2026 m. liepos 1 d., trečiadienis
What Zelensky told the Poles
We are not just talking about the past. The UPA killed about a hundred thousand Polish civilians, including many children, because families were large in those days. Zelensky, who glorifies these genocidal murderers, claims that: “If the opportunity arises, we will do this to you again. And now urgently accept us into the European Union, we need money to assemble exploding Chinese drones.” And you guys, keep having fun, your turn will come.
Ką Zelenskis pasakė lenkams
Kalbame ne tik apie praeitį. UPA nužudė apie šimtą tūkstančių lenkų civilių, tame tarpe daugybę vaikų, kadangi šeimos tais laikais buvo didelės. Zelenskis, garbinantis šiuos genocidiškus žudikus, teigia, kad: “Progai pasitaikius, mes ir vėl jums tai padarysime. O dabar skubiai priimkite mus į Europos Sąjungą, mums reikia pinigų, kad sprogstančius kiniškus dronus surinkinėti.” O jūs, vaikinai, žvenkite, ateis ir jūsų eilė.
Mieloji, aš sumažinau pinigų srautus
„Pasaulyje, kuriame gausu naujų, įmantrių biržoje prekiaujamų fondų (JAV jų buvo paleista daugiau nei 1000 vien pernai), netikėta idėja sulaukė netikėtos sėkmės.
Tokios įmonės kaip „Pacer ETF“ ir „Victory Capital“ pritraukė dešimtis milijardų dolerių į fondus, orientuotus į laisvo pinigų srauto pajamingumą. Tai sveikintina tendencija dabar, kai senosios mokyklos vertės investavimas, regis, prarado savo magiją.
Užuot bandę nusipirkti dolerį turto ar pelno už 60 centų, fondai daugiausia dėmesio skiria tam, kiek pinigų įmonės generuoja, viršydamos savo investavimo poreikius.
Kai kurie gerbiamiausi pasaulio investuotojai, įskaitant Warreną Buffettą, Charlie Mungerį, Terry Smithą, Billą Nygreną ir Joelį Greenblattą, labiau pabrėžė paskirstytinus pinigus nei apskaitinį pelną.
Fondai, orientuoti į laisvo pinigų srauto pajamingumą, veikia gerai ir yra apdovanojami įplaukomis rinkoje, kuri kitaip yra apsėsta dirbtinio intelekto. Tačiau bet kokia technika, kuri vertybinių popierių pasirinkimą supaprastina iki paprasto ekrano, neišvengiamai suklysta.
Vienas iš jų žlunga pakoreguoti atsižvelgiant į akcijomis pagrįstą atlyginimą, nes tai yra nepiniginis straipsnis.
Akcijų išleidimas vis tiek kainuoja akcininkams ir dažnai sugeria papildomus pinigus, kuriuos jie taip pat galėtų gauti. Įmonės paprastai atperka išleistas akcijas atviroje rinkoje.
„Jei atlygis nėra išlaidos, tai kas jis?“ – klausė Buffettas savo 2015 m. laiške akcininkams.
Kelių didelių technologijų bendrovių, įskaitant kai kurias, kurias galima rasti „Pacer“ ir „Victory“ portfeliuose, laisvojo pinigų srauto (FCF) pajamingumas prieš ir po to, kai jį atsižvelgiama.
„Atlassian“ šių metų pradžioje pasižymėjo, regis, neblogu 3,4 % pajamingumu, tačiau atėmus akcijų apdovanojimus jis buvo vos didesnis nei nulis. „Uber“ pajamingumas buvo 5,6 %, tačiau po akcijų apdovanojimų jis buvo visu procentiniu punktu mažesnis. „Amazon“ ir „Snowflake“ pajamingumas po šio koregavimo sumažėjo nuo teigiamo iki neigiamo.
„Visiškai beprotiška neįtraukti“ akcijomis pagrįsto atlygio į FCF skaičiavimus, sako Meb Faber, „Cambria Investment Management“ įkūrėja ir vyriausioji investicijų pareigūnė. Faber parašė knygą šia tema, „Akcininkų pajamingumas“ ir, remdamasis šia idėja, valdo gerai veikiančių ETF rinkinį.
Tačiau ar būtinai verta sėkmingus fondus padaryti sudėtingesnius? Mannikas Dhillonas, „Victory Capital“ ETF vadovas, teigia, kad pačios įmonės atlikti testai iš esmės nerodo jokio našumo skirtumo. Tačiau jis teigia, kad ši problema yra „jų akiratyje“.
Silicio slėnyje paprastai išmokami didžiausi akcijų apdovanojimai, todėl gali būti, kad beveik bet ko, kas susiję su technologijomis, stiprūs rezultatai iki šiol nusvėrė jų neigiamą poveikį.
