Spitalele cu AI au cu 40% mai puține decese? Ce arată de fapt graficul viral

În august a circulat pe rețelele sociale un grafic cu o concluzie greu de ignorat: în spitalele care au adoptat cel mai repede inteligența artificială, mortalitatea ar fi cu aproape 40% mai mică. Am căutat sursa originală, am citit datele și le-am comparat cu studiile care au măsurat direct efectul AI asupra deceselor. Graficul există, dar arată mult mai puțin decât s-a spus despre el.

De unde vine graficul

Graficul apare în articolul „The Oracle Problem: an invisible bottleneck to AI and medicine", publicat pe 24 august 2026 în newsletterul fondului de investiții Andreessen Horowitz (a16z). Autorul e Bobby Samuels, directorul general al Protege, iar articolul a fost scris în colaborare cu firma lui^[1]. Protege e o companie americană care pune la dispoziția dezvoltatorilor de AI date medicale reale, anonimizate, și construiește teste pentru modelele medicale. În ianuarie 2026, a16z a condus runda prin care Protege a strâns 30 de milioane de dolari^[2].

Subiectul articolului e altul: cât de greu e să verifici dacă un model AI e bun în medicină, când testele de azi măsoară mai ales performanța la examen. Graficul cu mortalitatea e unul dintre cele zece din articol și apare spre final, ca ilustrație la o întrebare: cu aceiași bani, obținem mai multă sănătate dacă adoptăm AI mai repede?

Titlul original al graficului e prudent: „Unele date arată că mortalitatea scade în sistemele de sănătate care adoptă AI cel mai repede". Iar înainte de grafice, autorii avertizează că cifrele sunt „descriptive rather than causal estimates", adică descriu ce s-a întâmplat fără să arate o cauză^[1]. Pe rețelele sociale, din tot graficul a rămas doar cifra de 40%.

Ce arată graficul, an cu an

Graficul original arată numărul de decese la 100.000 de pacienți în sistemele cu adopție ridicată a AI (albastru) și în cele cu adopție scăzută (portocaliu). Adopția e măsurată ca procentul de note clinice care menționează instrumente de AI ambiental. Liniile verticale sunt marjele de eroare.

Protege nu a publicat datele din spatele graficului, așa că am citit valorile direct de pe imagine. Sunt aproximative, cu o eroare de câteva zeci de decese.

În 2023, 2024 și 2025, cele două grupuri au aproape aceeași mortalitate. În 2025, sistemele cu adopție scăzută stau chiar puțin mai bine: în jur de 1.190 de decese la 100.000 de pacienți, față de 1.230. Diferența apare într-un singur punct, în 2026. Anul e marcat în original cu un asterisc pe care graficul nu îl explică. Articolul a apărut în august, deci 2026 era un an incomplet.

În 2026, sistemele cu adopție ridicată au în jur de 1.030 de decese la 100.000 de pacienți, iar cele cu adopție scăzută în jur de 1.630. Diferența e de 37%. Rotunjită în sus, a devenit „40% mai puține decese".

Șapte motive pentru care graficul nu dovedește că AI-ul salvează vieți

1. Autorii spun că cifrele nu arată o cauză

Corelația înseamnă că două lucruri apar împreună. Cauzalitatea înseamnă că unul îl produce pe celălalt. Graficul arată cel mult o corelație: în 2026, sistemele care folosesc mult AI au și mai puține decese. Din asta nu putem afla dacă AI-ul a redus decesele, dacă mortalitatea mai mică a făcut posibilă adopția AI sau dacă un al treilea factor le explică pe amândouă. Autorii știu asta și o spun explicit^[1].

2. Toată diferența stă într-un singur punct

Trei ani la rând, curbele aproape se suprapun. Apoi se despart într-un an care nu se încheiase. Un an incomplet are mai puțini pacienți și mai puține decese înregistrate, deci valorile lui variază mai mult. Contează și sezonul: lunile de iarnă, cu gripă și pneumonii, au de obicei mai multe decese, iar ponderea lor e alta într-un an parțial. În plus, decesele ajung uneori în dosarul electronic cu întârziere, iar întârzierea poate fi diferită de la un sistem la altul. Un singur punct dintr-o perioadă incompletă e un motiv să urmărești datele în continuare. Nu e o dovadă.

