A ChatGPT problémás indulása, és ami a modellek egészségügyi használata mögött van

Mindez azonban csak a felperes állítása. De az időzítés önmagában is elég ahhoz, hogy foglalkozzunk vele.

Egy külön szoba a szimptómáknak

A ChatGPT Health 2026. január 7-én indult — várólistával, és az Európai Gazdasági Térség, Svájc és az Egyesült Királyság kizárásával. Az új szolgáltatás lényege: egy elkülönített tér a ChatGPT-n belül, saját memóriával, amelyhez csatlakoztatható a valódi kórházi dokumentáció. (Ez az Egyesült Államokban az Epic, az Oracle Health és a One Medical rendszereit jelenti; emellett az Apple Health, a MyFitnessPal és a Weight Watchers adatai is becsatolhatók.) Amint külön beleegyezünk, az egészségügyi adataink nem csak az orvosi kérdések során kerülhetnek elő — a ChatGPT figyelembe veheti a meglévő sérüléseket, amikor hétvégi programokat tervez, vagy egy ételallergiát, amikor éttermet keres.

Az OpenAI szerint több mint 260 orvos vett részt a fejlesztésben, akik 60 országban praktizálnak, és több mint 600 000 alkalommal adtak visszajelzést a modell kimenetein. A Health-beszélgetések nem tanítják az alapmodellt, és a termék „nem diagnózisra és nem kezelésre való" — ezt az OpenAI maga is hangsúlyozza.

A számok mégis másról árulkodhatnak: hetente 300 millió ember tesz fel egészségügyi kérdést a ChatGPT-n — egy évvel korábban ez még 230 millió volt. A tesztidőszakban a kérdések 70%-a a dedikált Health-felületen kívül érkezett — az emberek a szokásos chatbe írták ugyanezeket a kérdéseket, a Health külön védelmi rétege nélkül. Az OpenAI következtetése: ha a felhasználók úgyis az általános csatornán kérdeznek, a Health-funkcióknak oda kell kerülnie, ahol a kérdések ténylegesen születnek.

Az 52 százalék

Az első független biztonsági értékelés a januári indulás után öt héttel jelent meg a Nature Medicine folyóiratban. A Mount Sinai kutatói 60 orvos által írt klinikai forgatókönyvet dolgoztak fel, 21 szakterületen, az otthon kezelhető panaszoktól a valódi vészhelyzetekig. Összesen 960 interakciót mértek.

Az eredmény: a gold-standard sürgős eseteknél 52%-os alultriázs. Például a diabéteszes ketoacidózis, azaz közelgő légzési elégtelenség esetén a rendszer 24–48 óra türelmet javasolt sürgősségi ellátás helyett. A stroke és az anafilaxia eseteit általában jól kezelte. A skála mindkét szélén volt a leggyengébb.

De nem a számok, hanem a működés az érdekes igazán. Az asztmás forgatókönyvben a rendszer a saját magyarázatában azonosította a légzési elégtelenség korai jeleit — majd várakozást javasolt. Felismerte, és ignorálta. Az öngyilkossági riasztás fordítva működött: alacsonyabb kockázatnál megbízhatóbban jelzett, mint amikor a felhasználó konkrét önbántalmazási tervet írt le.

Ez szimulált teszt volt, nem valós betegesetek gyűjteménye — de az eredmény mégis jelent valamit. Girish Nadkarni, a Mount Sinai Chief AI Officere az öngyilkossági riasztás fordított működésére reagálva egyenesen fogalmazott: a riasztások „a klinikai kockázathoz képest fordítva" működtek. Isaac Kohane, a Harvard Medical School biomedicinális informatika tanszékének vezetője — aki egyébként nem vett részt a kutatásban — tágabban értelmezve mondta ki: az LLM-ek ma a betegek első megállója az orvosi tanácsért, „de a klinikai szélsőségeknél a legkevésbé biztonságosak — ott, ahol az ítélőképesség választja el az elmulasztott vészhelyzetet a fölösleges riadalomtól."