ETF taip pat turi pakankamai kitų bendrovių akcijų, kad jų veiklos per daug nesumažintų saujelė, išdalinančių daug akcijų apdovanojimų.
Tai tikrai yra tai, ką turėtų apsvarstyti individualūs investuotojai, renkantis akcijas pagal laisvą pinigų srautą. Laimėjimo formulės gali būti paprastos, bet kartais jos yra šiek tiek per paprastos.“ [1]
1. Honey, I Shrank the Cash Flow. Jakab, Spencer. Wall Street Journal, Eastern edition; New York, N.Y.. 01 July 2026: B12.
Honey, I Shrank the Cash Flow
“In a world awash with gimmicky new exchange-traded funds -- more than 1,000 launched in the U.S. just last year -- an unflashy idea has found surprising success.
Companies such as Pacer ETFs and Victory Capital have attracted tens of billions of dollars to funds focused on free cash flow yield. It's a welcome development now that old-school value investing seems to have lost its magic.
Instead of trying to buy a dollar of assets or earnings for 60 cents, the funds focus on how much cash companies generate beyond their investment needs.
Some of the world's most-respected investors, including Warren Buffett, Charlie Munger, Terry Smith, Bill Nygren and Joel Greenblatt have stressed distributable cash over accounting profits.
Funds focusing on free cash flow yield are performing well and getting rewarded with inflows in a market otherwise obsessed with artificial intelligence. But any technique that boils security selection down to a simple screen is bound to get some things wrong.
One is failing to adjust for share-based compensation since it's a noncash item.
The stock issuance still costs shareholders, and it often soaks up extra cash they could receive too. Companies usually buy back the issued stock on the open market.
"If compensation isn't an expense, what is it?" asked Buffett in his 2015 letter to shareholders.
Several large technology companies, including some that can be found in Pacer and Victory's portfolios, have very different FCF yields before and after taking it into account.
Atlassian sported a seemingly decent yield of 3.4% at the beginning of this year, but one barely above zero after subtracting share awards. Uber had a 5.6% yield, but that was a full percentage point lower after share awards. Amazon and Snowflake both went from positive to negative yields after that adjustment.
It's "totally insane not to" include share-based compensation in FCF calculations, says Meb Faber, co-founder and chief investment officer of Cambria Investment Management. Faber wrote a book on the subject, "Shareholder Yield," and runs a suite of well-performing ETFs based on the idea.
But is it necessarily worth adding a layer of complexity to successful funds? Mannik Dhillon, head of ETFs at Victory Capital, says the firm's own backtests show basically no difference in performance. He says the issue is "on their radar," though.
Silicon Valley is where the chunkiest share awards tend to be, so it's possible the strong performance of almost anything tech-related has outweighed their ill effects so far.
The ETFs also hold enough other companies that their performance won't be dragged down much by a handful handing out lots of share awards.
It's certainly something individual investors picking stocks on the basis of free cash flow should consider. Winning formulas can be simple, but occasionally they're a little too simple.” [1]
1. Honey, I Shrank the Cash Flow. Jakab, Spencer. Wall Street Journal, Eastern edition; New York, N.Y.. 01 July 2026: B12.
Kaip dirbtinis intelektas gali pakeisti gydytojų mąstymą
„Viena pirmųjų medicinos studentų užduočių yra išmokti rašyti klinikinį įrašą. Dar nebaigę anatomijos ir fiziologijos kursų, jie siunčiami prie pacientų lovų su gydytoju dėstytoju ir prašomi grįžti su rašytiniu įvykių aprašymu: ką pacientas pasakė, kas buvo pastebėta ir, laikui bėgant, įgyjant patirties, kokios diagnozės galėtų paaiškinti paciento simptomus ir ką būtų galima padaryti, kad juos gydytų. Kai mokiausi medicinos mokykloje, šis darbas atrodė kaip užsitarnautas, beveik iškilmingas inicijavimas, vienas iš kuklių ritualų, per kurį studentas pradeda elgtis ir jaustis kaip gydytojas.
Mes buvome ten, kad mokytumėmės, ir neturėdami savo bylų krūvio, tikrai turėjome valandų rašyti šiuos įrašus. Tačiau subrendę gydytojais rezidentais, o vėliau – gydančiais gydytojais, to laiko nebejautėme, o įrašų rengimas nebejautėme kaip privilegija. Jie atrodė varginantys ir atitrūkę nuo to, kas iš tikrųjų yra medicina: kalbėtis su pacientais, apgalvoti jų simptomus ir, tikiuosi, juos išgydyti. Daugelis iš mūsų pradėjome matyti įrašą kaip kažką, kas turėjo labai mažai ką bendro.“ susiję su pacientų gydymu – ir galbūt net jam trukdė. Jei susigrąžintume visas tas valandas, ar negalėtume geriau pasirūpinti žmonėmis?
Taigi, kai ligoninėje, kurioje dirbu skubios pagalbos skyriaus gydytoja, debiutavo dirbtinio intelekto asistentai – jie fone klausosi mūsų telefonų, kai susitinkame su pacientais, o tada rašo išbaigtus, išsamius užrašus – nekantravau juos išbandyti. Jau buvau girdėjęs apie jų potencialą, prieš porą metų kalbėdamasis su pirmaujančios dirbtinio intelekto medicininių raštininkų įmonės generaliniu direktoriumi. Jam aprašant savo produktą, įsivaizdavau gydytoją, kuriuo tapsiu: geresnę, dėmesingesnę gydytoją, gebančią neskubėdama skirti daugiau laiko pacientams prie jų lovų, o ne įnirtingai spausdinti prie savo kompiuterio. (Savanaudiškai taip pat įsivaizdavau geresnę sąveiką su savo gydytoja, kurią lankau kartą per metus, visada prikausčiusi akis prie ekrano, o jos pirštai barškina klaviatūra.)
Tai taip pat vizija, kurią dirbtinio intelekto raštininkų kūrėjai parduoda medicinos įstaigoms. Startuoliai išplito, nuo 2019 m. surinko beveik 5 mlrd. dolerių ir žadėjo ne tik padėti klinikų specialistams išvengti perdegimo sindromo, bet ir padidinti sveikatos priežiūros sistemų efektyvumą. Praėjusiais metais paskelbtame tyrime visos 43 ne pelno siekiančios sveikatos priežiūros sistemos Jungtinėse Valstijose, kurios užpildė apklausą, pranešė, kad kuria, bando arba jau diegia dirbtinio intelekto raštininkus. Žinoma, nors ne kiekvienas gydytojas pasirinks naudoti šį įrankį – nors dėl institucinio spaudimo ateityje jis gali atrodyti labiau kaip būtinybė, o ne galimybė – kai kuriose klinikose ir skyriuose jo diegimo lygis pasiekė net 80 procentų.
Adamas Rodmanas, Harvardo medicinos mokyklos profesorius ir Carlo J. Shapiro švietimo ir tyrimų instituto dirbtinio intelekto programų direktorius, neseniai transliuotoje tinklalaidėje pavadino dirbtinį intelektą „tikriausiai sparčiausiai visų laikų pritaikoma medicinos technologija“. Nepaisant visų įspūdingų galimybių, kurias dirbtinis intelektas suteikia medicinai – diagnozuoti retas ligas, numatyti asmenų riziką, atrasti sunkiai prieinamus vaistus – vienas iš stipriausių jo privalumų šiandieninėje sveikatos priežiūros srityje yra gebėjimas pasiklausyti pokalbių ir greitai iš jų sugeneruoti užrašus.
Šis procesas apima daugiau nei vien įrašyto gydytojo ir paciento bendravimo perrašymą. Dirbtinio intelekto rašytojas iš to pokalbio išskiria ir susintetina informaciją – kartais pateikdamas ir savo nuomonę – ir parengia dokumentą, kurio struktūra ir tonas primena klinikinį užrašą.
Užrašas, turiu pasakyti, išeina gražus! Jokių rašybos klaidų, taisyklinga gramatika, pilni sakiniai. Daugelis gydytojų yra sužavėti. Aš irgi. Juk tai ne visada buvo didysis dirbtinio intelekto suviliojimas? Atitraukti mus nuo visų nuobodžių, varginančių darbų? Tik vėliau man kilo mintis, kad kažkas gali ir pasimesti pakeliui.
Tačiau bent jau kol kas dirbtinio intelekto bandymas rašyti užrašus yra bene saugiausias būdas plačiai įdiegti šią technologiją sveikatos priežiūros srityje – kaip mažos rizikos taikymą, toli nuo daug bauginančios perspektyvos. leisti mašinoms priimti gyvybės ar mirties sprendimus dėl gydymo. Nenuostabu, kad dirbtinio intelekto raštininkai plinta taip greitai. Sveikatos sistemos, daugelį metų girdėjusios gydytojų skundus, kad kompiuteris stoja tarp jų ir jų pacientų, pagaliau investuoja į tai, kas, regis, žada kelią atgal.
Šiuolaikinės ligos istorijos pradėjo atsirasti maždaug XIX amžiaus sandūroje, kai medicina persikėlė į ligonines, kur pacientai buvo stebimi diena iš dienos, o jų ligos progresavo laikui bėgant. Ankstyvosios Amerikos ligoninių įrašus daugiausia sudarė priėmimo ir išrašymo knygos, kuriose buvo daugiau administracinės informacijos apie pacientus nei klinikinių detalių. Ilgainiui ligoninės pradėjo saugoti išsamesnes ligos istorijas, kurias raštininkai retrospektyviai nukopijavo iš medicinos įstaigų. Iki amžiaus pabaigos Niujorko ligoninė, viena pirmųjų šalies ligoninių, patarė gydytojams rašyti prie lovos „su tokiu rūpestingumu ir tokiu būdu“, kad jų užrašai galėtų tapti nuolatinės įstaigos įrašų dalimi.
Ši dokumentacija labiau tenkino ligoninės, o ne individualaus paciento įrašų tvarkymo poreikius. Tik 1907 m. Mayo klinikoje Ročesteryje, Minesotoje, kortelė pradėta labiau integruoti į paciento priežiūrą. Maždaug tuo pačiu metu slaugos stebėjimai, tyrimų rezultatai ir kita klinikinė informacija taip pat pradėjo rasti kelią į medicininius įrašus. Henry Plummeris, Mayo endokrinologas, ir jo asistentė Mabel Root sukūrė specialų įrašą kiekvienam pacientui, surinkdami asmens ligos istoriją vienoje byloje, o ne palikdami ją išsklaidytą atskiruose žurnaluose ir priėmimo dokumentuose. Organizaciniu principu tapo pacientas, o ne palata ar vienkartinis buvimas ligoninėje. Dabar kortelė sekė asmenį per vizitus ir laiką; Jei pacientas grįždavo, kitas gydytojas galėdavo tęsti jo ar jos priežiūros eigą.
Tačiau pačios pastabos galėjo būti chaotiškos. Gydytojas ir tyrėjas Lawrence'as Weedas bet kokį sutrikimą gydytojų pastabose laikė mąstymo sutrikimu. Jis kritikavo rašymą, kuris slėpė, kaip gydytojas perėjo nuo simptomų prie diagnozės ir plano. Weedo atsakas, būdamas profesoriumi septintajame dešimtmetyje dabartiniame Case Western Reserve universitete, buvo metodinės struktūros, kuri tapo pagrindu tam, kas dabar žinoma kaip SOAP pastaba, kuri vis dar naudojama iki šiol, pateikimas: subjektyvus – tam, ką pacientas praneša; objektyvus – tam, ką gydytojas stebi ar matuoja; ir, ko gero, svarbiausia – vertinimas ir planas: ką, gydytojo manymu, vyksta ir ką ji ketina dėl to daryti. Ši disciplina skatino gydytojus sutvarkyti savo mąstymą ir savo samprotavimus pateikti puslapyje.
Dešimtmečius šie užrašai buvo prisegiami prie pacientų ligos istorijos prie jų lovų kojų arba užpildomi dideliuose segtuvuose slaugytojų postuose. Tada atsirado elektroniniai medicininiai įrašai, taip pat kompiuteriai, kurie juos palengvino; Šiai inovacijai plačiai paplitus 2000-ųjų pabaigoje, ji vėl pakeitė klinikinius įrašus. Mano paties, kaip gydytojo, tobulėjimas sutapo su šiuo perėjimu Amerikos medicinoje. Keletą metų aš vis blaškiausi tarp popierinių ir elektroninių užrašų, tiek rašydamas, tiek spausdindamas, priklausomai nuo ligoninės, kurioje tuo metu dirbau, protokolo. Kadangi pirmą kartą kompiuterį gavau dar vidurinėje mokykloje, elektroniniai medicininiai įrašai man buvo gana priimtini ir man nerūpėjo, kai jie visiškai perėmė mano darbą. Tačiau keli vyresni, daug išmintingesni kolegos, kurie spausdino dviem pirštais, negalėjo prisitaikyti ir turėjo nustoti priimti pacientus. Per tą laiką medicina neteko tikrai gerų gydytojų.
Tačiau spausdinimas turi bent vieną neginčijamą privalumą: jis pašalina pavojingą gydytojų rašysenos potencialą, kuri dažnai tokia pat neįskaitoma kaip ir jų parašai. Užrašytas „hidroksizinas“ gali būti supainiotas su „hidralazinu“, kurio vartojimas gali sukelti kraujospūdžio sumažėjimą, o ne numalšinti niežulį; skubotas „1“ gali atrodyti kaip „7“ ir sukelti pavojingą perdozavimą. Kad ir kokius nusivylimus vėliau kėlė elektroninis medicininis įrašas – netvarką kopijuojant ir įklijuojant, perkrautą pašto dėžutę, nesibaigiančius paspaudimus – vis dėlto jis padarė užrašą įskaitomą ir lengvai bendrinamą. Ir net užrašui keliaujant iš popieriaus į ekraną, pačius žodžius vis tiek rašė gydytojai.
Kai pirmą kartą pradėjau naudoti dirbtinio intelekto rašytojus, laikiau juos natūraliu kitu žingsniu šioje ilgoje medicininio įrašo evoliucijoje. Dar nebuvau pagalvojęs paklausti, ar užrašo struktūros ar laikmenos, kurioje jis buvo sukurtas, pakeitimai yra kitokia pažanga nei leidimas mašinai parašyti užrašą. Vietoj to, buvau susitelkęs į visus užrašus, kuriuos turėjau žongliruoti per įtemptą, varginančią pamainą, ir į palengvėjimą, kurį suteikdavo dirbtinio intelekto rašytojai. Kol užrašas kažkaip užfiksavo mano mintis, net jei žodžiai nebuvo mano paties, koks skirtumas, kaip jis buvo parašytas?
Skubiosios pagalbos skyriuje paciento ir gydytojo sąveika retai vyksta tvarkingai ir logiškai. Pacientas pradeda nuo krūtinės skausmo aprašymo, grįžta prie karščiavimo, prisimena vaistus, kuriuos nustojo vartoti, užsimena apie šeimos širdies ligų istoriją tik po to, kai žmona paragina, o susitikimui artėjant prie pabaigos prideda dar vieną simptomą. Tačiau dirbtinio intelekto raštininkas tą klaidžiojantį, mikčiojantį pokalbį paverčia tvarkinga klinikine sinteze – regis, stebuklu! Netvarkingas žmogiškas vizito išplanavimas man grįžo švarus ir tobulai su skyryba per mažiau nei minutę.
Kurį laiką, pradėjęs naudotis raštininku, mano vaidmuo kuriant medicininę pažymą atrodė paprastas: perskaityti juodraštį, ištaisyti klaidas, pasirašyti. Taip greita, taip paprasta.
Bet tada procesas mane ėmė neraminti, nes pamažu supratau, kad pažymos, kurios nesukūriau, redagavimas nereikalauja iš manęs to paties, kaip parašyti užrašus. Nebegalvojau apie bendravimą su pacientu ir vizito metu surinktos informacijos prasmę. Aš tikrinau versiją, kuri man jau buvo sukurta.
Šis skirtumas iš pradžių atrodė mažas. Užrašai buvo sukurti iš mano susitikimų, iš dalykų, kurie buvo pasakyta egzaminų kambaryje. Ir aš po to vis dar peržiūrėjau ir koregavau A.I. išvestį. Tačiau laikui bėgant pamačiau, kiek mano paties mąstymo buvo susieta pačiame rašymo procese.
Danielis Kahnemanas, elgesio psichologas ir Nobelio ekonomikos premijos laureatas, išskyrė du sprendimo būdus: greitus, intuityvius įspūdžius, kurie atsiranda beveik automatiškai, ir lėtesnį, daug pastangų reikalaujantį samprotavimą, dėl kurio jie abejoja. Gydytojas turi dirbti abiejose. Dažnai aš pradedu jausti diagnozę vos įžengęs į paciento kambarį, nespėjęs iki galo paaiškinti; Kai rašau savo užrašus, aš linkęs sulėtinti tempą, kad galvočiau labiau apgalvotai.
Užrašų rašymo procesas padeda man suformuluoti medicininį sprendimą ir tada patikrinti, ar jis tikrai pasitvirtina. Jei per daug stengiuosi paaiškinti paciento simptomus, per daug stengiuosi atmesti nerimą keliantį gyvybinį požymį, per daug stengiuosi pritaikyti nenormalų rezultatą į raminančią pasakojimą, galbūt man reikia peržiūrėti savo išvadas. Argi neatmečiau kažko taip įtikinamai, kaip iš pradžių maniau? Ar aš per greitai prisirišu prie diagnozės? Pacientui gali prireikti kito klausimo, kito egzamino, kito testo. Jūs turite įtikinti save taip pat, kaip ir bet kas kitas.
Kai tas pažintinis darbas perkeliamas į mašiną, pamačiau, mano darbas keičiasi. Net kai bandau garsiai išsakyti savo samprotavimus dėl A.I. raštininke, aš vis dar darau kažką kitaip nei pats rašau užrašą. Nebenaudoju pastabos sakinys po sakinio, kad galvočiau apie atvejį savais žodžiais, nuspręsčiau, ką pabrėžti, ką sušvelninti – arba, rašau, nustatyti, kada mano samprotavimai įsitempia. Ir skirtingai nei tada, kai diktuoju užrašą, negaliu stebėti, kaip ekrane realiuoju laiku pasirodo mano paties frazė. Naudodamas A.I. sukurtą užrašą, aš vėliau tikrinu. Aš groju „Where’s Waldo?“ versiją. – Ko trūksta? Ar šis užrašas paklydo ir jei taip, kur? – ir tai dar labiau apsunkina paiešką, nes A.I. juodraštis gaunamas sklandžiai, pasitikintis savimi. Skamba taip teisingai.
Tas pažinimo pokytis neįvyksta tuo metu, kai A.I. raštininkas pateikia raštelį. Jis prasideda egzaminų salėje. Nes pažįstu A.I. įrašinėja, nustoju klausytis taip pat. Prieš A.I. atvyko raštininkai, galvoje išdėstydavau istoriją, kai pacientas kalbėjo, derindamas gabalus, kad žinočiau, ko toliau paklausti. Rašto akivaizdoje tas darbas atidedamas. Leisk mašinai tai padaryti! Protas nukrypsta.
E.R. aplinkoje pacientai, perduodami iš vieno gydytojo pas kitą, kai keičiasi pamainos, dažnai jaučiasi mums mažiau žinomi; paveldimas pacientas gali atvykti jau perfiltruotas per kažkieno paskyrą. Su A.I. veikiant fone, nutinka kažkas panašaus: net kai aš esu pirmasis gydytojas, kuris pas ką nors kreipiasi, tie pacientai pradėjo jaustis, keista, mažiau savo.
Tas pakitęs jausmas egzaminų salėje mane vargina dėl kitos priežasties: aparatas pasiklauso. Aš taip nesijaudinu, kad garso įrašas gali pasirodyti teismo salėje po metų. (Mums buvo pasakyta, kad įrašai saugomi tris mėnesius.) Mane neramina tai, kad sąveika nebėra tokia pati, kaip manoma, kad medicina yra intymi dviejų žmonių mainai. Ligoninės patalpoje turi būti galima sulaikyti baimę, gėdą ir kaltę, paslėpti tai, ką žmonės sako ligos gilumoje. Išgirdau, kaip motinos prisipažįsta, kad jos piktinasi savo kūdikiais; partneriai prisipažįsta neištikimybę; vėžiu sergantys pacientai sako, kad yra pasirengę mirti, bet artimieji atsisako paleisti; metro konduktorius nuliūdino vyrą, nukritusį ant bėgių priešais savo traukinį. Kai įrašomas kiekvienas žodis, nesvarbu, ar įrašymas lieka tik mašinoje, kažkas jaučiasi sumažėjusi. Tokiais momentais yra arba turėtų būti kažkas artimo šventam.
Medicinos praktika taip pat priklauso nuo kitokio pobūdžio mainų: gydytojų. Praėjusiais metais kolega vėl lankėsi pas pacientę, kurią mačiau. Perskaičiusi mano užrašą, ji po to man atsiuntė žinutę: „Jaučiau tavo nerimą“. Būtent to ir tikėjausi, kad paciento pastaba perduos: ne tik mano išvadas, bet ir už jų slypintį spaudimą – tai, kas man kėlė nerimą, vis dar jaučiausi nesmagiai. Raštelyje buvo pateikta tai, kas, Weed nuomone, turėtų būti medicininiame įraše: „visų laikų bendravimas“.
Dabar, kai skaitau keletą užrašų, kuriuos sukūrė A.I. dėl kitų gydytojų aš mažiau įsitikinęs, ką iš tikrųjų mano kolegos. Išpūstos natos gali paprastą dalyką paversti opusu. A.I. gali skirti tiek pat dėmesio sudygusiam kojos pirštui, kiek sudėtingiems reumatologiniams radiniams ir neįprastoms chirurginėms komplikacijoms. Pastabos gali būti gerai sukomponuotos, nebūtinai jos paaiškinamos. Aš pati perbėgu akimis, bandydama suprasti, kokie rūpesčiai slypi po visa gražia proza. Ką tiksliai gydytoja čia bandė pasakyti? Ką ji iš tikrųjų galvojo?
Šiandien, jei nori, pacientai taip pat gali perskaityti šiuos užrašus akimirksniu savo telefonų programėlėje – ir kartais jie tai daro, net gulėdami ant neštuvų priešais jus. Kartais tai gali būti nepatogu, nors apskritai tai tikriausiai yra gerai.
Nepaisant to, medicininė kalba gali suklaidinti ar sukelti nerimą. Galbūt dirbtinis intelektas galėtų automatiškai išversti gydytojų užrašus ir padaryti žargoną bei sutrumpinimus suprantamesnius. Prisimenu pacientę, kurią nuliūdino užrašas, kuriame kitas gydytojas, aprašydamas jos simptomus, parašė „+anoreksija“. Gydytojas turėjo omenyje prastą apetitą, susijusį su neseniai persirgta liga; pacientė manė, kad jai diagnozuotas valgymo sutrikimas – nervinė anoreksija. O gydytojų užrašai jau seniai turi savo kodus ir šališkumą; dirbtinis intelektas galėtų vengti tokių stigmatizuojančių posakių.
Tačiau šiuo metu tai nėra patikima. Neseniai viena kolegė apgailestavo, kad atsirado naujas nusižengimas, pavadinusi jos pacientą „alkoholiku“. (Bent jau dabar gydytojai gali patogiai kaltinti mašiną: tai padarė dirbtinis intelektas, o ne aš!)