3. Marjele de eroare sunt mai mari decât diferența

Liniile verticale din grafic arată cât de nesigură e fiecare valoare. Pentru sistemele cu adopție ridicată, în 2026, intervalul merge de la circa 460 la circa 1.600 de decese la 100.000 de pacienți. Pentru cele cu adopție scăzută, de la circa 1.100 la circa 2.160. Cele două intervale se suprapun între 1.100 și 1.600. În 2024, intervalul grupului cu adopție scăzută acoperă aproape tot graficul, de la circa 360 la circa 2.350.

Graficul nu spune ce reprezintă aceste linii (un interval de încredere sau o simplă împrăștiere a datelor), câte sisteme sunt în fiecare grup și nici dacă diferența a fost testată statistic. Când intervalele se suprapun atât de mult, diferența poate fi zgomot. Ca să știm, ar fi nevoie de un test pe care graficul nu îl raportează.

4. „Adopția AI" e măsurată indirect

Gradul de adopție e calculat ca procentul de note clinice care menționează instrumente de AI ambiental, adică programele care ascultă consultația și redactează nota. Măsura arată cât de des apare AI-ul scris în note, iar asta ține și de regulile locale. Unele sisteme cer ca fiecare notă redactată cu AI să conțină o mențiune, altele nu cer nimic. Două spitale care folosesc AI la fel de mult pot ajunge în grupuri diferite.

Apoi, e greu de explicat mecanismul. Un instrument care scrie note scurtează timpul de documentare. Ca să scadă mortalitatea cu peste o treime într-un an, ar trebui să schimbe direct deciziile clinice. Sistemele AI construite special ca să prevină decesele au obținut efecte mai mici, între 16% și 26%, și doar la grupuri țintite de pacienți (detalii mai jos).

5. Spitalele care adoptă primele AI sunt diferite

Sistemele de sănătate care adoptă repede o tehnologie nouă au de obicei mai mulți bani, mai mult personal, echipe IT mai bune și pacienți cu alt profil. De multe ori investesc în același timp și în alte lucruri: protocoale noi, echipamente, angajări. Toți acești factori pot reduce mortalitatea fără nicio legătură cu AI-ul. În statistică se numesc factori de confuzie.

Relația poate funcționa și invers. Un spital cu mai puțini pacienți în stare gravă are mai puține decese și, în același timp, mai mult timp și mai mulți bani pentru proiecte noi. Atunci mortalitatea mică ar favoriza adopția AI, adică exact direcția opusă celei din titlu.

Un studiu mai riguros pe aceeași temă arată bine problema. Cercetătorii de la Universitatea Drexel au legat datele despre AI din 6.166 de spitale americane de mortalitatea din 3.143 de comitate (în engleză, county: unitatea administrativă dintr-un stat american, oarecum echivalentă cu un județ). În comitatele cu acces la spitale care folosesc AI au găsit cu 25,5 decese mai puține la 100.000 de locuitori cu o metodă de calcul și cu 16,9 cu alta. Aceleași comitate aveau însă o mortalitate prematură mai mică și între 2020 și 2022, înainte de anul în care a fost măsurată adopția AI^[9]. Asta sugerează că o parte din diferență exista dinainte. Autorii vorbesc, corect, despre o asociere ajustată, iar studiul e un preprint, adică nu a trecut încă prin evaluarea altor cercetători.

6. Nu știm cine sunt pacienții din calcul

Mortalitatea e raportată „la 100.000 de pacienți" din sistem, dar graficul nu spune cine intră în această cifră: doar pacienții internați sau și cei veniți la o consultație. Diferența e mare. Dacă un sistem folosește AI-ul mai ales în ambulatoriu și, în paralel, are tot mai mulți pacienți în ambulatoriu, numitorul crește cu oameni relativ sănătoși, iar rata deceselor scade fără ca vreun pacient să fi fost salvat.

Graficul nu spune nici dacă cifrele sunt ajustate pentru vârstă, gravitatea bolii sau alte afecțiuni. Studiile serioase fac această ajustare. Iar „în sistem" înseamnă că un pacient care moare în alt spital sau acasă poate să nu apară deloc în date.

