მთავარი
ხელოვნური ინტელექტისა და ალგორითმული სისტემების გამოყენება ჯანდაცვაში შეიძლება დაეხმაროს ექიმებს, სადაზღვევო კომპანიებსა და სახელმწიფო პროგრამებს დიდი მოცულობის ინფორმაციის სწრაფად დამუშავებაში. მაგრამ როდესაც სისტემა აღარ არის მხოლოდ დამხმარე ინსტრუმენტი და რეალურად განსაზღვრავს, მიიღებს თუ არა ადამიანი მკურნალობის დაფინანსებას, რეაბილიტაციას ან სხვა მნიშვნელოვან მომსახურებას, ტექნოლოგიური ეფექტიანობა უფლებებისა და პასუხისმგებლობის პრობლემად იქცევა.
“The Guardian”-ის 2026 წლის სექტემბრის მასალა, რომელიც ”John Oliver”-ის გადაცემას მიმოიხილავს, ”UnitedHealth”-ის მაგალითზე სწორედ ამ კითხვას სვამს. ამერიკულ ბაზარზე ალგორითმების გამოყენებასთან დაკავშირებული დავები აჩვენებს, რომ პრობლემა თავად ალგორითმი კი არ არის, არამედ გადაწყვეტილების ის მოდელი, სადაც ადამიანმა შეიძლება ვერ გაიგოს, რატომ მიიღო უარი და ვინ არის პასუხისმგებელი საბოლოო შედეგზე.
საქართველოსთვის ეს საკითხი უკვე თეორიული აღარ არის. 2025 წელს ქვეყნის სადაზღვევო ბაზრის მთლიანი მოზიდული პრემია 1.4 მილიარდ ლარს აჭარბებდა, ხოლო სამედიცინო დაზღვევას ბაზრის 43% ეკავა. ამასთან, საქართველოს პერსონალურ მონაცემთა დაცვის კანონი პირდაპირ არეგულირებს სრულად ავტომატიზებულ გადაწყვეტილებებს, რომლებსაც ადამიანის მიმართ მნიშვნელოვანი სამართლებრივი, ფინანსური ან სხვა შედეგი აქვს. ამიტომ მთავარი კითხვა საქართველოში უნდა იყოს არა „გამოვიყენოთ თუ არა ალგორითმი“, არამედ – რომელი გადაწყვეტილების მიღება შეიძლება ავტომატიზდეს, რამდენად გასაგებია მისი ლოგიკა და სად უნდა დარჩეს ადამიანის რეალური კონტროლი.
როდესაც ალგორითმი რჩევის მიცემას წყვეტს და გადაწყვეტილების მიღებას იწყებს
ჯანდაცვაში ალგორითმული სისტემების გამოყენება ძალიან განსხვავებულ ამოცანებს მოიცავს. ერთი სისტემა შეიძლება ექიმს დიაგნოსტიკაში ეხმარებოდეს, მეორე – კლინიკის დატვირთვას პროგნოზირებდეს, მესამე – თაღლითობის საეჭვო შემთხვევებს არჩევდეს, ხოლო მეოთხე – განსაზღვრავდეს, რამდენად დასაბუთებულია მკურნალობის ან რეაბილიტაციის დაფინანსება.
რისკიც სწორედ ამ განსხვავებაშია. თუ პროგრამა მხოლოდ რეკომენდაციას იძლევა და საბოლოო გადაწყვეტილებას კვალიფიციური ადამიანი იღებს, შეცდომის აღმოჩენისა და კონტექსტის გათვალისწინების სივრცე რჩება. მაგრამ თუ მოდელის პასუხი პრაქტიკაში ხდება უარის ავტომატური საფუძველი, პაციენტის ინდივიდუალური მდგომარეობა შეიძლება საშუალო სტატისტიკურ პროფილში დაიკარგოს.
