A Semmelweis Egyetem vezetésével futó HAI-SO projekt azt vizsgálja, hogyan használható a mesterséges intelligencia egy egészségügyi rendszer működésének javítására, a betegutaktól az erőforrások elosztásáig. A magyar kezdeményezés az egyedi diagnózisokon túl arra kérdez rá, mit lehet kezdeni a rendszerben már meglévő hatalmas adatmennyiséggel.
Állítsd be a mivagyunk.hu-t kedvenc forrásként a Google-benAmikor az MI a teljes rendszert nézi
Az egészségügyi mesterséges intelligenciáról szóló hírekben rendszerint a diagnosztika kerül előtérbe. Felismeri-e a daganatot egy képen, értelmez-e egy laborleletet, vagy képes-e támogatni az orvost egy betegség azonosításában? A HAI-SO projekt ennél magasabb szintről indul. Mesterséges intelligenciával és nagyléptékű adatelemzéssel vizsgálja az egészségügyi rendszerek és a kórházi működés optimalizálásának lehetőségeit.
A Semmelweis Egyetem Egészségügyi Menedzserképző Központjának vezetésével futó program a 2025-ös HU-Rizont program támogatását kapta. A projekt saját ismertetése szerint az adatalapú döntéshozatal erősítése mellett az erőforrások felhasználását, a betegutak szervezését és a betegkimeneteleket is vizsgálják. A HAI-SO szeptember 7-én az AI Summit Budapest 2026 egészségügyi programjában mutatkozott be szélesebb szakmai közönség előtt; erről a Semmelweis szeptember 15-én számolt be.
Magyarországon ehhez különösen értékes adatvagyon áll rendelkezésre
A projekt fontos kiindulópontja a magyar egészségügy digitalizációja. A Semmelweis projektleírása külön kiemeli az Elektronikus Egészségügyi Szolgáltatási Tér, vagyis az EESZT, valamint a Nemzeti Egészségbiztosítási Alapkezelő adatvagyonát. Ezeket nemzetközi kutatópartnerek által fejlesztett MI-alapú módszerekkel kapcsolnák össze, majd magyar környezetben finomítanák és validálnák.
Ez egészen más lépték, mint amikor valaki feltölt egy laboreredményt egy chatbotba, hogy érthető magyarázatot kapjon. A mivagyunk.hu-n korábban már írtunk arról, mire használható és milyen kockázatai vannak az MI-alapú leletértelmezésnek. A HAI-SO rendszerszinten dolgozik: azt keresi, hogyan segíthetnek az adatok az ellátás működésének megértésében és a döntések előkészítésében.
A projekt egyik augusztusi workshopján például a gépi tanulás és a számítógépes járványtan lehetőségeit vizsgálták. A bemutatott módszerek betegségek terjedésének követését és előrejelzését, valamint közegészségügyi döntések támogatását célozhatják. Ez jól mutatja, hogy az egészségügyi MI alkalmazási tere jóval túlterjed az orvosi rendelőn.
A nyilvános projektleírás ugyanakkor egyelőre magas szinten beszél az adatokról. Megnevezi az EESZT és a NEAK adatvagyonát, de az ismertető nem részletezi, pontosan milyen adatkörök kerülnek a pilotokba, illetve milyen technikai és adatvédelmi megoldások mellett dolgoznak velük. Egy egészségügyi MI-rendszernél ezek a kérdések a gyakorlati alkalmazással együtt egyre fontosabbá válnak.
A külföldi módszereket magyar környezetben is bizonyítani kell
A HAI-SO jelentős nemzetközi együttműködés. A módszertani fejlesztésben a Harvard Egyetem PIAS-Lab kutatócsoportja és a Northeastern University MIGHTE laboratóriuma vesz részt, miközben a pilotok Magyarország mellett Csehországban is futnak a Prágai Közgazdaságtudományi Egyetem közreműködésével.
Ennek fontos gyakorlati következménye van. Egy másik országban működő egészségügyi modell eredményét nem lehet változtatás nélkül átültetni a magyar ellátásba. Eltérhet az intézményi szerkezet, az adatok minősége, a betegutak kialakítása és az erőforrások elosztása. A projekt ezért kifejezetten tervezi a megoldások hazai finomítását, validálását és pilot alkalmazását.
Az optimalizálás célját továbbra is emberek határozzák meg
Egy ilyen rendszer értéke végül azon múlik, milyen döntést segít jobbá tenni. Az MI nagy mennyiségű adatból felismerhet olyan mintázatokat és összefüggéseket, amelyeket emberi erővel nehéz lenne egyszerre áttekinteni. Ettől viszont még meg kell határozni, mit jelent a jobb működés.
Más eredmény születhet, ha egy rendszer elsősorban a költségeket próbálja csökkenteni, és más akkor, ha a várakozási idő, az ellátás minősége vagy a hozzáférés kerül előtérbe. Az algoritmus képes lehet megmutatni a rendszer működését, a célokat és a prioritásokat azonban emberek választják ki.
A HAI-SO ezért érdekes magyar kísérlet. Azt teszteli, hogy a már rendelkezésre álló egészségügyi adatvagyonból lehet-e jobb rendszerszintű döntéseket készíteni, miközben végig követhető marad, mire használjuk az MI-t és ki vállalja a felelősséget a döntésekért.