7. Din destule date, ceva iese mereu în evidență

Datele vin din rețeaua de parteneri a Protege, adică din sistemele care și-au pus datele la dispoziția companiei. Nu e un eșantion reprezentativ pentru toate spitalele, iar numărul sistemelor din fiecare grup nu e publicat. Când ai la dispoziție miliarde de note, poți împărți datele în multe feluri: alt prag pentru „adopție ridicată", alți ani, alt indicator. Dacă încerci destule variante, una va arăta o diferență spectaculoasă doar din întâmplare. Statisticienii numesc asta problema comparațiilor multiple.

Contextul contează și el. a16z investește în Protege și în multe alte companii de AI medical. Asta nu face graficul fals. Articolul însuși avertizează că rezultatele bune la teste ajung ușor material de marketing^[1]. Cu graficul s-a întâmplat ceva asemănător: „unele date arată" a devenit, după câteva distribuiri, „40% mai puține decese".

Ce arată studiile care au măsurat direct efectul

Există studii care au urmărit pacienți reali înainte și după introducerea unui sistem AI, cu ajustări pentru gravitatea bolii. Aproape toate sunt despre sisteme de avertizare timpurie: programe care recalculează la câteva minute riscul ca starea unui pacient internat să se agraveze și alertează echipa medicală.

Din aceste studii reies patru lucruri.

• Efectele măsurate sunt mai mici. Între 16% și 26%, la grupuri de pacienți cu risc mare. Graficul viral sugerează 37% pe toți pacienții unui sistem.
• Algoritmul singur nu face diferența. La RWJBarnabas, autorii pun scăderea mortalității pe seama întregului proces: instruirea personalului, alertele din dosarul electronic și echipa de urgență care ajunge repede la pacient^[8]. O alertă la care nu răspunde nimeni nu salvează pe nimeni.
• Și studiile bune au limite. Niciunul nu e un studiu randomizat. La CHARTWatch, efectul a devenit nesemnificativ statistic când a fost comparat cu secțiile care nu foloseau sistemul. Mortalitatea poate scădea în aceeași perioadă și din alte motive. Chiar în graficul Protege, ea scade la ambele grupuri între 2023 și 2025, indiferent de AI.
• AI-ul poate și să greșească. Modelul de sepsis al Epic era folosit pe scară largă înainte de prima verificare independentă, iar verificarea a arătat că ratează majoritatea cazurilor^[10].

Cum verifici un grafic ca acesta

1. Caută sursa originală și citește textul din jurul graficului.
2. Verifică dacă autorii vorbesc despre o asociere sau despre un efect.
3. Uită-te la toată perioada, inclusiv la anii în care curbele se suprapun.
4. Caută marjele de eroare și numărul de spitale sau de pacienți din fiecare grup.
5. Află ce s-a măsurat exact: cum e definită adopția, cine intră în calcul, dacă există ajustări.
6. Gândește-te ce alt factor ar putea explica ambele fenomene.
7. Compară mărimea efectului cu ce au găsit studiile solide pe aceeași temă.

Ce înseamnă asta pentru AI-ul de documentare

Dictaris Neo e un instrument AI de documentare medicală, din aceeași categorie cu cele măsurate în graficul Protege. Cifra de 40% ne-ar fi convenit. Nu o folosim, pentru că datele nu o susțin.

Efectul AI-ului de documentare se poate măsura mai direct. Într-o rețea de 48 de spitale din Spania, consultațiile de urgență în care medicii au folosit un asistent AI au fost în medie cu 21,8% mai scurte, iar rapoartele au primit punctaje mai bune la audit^[11]. E tot un studiu observațional, deci și el arată o asociere. Mecanismul e însă ușor de înțeles: mai puțin timp la tastatură lasă mai mult timp pentru pacient. Despre cum folosesc spitalele din Europa aceste instrumente am scris în articolul despre dictarea medicală cu AI în Europa.

Dacă un studiu solid va arăta într-o zi că AI-ul de documentare reduce și mortalitatea, vom scrie despre el. Până atunci, vorbim despre ce se poate măsura: timpul câștigat și calitatea rapoartelor.