აშშ–ში ეს პრობლემა განსაკუთრებით მკაფიო გახდა Medicare Advantage-ის ფარგლებში. “STAT”-ის 2023 წლის გამოძიება აღწერდა “UnitedHealth”-ის შვილობილი “NaviHealth”-ის მიერ გამოყენებულ ალგორითმს, რომელიც პროგნოზირებდა, თუ რამდენ ხანს შეიძლებოდა დასჭირვებოდა პაციენტს რეაბილიტაცია. კომპანიის პოზიცია იყო, რომ ინსტრუმენტი მხოლოდ გზამკვლევი იყო, თუმცა გამოცემის მიერ გამოკითხული თანამშრომლები ამბობდნენ, რომ მათზე არსებობდა ზეწოლა პროგნოზირებულ ვადებთან მაქსიმალური შესაბამისობისთვის. ეს არის სწორედ ის განსხვავება, რომელიც ტექნოლოგიური დებატიდან მმართველობის საკითხში გადადის: რას ამბობს სისტემა და როგორ იყენებს მას ორგანიზაცია.
სწრაფი გადაწყვეტილება ყოველთვის უკეთესი გადაწყვეტილება არ არის
დაზღვევაში ავტომატიზაციის ეკონომიკური მოტივაცია გასაგებია. ათასობით მოთხოვნის დამუშავება ადამიანური რესურსით ძვირია; გადაწყვეტილების დაჩქარება ამცირებს ადმინისტრაციულ ხარჯს, ხოლო მონაცემთა ანალიზმა შეიძლება გამოავლინოს შეუსაბამობა ან რისკი, რომელსაც ადამიანი ვერ შეამჩნევდა.
მაგრამ სამედიცინო დაფინანსების შემთხვევაში შეცდომის ღირებულება ჩვეულებრივ ბიზნესტრანზაქციაზე ბევრად მაღალია. უარყოფილი ონლაინშეკვეთა შეიძლება ხელახლა გაიგზავნოს; მკურნალობის დაფინანსებაზე უარმა კი შეიძლება დაგვიანება, ფინანსური ტვირთი და ჯანმრთელობის გაუარესება გამოიწვიოს. სწორედ ამიტომ აშშ–ის Medicare-ის მარეგულირებელმა, CMS-მა, ბოლო წლებში გაამკაცრა წინასწარი ავტორიზაციის მოთხოვნები: გადაწყვეტილება უნდა ეყრდნობოდეს პაციენტის კონკრეტულ სამედიცინო ისტორიას, ექიმის რეკომენდაციასა და შესაბამის კლინიკურ კრიტერიუმებს. 2026 წლიდან Medicare Advantage ორგანიზაციებს ასევე დაეკისრათ შიდა დაფარვის კრიტერიუმების შესახებ დეტალური ინფორმაციის წარდგენა CMS-ისთვის.
ეს მიდგომა არსებით პრინციპს ასახავს: ალგორითმი შეიძლება ამუშავებდეს მონაცემებს, მაგრამ სამედიცინო აუცილებლობის შეფასება არ უნდა გადაიქცეს გაუმჭვირვალე „შავი ყუთის“ პასუხად.
საქართველოს სადაზღვევო ბაზარი უკვე საკმარისად დიდია ამ კითხვების დასასმელად
საქართველოს დაზღვევის სახელმწიფო ზედამხედველობის სამსახურის მიხედვით, 2025 წელს სადაზღვევო სექტორის მთლიანი მოზიდული პრემია 1.4 მილიარდ ლარს აჭარბებდა – 12%-ით მეტი წინა წელთან შედარებით. სამედიცინო დაზღვევას ბაზრის 43% ეკავა, ხოლო სამედიცინო დაზღვევის მომსახურებით მოსახლეობის 21% სარგებლობდა. ქვეყანაში 19 სადაზღვევო კომპანია და 26 სადაზღვევო ბროკერი იყო რეგისტრირებული.
BTU-ს მკვლევრების გამოთვლით, მხოლოდ გამოქვეყნებული დამრგვალებული მაჩვენებლების გამოყენებით, 43%-იანი წილი 1.4 მილიარდ ლარზე დაახლოებით 602 მილიონ ლარს შეესაბამება. რადგან ზედამხედველობის სამსახური ამბობს, რომ მთლიანი პრემია 1.4 მილიარდ ლარს „აღემატებოდა“ და 43% დამრგვალებული წილია, ეს არ არის სამედიცინო დაზღვევის ოფიციალური ზუსტი მოცულობა – მხოლოდ მასშტაბის საჩვენებელი კონსერვატიული შეფასებაა.
ამ მასშტაბზე ტექნოლოგიური გადაწყვეტილებების ხარისხი უკვე მომხმარებელთა დაცვის საკითხია. სადაზღვევო კომპანიებს ბუნებრივად აქვთ ინტერესი გააუმჯობესონ მოთხოვნების დამუშავება, თაღლითობის აღმოჩენა, მომსახურების სისწრაფე და რისკების შეფასება. მაგრამ თუ სამომავლოდ უფრო მეტი გადაწყვეტილება დაეყრდნობა ავტომატურ პროფილირებას, სისტემამ უნდა შეძლოს არა მხოლოდ სწრაფი „კი“ ან „არა“-ს გენერირება, არამედ გადაწყვეტილების დასაბუთებაც.
საქართველოს კანონში ადამიანის ჩარევის პრინციპი უკვე არსებობს
საქართველოს პერსონალურ მონაცემთა დაცვის კანონის მე-19 მუხლი მნიშვნელოვან ჩარჩოს ქმნის. კანონის მიხედვით, პირს აქვს უფლება, გარკვეული გამონაკლისების გარდა, არ დაექვემდებაროს მხოლოდ ავტომატურ დამუშავებაზე – მათ შორის პროფილირებაზე – დაფუძნებულ გადაწყვეტილებას, თუ მას სამართლებრივი ან სხვა მსგავსი მნიშვნელობის ეფექტი აქვს. შესაბამის შემთხვევებში კანონში ასევე ჩადებულია ადამიანის ჩართულობის, საკუთარი პოზიციის გამოხატვისა და გადაწყვეტილების გასაჩივრების შესაძლებლობა.
კანონი კიდევ უფრო მკაფიო მოთხოვნას ადგენს მონაცემთა დაცვაზე ზეგავლენის შეფასებისთვის: ასეთი შეფასება სავალდებულოა, როდესაც ორგანიზაცია სრულად ავტომატურად იღებს გადაწყვეტილებას, რომელსაც ადამიანისათვის სამართლებრივი, ფინანსური ან სხვა არსებითი შედეგი აქვს, ან დიდი მასშტაბით ამუშავებს განსაკუთრებული კატეგორიის მონაცემებს. ჯანმრთელობის ინფორმაცია სწორედ განსაკუთრებული კატეგორიის მონაცემად არის განსაზღვრული.
ეს ნიშნავს, რომ საქართველოსთვის ალგორითმული სადაზღვევო გადაწყვეტილებები რეგულირების „ცარიელ სივრცეში“ არ ხვდება. თუმცა მონაცემთა დაცვის კანონი არ არის სრული კლინიკური AI-ის რეგულაცია. ის პასუხობს მონაცემთა გამოყენებისა და ავტომატიზებული გადაწყვეტილების უფლებრივ ნაწილს, მაგრამ ცალკე რჩება მოდელის სამედიცინო სიზუსტე, ხარისხის ტესტირება, მიკერძოების კონტროლი, კლინიკური პასუხისმგებლობა და აუდიტის სტანდარტი.
საერთაშორისო მიმართულება: მაღალი რისკი ნიშნავს მეტ კონტროლს
ევროკავშირის “AI Act”-ში სიცოცხლისა და ჯანმრთელობის დაზღვევის რისკის შეფასებისა და ფასის განსაზღვრისთვის გამოყენებული გარკვეული AI სისტემები მაღალი რისკის კატეგორიაშია შეტანილი. იგივე ჩარჩო მაღალი სიფრთხილით ეკიდება ისეთ სისტემებსაც, რომლებიც აუცილებელ საჯარო მომსახურებებსა და ჯანმრთელობის სერვისებზე წვდომას ეხება. ეს მიდგომა არ ნიშნავს AI-ის აკრძალვას; მისი ლოგიკაა, რომ რაც უფრო მძიმე შედეგი შეიძლება ჰქონდეს გადაწყვეტილებას ადამიანისთვის, მით მაღალი უნდა იყოს გამჭვირვალობის, კონტროლის, მონაცემთა ხარისხისა და პასუხისმგებლობის მოთხოვნა.
ჯანდაცვის მსოფლიო ორგანიზაციის პრინციპებიც მსგავს ხაზს მიჰყვება. “WHO” ხაზს უსვამს ადამიანის ავტონომიას, უსაფრთხოებას, გამჭვირვალობას, ახსნადობას, პასუხისმგებლობასა და თანასწორობას. ორგანიზაციის მთავარი იდეაა, რომ AI ექიმის ან ადამიანის პასუხისმგებლობის შემცვლელი კი არა, უსაფრთხოდ მართული ინსტრუმენტი უნდა იყოს.
საქართველოსთვის საერთაშორისო გამოცდილების პირდაპირ გადმოტანა შეუძლებელია. ბაზრის ზომა, სახელმწიფო დაფინანსების სტრუქტურა, კერძო დაზღვევის გავრცელება და ტექნოლოგიური შესაძლებლობები განსხვავდება. მაგრამ ერთი პრინციპი უნივერსალურია: როდესაც ალგორითმის შედეგი ადამიანის ჯანმრთელობასა და მნიშვნელოვან ფინანსურ ინტერესს ეხება, „სისტემამ ასე გადაწყვიტა“ საკმარისი პასუხი არ არის.
რისი შესაძლებლობა უნდა ჰქონდეს მომხმარებელს?
თუ დაზღვევაში AI ან სხვა ალგორითმული სისტემა გამოიყენება მაღალი გავლენის გადაწყვეტილებისთვის, მომხმარებლისთვის პრაქტიკულად მნიშვნელოვანი იქნება ოთხი რამ. მან უნდა იცოდეს, რომ გადაწყვეტილებაში ავტომატიზაცია მონაწილეობდა; უნდა მიიღოს გასაგები განმარტება, რა ტიპის მონაცემებსა და კრიტერიუმს დაეყრდნო შედეგი; უნდა ჰქონდეს ადამიანის მიერ ხელახალი განხილვის რეალური შესაძლებლობა; და უნდა არსებობდეს პასუხისმგებელი სუბიექტი, რომელსაც შეცდომაზე პასუხი მოეთხოვება.
ეს არ ნიშნავს, რომ კომპანიამ თავისი ალგორითმის პროგრამული კოდი საჯაროდ უნდა გამოაქვეყნოს. ბიზნესს შეიძლება ჰქონდეს კომერციული საიდუმლო და კიბერუსაფრთხოების ლეგიტიმური ინტერესი. მაგრამ მომხმარებლის უფლება, მიიღოს განმარტება გადაწყვეტილებაზე და გაასაჩივროს ის, არ უნდა გაქრეს ტექნიკური სირთულის გამო.
ბიზნესისთვის ესეც მნიშვნელოვანი განსხვავებაა. ნდობა ჯანმრთელობის დაზღვევაში თავად პროდუქტის ნაწილია. მომხმარებელი წინასწარ იხდის იმ იმედით, რომ საჭიროების დროს ხელშეკრულებით გათვალისწინებულ მომსახურებას მიიღებს. თუ უარის ლოგიკა გაუგებარია ან ადამიანი ვერ პოულობს რეალური გადაწყვეტილების მიმღებს, ავტომატიზაციით მიღებული ადმინისტრაციული ეკონომია შესაძლოა რეპუტაციულ და მარეგულირებელ ხარჯად დაბრუნდეს.
BTU-ს მკვლევრების შეფასება
BTU-ს მკვლევრების შეფასებით, საქართველოსთვის ოპტიმალური მიმართულება არ არის ალგორითმული გადაწყვეტილებების შეჩერება. პირიქით, კარგად მართულმა ავტომატიზაციამ შეიძლება შეამციროს რიგები, დააჩქაროს მოთხოვნების დამუშავება, გააუმჯობესოს თაღლითობის აღმოჩენა და აღმოფხვრას ადამიანური შეცდომები.
მაგრამ მაღალი გავლენის გადაწყვეტილებები – მაგალითად, მკურნალობის დაფინანსებაზე უარი ან ჯანმრთელობის რისკზე დაფუძნებული მნიშვნელოვანი ფინანსური გადაწყვეტილება – უნდა დაექვემდებაროს უფრო მკაცრ სტანდარტს. მინიმალური მოდელი უნდა მოიცავდეს ადამიანის ზედამხედველობას, გადაწყვეტილების ახსნადობას, აპელაციის მკაფიო გზას, მონაცემთა დაცვაზე ზემოქმედების შეფასებას და სისტემის პერიოდულ დამოუკიდებელ შემოწმებას.
