W skrócie
- Źródło
- Budzyń, Romańczyk, Kitala and colleagues (2025). Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. The Lancet Gastroenterology & Hepatology, 10(10), 896–903. doi:10.1016/S2468-1253(25)00133-5
- Jak je przeprowadzono
- Autorzy wzięli rutynowe dane o jakości z czterech ośrodków i porównali kolonoskopie wykonane bez AI w trzech miesiącach przed wprowadzeniem AI z kolonoskopiami wykonanymi bez AI w trzech miesiącach po nim. Analiza danych. Buduje miarę z istniejących danych, na przykład z opisów stanowisk i zadań.
- Kto brał udział
- 1443 kolonoskopie wykonane bez AI: 795 przed wprowadzeniem AI i 648 po nim.
- Gdzie
- Cztery ośrodki endoskopowe w Polsce biorące udział w badaniu ACCEPT, w których pod koniec 2021 roku wprowadzono AI zaznaczającą na ekranie możliwe zmiany.
“Continuous exposure to AI might reduce the ADR of standard non-AI assisted colonoscopy, suggesting a negative effect on endoscopist behaviour.” [Ciągła styczność z AI może obniżać ADR standardowej kolonoskopii bez wsparcia AI, co wskazuje na negatywny wpływ na zachowanie endoskopistów.]
Co wykazało badanie
Badanie mierzyło wskaźnik wykrywalności gruczolaków: odsetek kolonoskopii, w których lekarz znajduje co najmniej jeden gruczolak, czyli zmianę, która może przekształcić się w nowotwór. Ośrodki zapisują ten wskaźnik jako standardową miarę jakości.
- Przed AI. W 795 kolonoskopiach wykonanych bez AI lekarze znaleźli co najmniej jeden gruczolak w 28,4% badań.
- Po AI. W 648 kolonoskopiach wykonanych bez AI w trzech miesiącach po wprowadzeniu jej w ośrodkach wynik wynosił 22,4%.
- Wielkość spadku. Wskaźnik spadł o 6,0 punktu procentowego. Prawdopodobny zakres to od 1,6 do 10,5 punktu.
- Po uwzględnieniu innych czynników. Autorzy uwzględnili między innymi płeć i wiek pacjentów. Praca z AI nadal szła w parze z niższą wykrywalnością.
Spadek pojawił się w ciągu około trzech miesięcy.
Kiedy wynik się sprawdza
Chodzi o umiejętność dostrzegania czegoś na ekranie, którą w inne dni wykonywała za lekarzy AI. Taką samą strukturę ma każda praca, w której narzędzie sygnalizuje problemy, a wcześniej człowiek znajdował je sam: kontrola wizualna, przegląd dokumentów, sprawdzanie wyników AI.
Większość badań w miejscu pracy mierzy, jak ludzie radzą sobie z narzędziem. To jedno z bardzo niewielu badań, które zmierzyły, jak ludzie radzą sobie bez niego, gdy już go używali.
Ograniczenia
- Badanie porównuje dwa okresy. Nie przydziela lekarzy do AI losowo. Część spadku mogą wyjaśniać inne zmiany między okresami, na przykład w pacjentach albo w obciążeniu pracą.
- Obejmuje jedną specjalność medyczną w czterech ośrodkach w jednym kraju.
- Nie pokazuje, czy umiejętność wraca, gdy ludzie przestaną używać narzędzia.
Praktyki, które korzystają z tego badania
To badanie wspiera:
- Mierz czas zaoszczędzony na zadaniu względem pomiaru wyjściowego Zanim dodasz AI, zapisz, ile trwa zadanie i jak dobry jest wynik. Bez tej liczby wyjściowej nie odróżnisz prawdziwego zysku od pobożnego życzenia. Zrób najpierw · Nakład pracy: niski (dni, jedna osoba)
- Co jakiś czas sprawdzaj, co pracownicy potrafią zrobić bez AI Na próbce przypadków niech ludzie wykonają pracę bez AI, a wynik porównaj z ich zwykłą pracą. Zacznij od osób, które sprawdzają wyniki AI, i od osób, które wciąż uczą się zawodu, a narzędzia dla uczących się ustaw tak, by dawały wskazówki, a nie odpowiedzi. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
- Zachowaj zadania, na których uczą się początkujący Zanim zautomatyzujesz rutynową pracę, sprawdź, czy to na niej młodsi pracownicy uczą się zawodu. Jeśli tak, zostaw im jej część albo zapewnij naukę w inny sposób. Zrób później · Nakład pracy: średni (tygodnie, kilka osób)
To badanie ogranicza albo podważa: