Ελληνικά πανεπιστήμια συμμετέχουν ενεργά στη διεθνή επανάσταση της AI στη χειρουργική — ένα παγκόσμιο επίτευγμα που μπορεί να σώσει εκατομμύρια ζωές.
Φανταστείτε να γνωρίζετε, πριν καν μπείτε στο χειρουργείο, αν έχετε υψηλό κίνδυνο νεφρικής βλάβης, σήψης ή καρδιακής επιπλοκής. Αυτό που μέχρι πρόσφατα ακουγόταν ως επιστημονική φαντασία, σήμερα είναι πραγματικότητα χάρη στην Τεχνητή Νοημοσύνη — και τα ελληνικά πανεπιστήμια βρίσκονται στην καρδιά αυτής της εξέλιξης.
Η AI που «διαβάζει» τον κίνδυνο πριν από την τομή
Το σύστημα MySurgeryRisk, που αναπτύχθηκε από ερευνητές του Πανεπιστημίου της Φλόριντα (University of Florida), αποτελεί ένα από τα πιο εντυπωσιακά παραδείγματα εφαρμογής AI στη χειρουργική. Εκπαιδευμένο σε δεδομένα από πάνω από 50.000 ασθενείς που υποβλήθηκαν σε μείζονες χειρουργικές επεμβάσεις, το μοντέλο υπολογίζει με αυτοματοποιημένο τρόπο την πιθανότητα εμφάνισης οκτώ σοβαρών μετεγχειρητικών επιπλοκών: οξεία νεφρική βλάβη, σήψη, φλεβοθρόμβωση, εισαγωγή στη Μονάδα Εντατικής Θεραπείας, παρατεταμένη μηχανική αναπνευστική υποστήριξη, επιπλοκές τραύματος, νευρολογικές και καρδιαγγειακές επιπλοκές, καθώς και τον κίνδυνο θανάτου έως και 24 μήνες μετά την επέμβαση.
Τα αποτελέσματα είναι εντυπωσιακά: για ορισμένες επιπλοκές το μοντέλο επιτυγχάνει AUC (Area Under the Curve) έως 0,94 — που σημαίνει ότι, στο 94% των περιπτώσεων, το σύστημα εντοπίζει σωστά ποιος από δύο ασθενείς έχει υψηλότερο κίνδυνο. Σε σύγκριση, οι γιατροί που έκαναν την ίδια εκτίμηση «με το χέρι» επέτυχαν AUC μεταξύ 0,47 και 0,69, σύμφωνα με τη σχετική μελέτη σύγκρισης.
Αξιοσημείωτο είναι και το γεγονός ότι, σε επικαιροποιημένη πολυκεντρική επικύρωση που δημοσιεύθηκε το 2026, το MySurgeryRisk επιτέλεσε AUC 0,95 για την ενδονοσοκομειακή θνητότητα — αποτέλεσμα που το καθιστά από τα πιο ακριβή εργαλεία πρόβλεψης παγκοσμίως.
Η ελληνική συμβολή: Κρήτη, Πάτρα και πέραν
Η Ελλάδα δεν παρακολουθεί αυτή την εξέλιξη από μακριά. Ερευνητές από το Πανεπιστήμιο Κρήτης βρίσκονται ανάμεσα στους πρωταγωνιστές της διεθνούς επιστημονικής συζήτησης.
Οι Σταμάτιος Κοκκινάκης, Ευάγγελος Κριτσωτάκης και Κωνσταντίνος Λασηθιωτάκης από την Ιατρική Σχολή και το Νοσοκομειακό Πανεπιστήμιο Ηρακλείου δημοσίευσαν ανασκόπηση στο έγκριτο Journal of Clinical Medicine (2023), στην οποία αναλύουν κριτικά τα τελευταία επιτεύγματα της AI στην πρόβλεψη χειρουργικών κινδύνων, τονίζοντας τόσο τις δυνατότητες όσο και τα όρια των σύγχρονων μοντέλων.
Παράλληλα, η ίδια ομάδα συντόνισε και τη μελέτη HELAS (Hellenic Emergency Laparotomy Study) — μια προοπτική πολυκεντρική έρευνα με συμμετοχή 11 ελληνικών νοσοκομείων (από την Κρήτη έως την Πάτρα, καθώς και της Κύπρου), η οποία αξιολόγησε τέσσερα διεθνή εργαλεία πρόβλεψης κινδύνου σε πραγματικό κλινικό περιβάλλον. Η έρευνα αυτή παρέχει πολύτιμα δεδομένα για το αν και πώς αυτά τα εργαλεία λειτουργούν στο ελληνικό σύστημα υγείας.
Ποια εργαλεία AI χρησιμοποιούνται σήμερα;
Πέρα από το MySurgeryRisk, ένα πλήθος άλλων AI-βασισμένων μοντέλων έχει δείξει ισχυρή απόδοση:
POTTER (Predictive OpTimal Trees in Emergency Surgery Risk): Εκπαιδευμένο σε δεδομένα από 382.960 ασθενείς του αμερικανικού NSQIP database, επιτυγχάνει AUC 0,92 για την πρόβλεψη θνητότητας σε επείγουσες χειρουργικές επεμβάσεις, ξεπερνώντας παραδοσιακά εργαλεία όπως το Emergency Surgery Score.