მთავარი საზომი არ უნდა იყოს მხოლოდ ის, რამდენად სწრაფად ამუშავებს სისტემა მოთხოვნას. უფრო მნიშვნელოვანი კითხვაა, რამდენად სამართლიანად, გასაგებად და გასაჩივრებად იღებს ის გადაწყვეტილებას.
დასკვნა
ალგორითმი ჯანდაცვაში შეიძლება იყოს ძლიერი დამხმარე, მაგრამ ის არ უნდა გადაიქცეს უხილავ საბოლოო მოსამართლედ. განსაკუთრებით იქ, სადაც პასუხი განსაზღვრავს მკურნალობაზე წვდომას ან მნიშვნელოვან ფინანსურ პასუხისმგებლობას, ეფექტიანობა ადამიანის უფლებებსა და პროფესიულ განსჯას ვერ ჩაანაცვლებს.
საქართველოში ამისთვის უკვე არსებობს მნიშვნელოვანი სამართლებრივი საფუძველი – ავტომატიზებული გადაწყვეტილების მიმართ უფლებები, ადამიანის ჩარევის შესაძლებლობა და მაღალი რისკის მონაცემთა დამუშავებისას ზეგავლენის შეფასების ვალდებულება. შემდეგი ნაბიჯი ამ პრინციპების პრაქტიკულ ტექნოლოგიურ სტანდარტებად ქცევაა. AI-ის კარგი გამოყენება ჯანდაცვაში ის კი არ არის, როცა ალგორითმი ადამიანს ცვლის, არამედ როცა სისტემა ადამიანს უკეთესი გადაწყვეტილების მიღებაში ეხმარება და საბოლოო პასუხისმგებლობა კვლავ გასაგებად რჩება.
მასალა არის ანალიტიკური და საგანმანათლებლო ხასიათის. ის არ წარმოადგენს სამედიცინო რეკომენდაციას, დიაგნოზს ან მკურნალობის ინსტრუქციას. კონკრეტული ჯანმრთელობის საკითხის შემთხვევაში საჭიროა შესაბამის სპეციალისტთან კონსულტაცია.
მონაცემები და ძირითადი წყაროები
The Guardian – “John Oliver on UnitedHealth Group: ‘Algorithmically driven, ruthless arbiters of who lives and who dies’”, 21 September 2026:
https://www.theguardian.com/tv-and-radio/2026/sep/21/john-oliver-united-healthcare
STAT – “UnitedHealth pushed employees to follow an algorithm to cut off Medicare patients’ rehab care”, 14 November 2023:
https://www.statnews.com/2023/11/14/unitedhealth-algorithm-medicare-advantage-investigation/
Centers for Medicare & Medicaid Services – 2024 Medicare Advantage and Part D Final Rule:
https://www.cms.gov/newsroom/fact-sheets/2024-medicare-advantage-and-part-d-final-rule-cms-4201-f
Centers for Medicare & Medicaid Services – Part C Utilization Management Annual Data Submission:
https://www.cms.gov/medicare/audits-compliance/part-c-part-d-compliance-audits/part-c-utilization-management-um-annual-data-submission
საქართველოს დაზღვევის სახელმწიფო ზედამხედველობის სამსახური – 2025 წლის ბაზრის შედეგები და 2026 წლის ინფორმაცია:
https://insurance.gov.ge/en/News/parlamentshi_dazghvevis_sakhelmtsifo_zedamkhedvelobis_samsakhuris_sametvalkureo_sabchos_skhdoma_gaimarta3
საქართველოს დაზღვევის სახელმწიფო ზედამხედველობის სამსახური – დაზღვევის დღე 2026:
https://www.insurance.gov.ge/ka/News/dazghvevis_dghe_2026
საქართველოს კანონი „პერსონალურ მონაცემთა დაცვის შესახებ“:
https://new.matsne.gov.ge/en/document/view/5827307
World Health Organization – Ethics and governance of artificial intelligence for health:
https://www.who.int/publications/i/item/9789240029200
European Union – Artificial Intelligence Act, Regulation (EU) 2024/1689:
https://eur-lex.europa.eu/legal-content/EN/TXT/?uri=CELEX:32024R1689
მომზადებულია Business and Technology University-ის აკადემიური გუნდისა და BTUAI Research Team-ის მიერ, Tbilisi, Georgia.