Mesterséges intelligencia az egészségügyben: mennyire bízhatunk az AI-chatbotok egészségügyi tanácsaiban?

A generatív mesterséges intelligencia az elmúlt néhány év egyik legjelentősebb technológiai fejlődése. A ChatGPT, a Gemini, a Grok, a DeepSeek és más chatbotok ma már emberek százmillióinak mindennapi információforrásai, beleértve az egészségügyi kérdéseket is. Egyre többen fordulnak ezekhez a rendszerekhez tüneteik értelmezése, kezelési lehetőségek megismerése vagy akár egészségügyi döntések előkészítése céljából.

Miközben az AI-eszközök képesek gyorsan és közérthetően válaszolni, egy frissen publikált kutatás arra figyelmeztet, hogy az egészségügyi információk területén továbbra is jelentős kockázatokkal kell számolni. A BMJ Open folyóiratban megjelent tanulmány öt népszerű chatbot teljesítményét vizsgálta olyan egészségügyi témákban, amelyek különösen érzékenyek a félretájékoztatásra és az áltudományos állításokra.

Az AI mint egészségügyi információforrás

A generatív mesterséges intelligenciára épülő chatbotok természetes nyelven kommunikálnak, és képesek összetett kérdésekre is válaszolni. A technológia gyors terjedésének egyik oka, hogy a felhasználók sok esetben a hagyományos internetes keresők alternatívájaként tekintenek rájuk.

A kutatók ugyanakkor rámutatnak, hogy ezek a rendszerek nem valódi szakértői tudással rendelkeznek. A válaszok nem bizonyítékok mérlegelésén vagy klinikai gondolkodáson alapulnak, hanem statisztikai mintázatok felismerésén. Az AI a korábbi szöveges adatok alapján próbálja megjósolni a legvalószínűbb következő szavakat és mondatokat. Ennek következménye, hogy a chatbotok időnként magabiztosan közölnek pontatlan vagy félrevezető információkat is.

Hogyan vizsgálták a chatbotokat?

A kutatás során öt népszerű nyilvánosan elérhető chatbotot elemeztek: a ChatGPT-t, a Gemini-t, a DeepSeeket, a Meta AI-t és a Grokot. A vizsgálat fókuszában olyan területek álltak, amelyek régóta kiemelt célpontjai az egészségügyi dezinformációnak:

• daganatos betegségek,
• vakcinák,
• őssejtterápiák,
• táplálkozás,
• sportteljesítmény és teljesítményfokozás.

A kutatók összesen ötven különböző kérdést dolgoztak ki, amelyek között szerepeltek egyszerű, egyértelmű válaszokat igénylő kérdések és nyitott végű kérdések is. A cél nem csupán az volt, hogy megvizsgálják a chatbotok tudásszintjét, hanem az is, hogy feltárják, hogyan reagálnak olyan kérdésekre, amelyek könnyen félrevezető vagy tudományosan nem megalapozott válaszok felé terelhetik őket.

Minden második válasz problémásnak bizonyult

A vizsgálat egyik legfontosabb megállapítása, hogy a chatbotok válaszainak közel fele valamilyen mértékben problémásnak minősült. Az összes értékelt válasz 49,6%-a tartalmazott olyan elemet, amely félrevezető lehetett a laikus felhasználók számára. Ebből 30% „enyhén problémás”, míg 19,6% „súlyosan problémás” kategóriába került.

A kutatók szerint a problémás válaszok két leggyakoribb oka az volt, hogy a chatbotok eltértek a tudományos konszenzustól, illetve indokolatlan egyensúlyt teremtettek bizonyított tudományos állítások és nem bizonyított vagy cáfolt elképzelések között. Ez a jelenség az úgynevezett „hamis egyensúly” (false balance), amely azt a benyomást keltheti, hogy a tudományosan megalapozott és a megalapozatlan nézetek azonos súllyal kezelendők.

Nem minden témában teljesítettek egyformán

A chatbotok teljesítménye jelentős eltérést mutatott a különböző egészségügyi területeken. A legjobb eredményeket a vakcinákkal és a daganatos betegségekkel kapcsolatos kérdések esetében érték el. Ezeken a területeken a válaszok nagyobb arányban feleltek meg a tudományos bizonyítékoknak.

Ezzel szemben az őssejtterápiák, a sportteljesítmény-fokozás és különösen a táplálkozás témakörei esetében lényegesen több hibás vagy félrevezető információ jelent meg. A kutatók szerint ennek egyik oka lehet, hogy ezekben a témákban az interneten rendkívül sok, eltérő minőségű információ található, amelyek között az AI-rendszerek nehezen különböztetik meg a megbízható és a megalapozatlan forrásokat.

