Googleov AI za kožne bolesti: točnost prepoznavanja skočila s 8% na 23% u kontroliranom pokusu

Više od polovice odraslih osoba internet koristi za traženje zdravstvenih informacija, a svaka treća već poseže za AI chatbotovima. Problem nije dostupnost informacija — problem je razumijevanje i ispravna interpretacija onoga što se pronađe. Googleov istraživački tim objavio je 12. lipnja 2026. rezultate dviju komplementarnih studija koje ispituju može li vizualni AI alat za prepoznavanje kožnih stanja premostiti taj jaz.

Može li AI zaista pomoći pacijentima da razumiju što imaju na koži?

Odgovor iz kontroliranog pokusa glasi: da, ali uz važnu ogradu.

Randomizirano istraživanje na 2.345 sudionika

Kvantitativna studija, objavljena u časopisu JAMA Dermatology, uključila je 2.345 sudionika raspoređenih u tri grupe. Kontrolna skupina koristila je standardne web pretrage. AI skupina dobila je pristup prototipu sučelja koje generira 3 do 7 rangiranih predviđanja bolesti zajedno s fotografijama iz medicinske literature i opisima simptoma. Treća skupina — tzv. Wizard-of-Oz skupina — dobila je iste izlaze, ali ih je u pozadini verificirao dermatolog.

Rezultati su jasni: AI skupina postigla je točnost imenovanja stanja od 23%, nasuprot 8% u kontrolnoj skupini — porast koji autori opisuju kao „gotovo trostruko veći.” Wizard-of-Oz skupina dosegla je 36%, što pokazuje da postoji i prostor za daljnje poboljšanje iznad trenutnih AI mogućnosti. Spremniji su bili i sami korisnici AI alata — 62% ih je bilo voljno pokušati imenovati stanje, u usporedbi s 41% u kontrolnoj skupini.

No jedan nalaz odmah baca sjenu na entuzijazam: u procjeni ispravnih medicinskih koraka (treba li odmah liječnik, može li se pričekati, dovoljna je samonjega?) AI skupina nije pokazala značajno poboljšanje u odnosu na kontrolu. Istraživači ističu da su korisnici čak nešto češće podcjenjivali hitnost intervencije. „Što napraviti sljedeće” ostaje neriješeno pitanje.

Kvalitativna studija u stvarnoj zajednici

Paralelna studija, prezentirana na konferenciji ACM CHI 2026, pratila je 110 sudionika iz nedovoljno zastupljenih zajednica — u suradnji sa Stanford HEA3RT laboratorijem i Santa Clara Family Health Plan. Aplikacija je bila dostupna na četiri jezika, a sudionici su je koristili za stvarne, aktivne kožne probleme.

Klinički procjenitelji potvrdili su relevantnost alata: 86% kliničara koji su pregledali AI predviđanja ocijenilo ih je usklađenima s vlastitom procjenom za validirane slučajeve. Štoviše, 92% kliničara izjavilo je da bi im aplikacija bila korisna u kliničkoj praksi. Vizualno podudaranje — mogućnost da korisnik vidi fotografije sličnih stanja — pokazalo se ključnim za prihvaćanje alata, posebno u populacijama s nižom zdravstvenom pismenošću.

Skup podataka koji stoji iza istraživanja jest SCIN (Skin Condition Image Network), koji je Google prikupio s naglaskom na demografsku raznolikost, uključujući različite tonove kože — čime se adresira poznati problem AI medicinskih alata koji su historijski bili trenirati pretežno na svjetlijim tonovima kože.

Što to znači u praksi

Alat koji Google opisuje nije namijenjen dijagnozi — to istraživači eksplicitno naglašavaju. Cilj je educirati korisnika: ponuditi mu vokabular, vizualni kontekst i razumijevanje simptoma koji mu pomažu u razgovoru s liječnikom ili u donošenju informirane odluke o tome treba li liječnika uopće potražiti.

U tom kontekstu, skok s 8% na 23% točnosti imenovanja nije trivijalan. Za prosječnog korisnika koji ne poznaje medicinski rječnik, mogućnost da makar okvirno razumije o čemu bi moglo biti riječ znatno mijenja polaznu točku razgovora s liječnikom.

Ali otvoreni problem ostaje ozbiljan. Alat koji korisniku točno kaže „vjerojatno se radi o kontaktnom dermatitisu” a potom ga ostavi bez jasne smjernice — hitno, pričekaj, idi u ljekarnu — nije u potpunosti ispunio svoju ulogu. Istraživači to prepoznaju i identificiraju kontekstualno, na težini bolesti prilagođeno vođenje medicinskih koraka kao ključni prioritet za buduće iteracije.

Dvije studije zajedno postavljaju solidnu empirijsku osnovu za vizualne AI alate u primarnoj zdravstvenoj zaštiti — uz jasnu mapu puta onoga što još treba riješiti.