Vos prieš kelerius metus atrodė, kad medicinos verslas suvokė, jog griežti, šabloniniai užrašai nebūtinai pagerina pacientų gaunamą priežiūrą. Baiminamoji „sistemų apžvalga“ – simptomų kontrolinis sąrašas, kurį turėjome peržiūrėti kiekvienam žmogaus kūno organui – nebebuvo reikalinga atsiskaitymo tikslais. Taip pat mums nereikėjo kataloguoti kiekvieno, tarkime, žmogaus pilvo skausmo požymio, kad gautume visą kompensaciją už jo gydymą. Dėmesys vėl buvo sutelktas į medicininį sprendimų priėmimą – užrašo dalį, kurią gydytojai ilgą laiką vertino labiausiai. Kodėl tada dabar leidžiame dirbtiniam intelektui perimti šią užduotį?
Jo diegimas gali pasiūlyti galimą atsakymą. Kai mano ligoninėje buvo pradėti naudoti dirbtinio intelekto raštininkai, išplatintas vaizdo įrašas, kuriame matyti, kaip keli kolegos palaiko šią iniciatyvą. Pabaigoje vienas gydytojas išvardijo pardavimo argumentus: padidėjęs produktyvumas, padidėjusios pajamos ir – galiausiai – geresnė priežiūra. Galbūt seka nieko nereiškė. Bet dabar svarstau, ar užrašas perduodamas dirbtiniam intelektui, kad padėtų gydytojams geriau aptarnauti savo pacientus, ar siekiant efektyvumo dar vienoje medicinos srityje.
Iki šiol tyrimai parodė, kad gydytojai, kurie pasirenka samdyti dirbtinio intelekto raštininkus, patiria mažesnę naštą dokumentuodami savo darbą ir jaučiasi mažiau perdegę. Daugelis klinikų gydytojų, kurie pasikliauja šia technologija, taip pat teigia, kad ji gerokai sumažina jų kognityvinę naštą – pagundą, kurią pats žinau: mane irgi traukė ši technologija, ypač kai esu pavargęs, nes, na, tai sumažina mano darbo krūvį – bent jau tą akimirką.
Tačiau tai, kas lieka daugiausia neištirta, yra tai, kaip dirbtinio intelekto raštininkai gilesne prasme veikia pažinimą: kaip užrašo perdavimo jiems perdavimas griauna gydytojų mąstymą ir pakeičia procesą, kuriuo jie sprendžia, kas svarbu. Pavojus yra ne tik tas, kad dirbtinis intelektas gali parašyti ką nors neteisingo. Pavojus yra tas, kad rašydamas ką nors sklandaus ir įtikinamo, dirbtinis intelektas gali padėti mums lengviau atsikratyti dalies medicinos reikalaujamų samprotavimų, patiems atlikti mažiau kruopštaus darbo, bandant susidoroti su netikrumu. Bijau, kad šis praradimas galiausiai atsispindės klinikinėje priežiūroje, kurią gauna pacientai.
Tam tikromis popietėmis, mano pirmaisiais medicinos studijų metais, iš anksto atrinkti pacientai – įtariu, motyvuoti nuobodulio visą dieną gulėti ligoninės lovose – pasiduodavo mums, studentams. Mes nedrąsiai kartojome vingiuotus klausimus (pacientai, be abejo, svarstė, kodėl jiems vėl užduodamas tas pats) ir nerangius egzaminus (studentai svarstė, kodėl mes negalime girdėti per savo stetoskopus, kol nesuprantame, kad pacientą liečia neteisinga pusė). Vis dėlto mums pavyko surinkti vertingos medžiagos mažuose sąsiuviniuose, kuriuos kišome į savo baltų chalatų kišenes. Tada stengėmės kuo geriau sudėti savo rašinėlius į nuoseklų klinikinį užrašą, sunkiai suprasdami, ką šie pacientai mums ką tik papasakojo. Nors tuo metu to nežinojau, būtent tada pradėjau mąstyti kaip gydytojas.
Labiausiai keblūs pasirodė esantys tikri, gyvi žmonės priešais mus. Kitaip nei jų vadovėliniai analogai, šie pacientai nesilaikė to, kaip turėtų jaustis pagal jų diagnozes. Jie turėjo per daug simptomų. Arba per mažai. Arba jie buvo apibūdinti terminais, kurie neatitiko to, ką buvome įsiminę. Kodėl šie simptomai rodė vieną, o ne kitą diagnozę? Kaip paaiškinti požymius, kurie atrodė kažkaip ne taip? Mūsų sintezės dažnai buvo silpnos arba visiškai klaidingos; mes per mažai žinojome apie vaistus, kad būtų kitaip. Bet tai nebuvo esmė. Nuo užrašo pradėjome mokytis, kaip įprasminti įvairius subjektyvius aprašymus ir kūno radinius.