PERISCOPE AI: Ενσωματωμένο σε ηλεκτρονικούς φακέλους ασθενών, προβλέπει μετεγχειρητικές λοιμώξεις σε 30 ημέρες με AUC έως 0,91, βασισμένο σε ανάλυση 253.010 χειρουργικών επεμβάσεων.
XGBoost / CatBoost: Αλγόριθμοι μηχανικής μάθησης που έχουν υιοθετηθεί επίσημα από το NSQIP από το 2023 ως πρότυπο πρόβλεψης χειρουργικής θνητότητας.
Γιατί αυτό αλλάζει τη χειρουργική
Σύμφωνα με σχετική ανασκόπηση που δημοσιεύθηκε τον Νοέμβριο 2025 στο Journal of Anesthesia, Analgesia and Critical Care, τα μοντέλα AI προσφέρουν ένα ουσιαστικό πλεονέκτημα: εντοπίζουν διακριτές τάσεις επιδείνωσης πριν γίνουν κλινικά εμφανείς, επιτρέποντας τόσο έγκαιρη παρέμβαση όσο και καλύτερη κατανομή πόρων στη νοσοκομειακή φροντίδα.
Εξίσου σημαντική είναι η δυνατότητα βελτίωσης της λήψης ιατρικών αποφάσεων από κοινού με τον ασθενή. Όταν ένας χειρουργός γνωρίζει εκ των προτέρων ότι ένας ασθενής έχει υψηλό κίνδυνο για σοβαρές επιπλοκές, μπορεί να επανεκτιμήσει αν η επέμβαση είναι πράγματι απαραίτητη — ή να τη σχεδιάσει με μεγαλύτερη ασφάλεια.
Ταυτόχρονα, συστηματική ανασκόπηση 19 μελετών που δημοσιεύθηκε το 2025 στο PMC κατέδειξε ότι τα μοντέλα AI στην επείγουσα χειρουργική παρουσιάζουν εντυπωσιακή ακρίβεια της τάξης 72–98% σε εφαρμογές όπως η διάγνωση σκωληκοειδίτιδας, η αξιολόγηση κινδύνου σε επείγουσες κοιλιακές επεμβάσεις και ο εντοπισμός ειλεού.
Τα ανοιχτά ερωτήματα
Ωστόσο, η ενσωμάτωση της AI στην κλινική πράξη δεν είναι χωρίς προκλήσεις. Ειδικοί επισημαίνουν ότι τα λεγόμενα «black box» μοντέλα — αλγόριθμοι που δεν εξηγούν πώς φτάνουν σε μια απόφαση — δυσκολεύουν την εμπιστοσύνη των κλινικών. Επιπλέον, η απόδοση πολλών μοντέλων μειώνεται όταν εφαρμοστούν σε νέα νοσοκομεία ή πληθυσμούς (εξωτερική επικύρωση), ενώ η μοντελοποίηση σπάνιων γεγονότων παραμένει δύσκολη.
Για αυτό ακριβώς, η ελληνική πολυκεντρική προσέγγιση της μελέτης HELAS αντιπροσωπεύει ό,τι ακριβώς χρειάζεται η επιστήμη: δεδομένα από διαφορετικά νοσοκομεία, ποικίλους πληθυσμούς και πραγματικές συνθήκες — ώστε να ξέρουμε αν αυτά τα εργαλεία λειτουργούν και εδώ, όχι μόνο στα μεγάλα αμερικανικά κέντρα.
Μια νέα εποχή για τη χειρουργική
Ο συνδυασμός ηλεκτρονικών φακέλων, μεγάλων δεδομένων και αλγορίθμων μηχανικής μάθησης ανοίγει έναν δρόμο όπου η χειρουργική γίνεται όλο και πιο εξατομικευμένη και προβλέψιμη. Η AI δεν αντικαθιστά τον χειρουργό — τον ενισχύει, προσφέροντας ένα πρόσθετο «μάτι» που επεξεργάζεται χιλιάδες παραμέτρους ταυτόχρονα.
Και τα ελληνικά πανεπιστήμια — με επίκεντρο την Κρήτη — αποδεικνύουν ότι η χώρα δεν παρακολουθεί απλώς αυτή την επανάσταση: τη διαμορφώνει.
Πηγές: Journal of Clinical Medicine (Kokkinakis et al., University of Crete, 2023) · Annals of Surgery – MySurgeryRisk, University of Florida (Bihorac et al., 2019) · Journal of Anesthesia, Analgesia and Critical Care (Cascella, University of Salerno, 2025) · Annals of Surgery – AI in Surgery Update (Limon et al., 2026) · European Journal of Trauma and Emergency Surgery – HELAS Study (Kokkinakis et al., 2024) · PMC – AI in Emergency Surgery Systematic Review (2025)