindi kinokonsulta ang chatbot;
• suriin ang mga sanggunian: kung may binanggit na pag-aaral o datos ang chatbot, tiyaking talagang umiiral ito; mukhang kapani-paniwala ang mga hallucination;
• protektahan ang iyong data: iwasang ilagay ang iyong pangalan, tax o ID number, kumpletong medical report o mga larawang makakakilanlan sa iyo, lalo na sa mga libreng serbisyo para sa publiko;
• dalhin ang usapan sa iyong doktor: ang sagot na mukhang nakakapanatag ay hindi pumapalit sa isang konsultasyon.

Sino ang nagbabantay sa mga teknolohiyang ito sa Pilipinas

Sa Pilipinas, ang AI sa medisina ay saklaw ng mga patakaran sa medical device at sa proteksyon ng data. Sinuri namin ang mga opisyal na sanggunian noong 19 Oktubre 2026.

Food and Drug Administration (FDA). Ayon sa Republic Act No. 9711 (FDA Act of 2009), kasama ang «software» sa kahulugan ng medical device kapag ginagamit ito para sa diagnosis, pag-iwas, pagsubaybay o paggamot ng sakit. Ang pagpaparehistro ng mga medical device ay nakabatay sa DOH Administrative Order No. 2018-0002. Noong Mayo 2025, naglathala ang FDA ng draft na gabay para sa medical device software, na naglalarawan din ng «Artificial Intelligence Medical Device»; sa aming pagsusuri, wala pa kaming nakitang pinal na circular.

Data Privacy Act of 2012 (RA 10173). Itinuturing ng batas na «sensitive personal information» ang impormasyon tungkol sa kalusugan ng isang tao, at ang National Privacy Commission (NPC) ang nagpapatupad nito. Sa NPC Advisory No. 2024-04 (19 Disyembre 2024), hinihingi ng NPC sa mga gumagamit ng AI na nagpoproseso ng personal na data na ipaalam ito sa mga tao, managot sa mga resulta, magkaroon ng makabuluhang pagsusuri ng tao sa mga desisyon ng AI, at bantayan ang mga bias.

Batas tungkol sa AI. Sa aming pagsusuri, wala pang batas na partikular para sa AI sa Pilipinas. May mga panukalang batas, gaya ng House Bill No. 7627 na inihain noong Pebrero 2026, pero hindi pa ito batas. Ang National AI Strategy Roadmap 2.0 ng DTI (2024) ay isang estratehiya, hindi isang regulasyon.

Ano ang ibig sabihin nito para sa pasyente

Bahagi na ng pangangalaga ang AI, madalas nang hindi napapansin ng pasyente: sa pagbasa ng mammogram, sa draft ng report ng isang konsultasyon, sa pagtantiya ng isang panganib. Ang pinakamahuhusay na resulta ay nakukuha kapag ang AI ay katuwang ng doktor, na sumusuri sa trabaho nito, at sa malinaw na mga gawain gaya ng pagbasa ng mga larawan. Kapag naman ang AI ay nakikipag-usap nang mag-isa sa publiko, ipinapakita ng mga pag-aaral ang mga pagkakamali, hallucination, at mga sagot na nagbabago depende sa sitwasyon. Ang chatbot ay maaaring maging magandang panimula para umunawa, pero ang klinikal na desisyon ay nananatiling responsibilidad ng doktor.

Mga sanggunian

1. Hernström V, Josefsson V, Sartor H, Schmidt D, Larsson AM, Hofvind S, Andersson I, et al. Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI): a randomised, controlled, parallel-group, non-inferiority, single-blinded, screening accuracy study. The Lancet Digital Health. 2025;7(3):e175-e183. doi:10.1016/S2589-7500(24)00267-X. PubMed
2. Eisemann N, Bunk S, Mukama T, Baltus H, Elsner SA, Gomille T, Hecht G, et al. Nationwide real-world implementation of AI for cancer detection in population-based mammography screening. Nature Medicine. 2025;31(3):917-924. doi:10.1038/s41591-024-03408-6. PubMed
3. Goh E, Gallo R, Hom J, Strong E, Weng Y, Kerman H, Cool JA, et al. Large Language Model Influence on Diagnostic Reasoning: A Randomized Clinical Trial. JAMA Network Open. 2024;7(10):e2440969. doi:10.1001/jamanetworkopen.2024.40969. PubMed
4. Lukac PJ, Turner W, Vangala S, Chin AT, Khalili J, Shih YT, Sarkisian C, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025;2(12). doi:10.1056/AIoa2501000. PubMed
5. Bean AM, Payne RE, Parsons G, Kirk HR, Ciro J, Mosquera-Gómez R, Hincapié MS, et al. Reliability of LLMs as medical assistants for the general public: a randomized preregistered study. Nature Medicine. 2026;32(2):609-615. doi:10.1038/s41591-025-04074-y. PubMed
6. Omar M, Sorin V, Collins JD, Reich D, Freeman R, Gavin N, Charney A, et al. Multi-model assurance analysis showing large language models are highly vulnerable to adversarial hallucination attacks during clinical decision support. Communications Medicine. 2025;5(1):330. doi:10.1038/s43856-025-01021-3. PubMed
7. Omar M, Agbareia R, Apakama DU, Horowitz CR, Freeman R, Charney AW, Nadkarni GN, et al. New model, old risks: sociodemographic bias and adversarial hallucinations vulnerability in GPT-5. npj Digital Medicine. 2026;9(1). doi:10.1038/s41746-026-02584-8. PubMed
8. Han R, Acosta JN, Shakeri Z, Ioannidis JPA, Topol EJ, Rajpurkar P. Randomised controlled trials evaluating artificial intelligence in clinical practice: a scoping review. The Lancet Digital Health. 2024;6(5):e367-e373. doi:10.1016/S2589-7500(24)00047-5. PubMed
9. Republic Act No. 9711 (Food and Drug Administration Act of 2009), August 18, 2009. Official Gazette. Accessed 19 October 2026. officialgazette.gov.ph
10. FDA Philippines. DOH Administrative Order No. 2018-0002, Guidelines Governing the Issuance of an Authorization for a Medical Device based on the ASEAN Harmonized Technical Requirements (cited on the FDA page of 22 April 2021). Accessed 19 October 2026. fda.gov.ph
11. FDA Philippines. Draft for Comments: Guidelines on the Regulation of Medical Device Software (MDSW), 21 May 2025. Accessed 19 October 2026. fda.gov.ph
12. Republic Act No. 10173 (Data Privacy Act of 2012), August 15, 2012, Section 3(l) and Section 7. Official Gazette. Accessed 19 October 2026. officialgazette.gov.ph
13. National Privacy Commission. NPC Advisory No. 2024-04, Guidelines on the application of RA 10173 to artificial intelligence systems processing personal data, 19 December 2024. Accessed 19 October 2026. privacy.gov.ph
14. House of Representatives, 20th Congress. House Bill No. 7627 (Artificial Intelligence Regulation Act), filed February 4, 2026. Accessed 19 October 2026. congress.hrep.online
15. Department of Trade and Industry. DTI launches National AI Strategy Roadmap 2.0, 3 July 2024. Accessed 19 October 2026. dti.gov.ph