Dalyvavome tradicijoje, kurią XIX a. pabaigoje padėjo įkurti Williamas Osleris, vienas iš Johnso Hopkinso medicinos mokyklos įkūrėjų, kai nesitikėta, kad medicininis išsilavinimas apsiribos auditorijomis. Studentai dar mokykloje buvo siunčiami prie pacientų lovų, kur jiems buvo liepiama „stebėti, registruoti, skaičiuot, bendrauti“. Rašymas buvo svarbi šios pameistrystės dalis, paverčianti tai, ką studentai girdėjo ir matė prie pacientų lovos, instrukcijomis. Kaip įtakingoje 1977 m. esė rašė švietimo mokslininkė Janet Emig: „Rašymas yra unikalus mokymosi būdas – ne tik vertingas, ne tik ypatingas, bet ir unikalus.“
Studento užrašai retai kada būna elegantiški. Tačiau jie parodo, kokio perėjimo reikalauja medicina: nuo aprašymo prie supratimo ir vertinimo. Jie parodo, kas buvo pastebėta ir praleista, kas buvo pervertinta ir nepakankamai įvertinta. „Studento duomenų tvarkymo būdas turėtų parodyti mokytojui, ar studentas, rašantis istoriją, mato visą istoriją“, – rašė Weed. Kai dirbu su studentais skubios pagalbos skyriuje, jų užrašai, kad ir kokie netobuli, man pasako, kaip būsimasis gydytojas mokosi mąstyti.
Kita gydytojų karta bręsta pasaulyje, kuriame dirbtinis intelektas gali apibendrinti tyrimus, atsakyti į klinikinius klausimus, nustatyti diagnozes. Nesakyčiau, kad studentai ir praktikantai turėtų būti visiškai izoliuoti nuo dirbtinio intelekto. Įrankiai gali būti blizgantys ir nauji, bet įprotis – ne: gydytojai visada naudojosi žinynais – nuo kišeninių vadovų iki įdomaus vadovėlio.
Skubios pagalbos skyriuje nedvejodamas konsultuosiu dirbtinio intelekto platformas, tokias kaip „OpenEvidence“ – profesionalus pokalbių robotas, apmokytas dirbti su recenzuojama medicinine literatūra; jie labiau nei bet kada anksčiau teikia man naujausią, lengviau randamą ir pacientams pritaikytą informaciją. Tokiais būdais dirbtinis intelektas gali padėti man grįžti prie lovos su aštresniu sprendimu, apsiginklavusiam naujausiais įrodymais.
Tačiau tai skiriasi nuo rašytinio pasakojimo, kuriame gydytojas – arba juo tapsiantis studentas – apmąsto pacientą, perdavimo kitiems. Kiek žinau, medicinos studentai nenaudoja dirbtinio intelekto savo užrašams rašyti. Tačiau nerimauju, kad profesijai vis labiau įpratus laikyti užrašą dirbtinio intelekto gebėjimu, jo rašymas gali atrodyti nebepakeliamas.
Štai kodėl prieš kelis mėnesius gautas el. laiškas man pasirodė toks reikšmingas – ir toks nuviliantis. Jame buvo rašoma, kad trečio kurso medicinos studentams, kurie pamainomis dirba mūsų skubios pagalbos skyriuje, nebereikės rašyti pastabų savo pamainų metu.
Galbūt galiausiai suprasiu, kaip naudotis dirbtinio intelekto raštininkais, neleisdamas jiems sutrumpinti mano klinikinio mąstymo. Galbūt redagavimo procesas, jei bus atliktas pakankamai kruopščiai, gali paskatinti mąstymą, kurio anksčiau reikalavo rašymas. O galbūt tiesiog pasiduosiu jų įkvėpimui, nes dirbtinio intelekto raštininkai tampa ne tiek pasirinkimu, kiek institucine norma.
Medicinoje tai, kas tampa rutina, neišvengiamai tampa to, ką praktikantai supranta kaip gydytojo darbą. Jei pastabų rašymas mažėja, bet koks praradimas iš pradžių gali būti ne akivaizdus, iš dalies jį užgožia tiesioginis efektyvumo atlygis. Tačiau vėliau galime suprasti, kiek gydytojo formavimasis priklausė nuo to darbo.
Helen Ouyang yra gydytoja ir docentė Kolumbijos universitete, taip pat žurnalo bendraautorė. Ji taip pat yra „Type Media Center“ bendradarbė. [1]
1. How A.I. Might Change the Way Doctors Think. Ouyang, Helen. New York Times (Online) New York Times Company. Jul 1, 2026.
Užsisakykite:
Pranešimai (Atom)