Η τεχνητή νοημοσύνη μπαίνει όλο και πιο βαθιά στην κλινική πράξη, αλλά σπάνια σε τόσο απαιτητικό πεδίο όσο ένα χειρουργείο εγκεφάλου. Γι’ αυτό ξεχωρίζει η περίπτωση που καταγράφηκε στο Λονδίνο, όπου ομάδα νευροχειρουργών αφαίρεσε όγκο υπόφυσης με συνεχή υποβοήθηση συστήματος AI σε πραγματικό χρόνο, διατηρώντας οι ίδιοι απόλυτα τον έλεγχο της επέμβασης.
Τι ακριβώς έγινε στο Λονδίνο
Σύμφωνα με το TechGear, η επέμβαση πραγματοποιήθηκε στο Εθνικό Νοσοκομείο Νευρολογίας και Νευροχειρουργικής του Λονδίνου, που ανήκει στο δίκτυο UCLH. Έγινε τον Μάιο του 2026 και ανακοινώθηκε αφού ο ασθενής ανάρρωσε πλήρως.
Ο ασθενής ήταν ο 48χρονος Rhys Hibbert, ο οποίος είχε διαγνωστεί το 2024 με όγκο 11 χιλιοστών στην υπόφυση. Η συντηρητική αντιμετώπιση δεν απέδωσε, ακολούθησαν σοβαρές ορμονικές διαταραχές και η όρασή του επιδεινώθηκε σε βαθμό που υπήρχε άμεσος κίνδυνος τύφλωσης.
Πώς λειτούργησε η υποβοήθηση της AI
Η επέμβαση έγινε με ενδοσκοπική διασφηνοειδή προσπέλαση, δηλαδή μέσω της μύτης, ώστε οι χειρουργοί να φτάσουν στην περιοχή της υπόφυσης. Πρόκειται για ανατομική ζώνη με εξαιρετικά μικρά περιθώρια, αφού πολύ κοντά βρίσκονται η καρωτίδα αρτηρία και το οπτικό χίασμα.
Το σύστημα AI ανέλυε ζωντανά τη ροή βίντεο από το ενδοσκόπιο και επισήμαινε στην οθόνη κρίσιμες δομές, όπως αιμοφόρα αγγεία και οπτικά νεύρα. Με αυτόν τον τρόπο λειτουργούσε ως σύστημα πλοήγησης και ενίσχυσης της χωρικής αντίληψης της ομάδας, όχι ως αυτόνομος χειρουργός.
Η τεχνολογία πίσω από το εργαλείο
Το λογισμικό αναπτύχθηκε από την ερευνητική ομάδα της Δρ. Sophia Bano στο University College London. Βασίζεται σε μοντέλο μηχανικής όρασης και βαθιάς μάθησης, σχεδιασμένο να επεξεργάζεται εικόνα χωρίς καθυστέρηση, ώστε η πληροφορία να είναι χρήσιμη την ίδια στιγμή που ο χειρουργός κινεί τα εργαλεία του.
Κατά το TechGear, το σύστημα εκπαιδεύτηκε σε περισσότερα από 200 βίντεο χειρουργείων. Η ομάδα αναφέρει ότι μέσα σε δέκα μήνες εκπαίδευσης το μοντέλο αφομοίωσε κλινική εμπειρία αντίστοιχη με εκείνη που θα αποκτούσε ένας ειδικευόμενος νευροχειρουργός έπειτα από περίπου δέκα χρόνια πρακτικής εξάσκησης.
Πριν από τη χρήση του στο πραγματικό χειρουργείο, είχε προηγηθεί δημοσίευση στο npj Digital Medicine το 2024. Σε εκείνη την αξιολόγηση εκτός χειρουργείου, με 640 στατικές εικόνες από 64 βίντεο, η ακρίβεια της ανατομικής επισήμανσης ανέβηκε από 70,7% σε 77,5%, ενώ στους νεότερους γιατρούς η βελτίωση καταγράφηκε από 66,2% σε 78,9%. Όταν το ίδιο μοντέλο δοκιμάστηκε αυτόνομα σε νέο σύνολο δεδομένων, έφτασε στο 79,1%.
Γιατί το αποτέλεσμα έχει βάρος
Το κρίσιμο στοιχείο δεν είναι ότι η AI «χειρούργησε», αλλά ότι υποστήριξε τη νευροχειρουργική ομάδα σε ένα περιβάλλον όπου ένα πολύ μικρό λάθος μπορεί να προκαλέσει ανεπανόρθωτη βλάβη. Η ιατρική ομάδα κράτησε πλήρως τον φυσικό και γνωστικό έλεγχο της διαδικασίας σε όλη τη διάρκεια της επέμβασης.
Μετά το χειρουργείο, ο Rhys Hibbert ανέκτησε, σύμφωνα με το δημοσίευμα, την καθαρότητα της όρασής του και επέστρεψε στην εργασία του μέσα σε λίγες εβδομάδες. Αυτή η έκβαση είναι που μετατρέπει μια ενδιαφέρουσα τεχνολογική επίδειξη σε κλινικό ορόσημο.
Γιατί αφορά και την ελληνική συζήτηση
Για κλινικές και medtech ομάδες στην Ελλάδα, η είδηση αξίζει προσοχή κυρίως ως ένδειξη κατεύθυνσης. Δείχνει ότι η AI στην υγεία δεν περιορίζεται σε διοικητικές χρήσεις ή στην ανάλυση εξετάσεων, αλλά αρχίζει να δοκιμάζεται ως εργαλείο ζωντανής υποστήριξης μέσα στο χειρουργείο, εκεί όπου η ακρίβεια και η ευθύνη είναι απόλυτες.
Το ίδιο το παράδειγμα από το Λονδίνο κρατά και ένα δεύτερο χρήσιμο μήνυμα: η αξία αυτών των συστημάτων βρίσκεται στη συνεργασία ανθρώπου και λογισμικού. Η απόφαση, η κίνηση και η ευθύνη παραμένουν στον χειρουργό, ενώ ο αλγόριθμος προσθέτει ένα επιπλέον στρώμα οπτικής καθοδήγησης σε μια από τις πιο δύσκολες επεμβάσεις της σύγχρονης ιατρικής.