Különösen figyelemre méltó, hogy a táplálkozással kapcsolatos kérdések esetében jelent meg a legtöbb súlyosan problémás válasz. Ez azért jelentős, mert a lakosság körében az étrenddel, étrend-kiegészítőkkel és alternatív egészségmegőrző módszerekkel kapcsolatos információkeresés rendkívül gyakori.

A magabiztosság nem jelent pontosságot

A kutatás egyik legérdekesebb megfigyelése az volt, hogy a chatbotok szinte mindig nagy magabiztossággal fogalmaztak, függetlenül attól, hogy válaszaik helyesek vagy hibásak voltak-e. A rendszerek rendkívül ritkán ismerték el tudásuk korlátait, és szinte soha nem utasították vissza a válaszadást.

Az összesen 250 feltett kérdésből mindössze kettő esetében történt válaszmegtagadás, mindkettő a Meta AI részéről. Az egyik tiltott teljesítményfokozó szerekre, a másik alternatív daganatkezelési módszerekre vonatkozott. A többi chatbot még akkor is választ adott, amikor szakmailag indokoltabb lett volna a bizonytalanság hangsúlyozása vagy az egészségügyi szakemberhez történő irányítás.

Ez a jelenség különösen veszélyes lehet, mert a felhasználók hajlamosak a magabiztos kommunikációt szakmai kompetenciával azonosítani.

A hivatkozások sem mindig megbízhatók

Sokan úgy vélik, hogy ha egy chatbot tudományos hivatkozásokat mellékel válaszaihoz, akkor azok automatikusan hitelesebbek. A tanulmány eredményei azonban ennek az ellenkezőjére figyelmeztetnek.

A kutatók minden chatbottól tudományos forrásokat kértek válaszaik alátámasztására. Az eredmények szerint a hivatkozások minősége összességében gyenge volt. A hivatkozások teljessége és pontossága átlagosan mindössze 40%-os értéket ért el, és egyetlen chatbot sem tudott teljesen pontos és hiánytalan irodalomjegyzéket szolgáltatni.

Gyakori problémának bizonyultak az úgynevezett „hallucinált” hivatkozások, amikor a rendszer nem létező tanulmányokat, hibás DOI-azonosítókat vagy pontatlan bibliográfiai adatokat generált. Ez különösen problémás az egészségügyben, ahol a bizonyítékokon alapuló döntéshozatal alapvető követelmény.

Kinek szólnak valójában ezek a válaszok?

A kutatás a válaszok olvashatóságát is elemezte. Az eredmények szerint valamennyi chatbot olyan nyelvezetet használt, amelynek megértéséhez legalább felsőoktatási szintű olvasási készség szükséges. A válaszok többsége a Flesch-skála alapján a „nehéz” kategóriába került.

Ez azt jelenti, hogy miközben az AI-rendszereket gyakran a lakossági egészségügyi tájékoztatás eszközeként emlegetik, a válaszok jelentős része valójában túl bonyolult lehet az átlagos felhasználók számára. Ez tovább növelheti a félreértések és a hibás egészségügyi döntések kockázatát.

Mit jelent mindez a jövő egészségügye számára?

A tanulmány szerzői nem azt állítják, hogy a generatív mesterséges intelligencia alkalmatlan lenne egészségügyi felhasználásra. Éppen ellenkezőleg: az AI jelentős lehetőségeket kínál az egészségügyi kommunikáció, az oktatás és az információelérés javítására.

A kutatás ugyanakkor világosan rámutat arra, hogy a jelenlegi rendszerek még nem tekinthetők önálló és megbízható egészségügyi tanácsadóknak. Az egészségügyi témájú válaszok jelentős része továbbra is pontatlan, hiányos vagy félrevezető lehet, különösen olyan területeken, ahol az interneten sok az áltudományos vagy félrevezető információ.

A szakértők szerint ezért elengedhetetlen a megfelelő szabályozás, az átlátható fejlesztési gyakorlat, valamint a lakosság digitális egészségügyi műveltségének fejlesztése. Az AI hatékony támogató eszköz lehet az egészségügyben, de jelenleg nem helyettesítheti az orvosi szakértelmet és a bizonyítékokon alapuló klinikai döntéshozatalt.

A tanulmány legfontosabb üzenete az, hogy a mesterséges intelligencia válaszait ugyanúgy kritikusan kell kezelni, mint bármely más internetes információforrást. Az egészségügyi döntések továbbra is olyan területet jelentenek, ahol a szakmai validáció és az orvosi konzultáció nélkülözhetetlen marad.

Forrás: Tiller, N. B., Marcon, A. R., Zenone, M., Kidd, K. E., Jeukendrup, A. E., Master, Z., & Caulfield, T. (2026). Generative artificial intelligence-driven chatbots and medical misinformation: an accuracy, referencing and readability audit. BMJ Open, 16(4), e112695. https://doi.org/10.1136/bmjopen-2025-112695