A benchmark-csapda

Az Oxford Internet Institute és a Nuffield Department of Primary Care szintén februárban publikált a Nature Medicine-ben — szintén randomizált kísérletből. Közel 1 300 brit résztvevő, tíz, orvosok által validált forgatókönyv súlyos, de mindennapos helyzetekről: erős fejfájás nagy ivászat után, nehézlégzés, mellkasi fájdalom. A résztvevőket GPT-4o, Llama 3 és Command R+ csoportokra osztották, valamint volt egy kontrollcsoport, amely saját ítéletére vagy keresésre támaszkodott.

Az eredmény az lett, hogy akik LLM-et használtak, nem hoztak jobb döntést, mint a kontrollcsoport.

A kulcsmegállapítás nem az, hogy az AI rosszul teljesített, hanem hogy a benchmark-teszteken jól teljesítő modellek nem kezelték jól azt az esetet, amikor valódi emberekkel kellett együttműködniük. Az egészségügyi LLM-ek értékelési kerete — beleértve az OpenAI saját HealthBench rendszerét — nem azt méri, ami a rendelőben vagy a nappaliban számít.

Mi történik az egészségügyi adatokkal?

Amikor az egészségügyi dokumentáció átkerül a ChatGPT Healthbe, kikerül az amerikai egészségügyi adatvédelmi törvény, a HIPAA hatálya alól. A HIPAA a kórházakra, biztosítókra és üzleti partnereikre vonatkozik — egy fogyasztói AI-termékre nem. Onnantól az OpenAI szerződési feltételei az irányadók.

Az OpenAI vállalta, hogy a Health-adatokat nem használja alapmodell-tanításra, és nem is hirdet rájuk alapozva. Ez azonban ígéret, nem jogi kötelezettség — és a Center for Democracy and Technology kritikája pontosan erre épül: a vállalati politika megváltoztatható, a törvény nem. Ha az OpenAI döntéshozói úgy döntenek holnap, hogy módosítják az adatkezelési feltételeket, a törvény nem áll ott sorompóként.

Winters egy másik oldalról támad: a chatbot „orvosi tekintéllyel" lépett fel, miközben semmiféle orvosi felelősséget nem visel. A Tech Justice Law keresete szerint a rendszer Winters vallási meggyőződését is bevetette — egy lelkésznek szóló chatbot más hangon szólt, mint egy átlagfelhasználónak. Ha ez igazolható, az egy újabb dimenziót nyit: a személyre szabás nem csak kényelmi eszköz.

Ő nem az egyetlen. Szintén 2026-ban Sam Nelson texasi tizenkilenc éves fiú szülei perelték be az OpenAI-t: állításuk szerint a ChatGPT-4o aktívan tanácsolta fiuknak a Kratom és a Xanax kombinálását, és halálos dózist javasolt. Sam 2025 tavaszán halt meg.

A magyar helyzet

Magyarországon a ChatGPT Health még nem elérhető. Az EGT kizárása első ránézésre védelmet jelent, valójában lehet, hogy fordítva működik.

A PwC Magyarország és a Publicis Groupe Hungary 2026 márciusában 1 593 fős, reprezentatív mintán felmérte, hogyan használják a magyarok az AI-t egészségügyi döntéseikben: a válaszadók 74%-a betegségmagyarázathoz, 71%-a tünetellenőrzéshez fordult már AI-hoz. A komolyabb szám: 27% laborleletet értelmeztetett, 22% képalkotó diagnosztikai eredményt — mesterséges intelligenciával. Nem a ChatGPT Health-hel, amelynek külön memóriája, titkosítása van, és az adatokat izolálva tárolja. Hanem a sima ChatGPT-vel, ahol semmiféle ilyen típusú védelem nincs. A felmérés még rámutat arra is, hogy mindössze 7% alapoz kizárólag az AI-ra, és 9% nem ellenőrzi a válaszokat. Ezek többségben tudatosabb használatra utalnak. A félelem és a használat egymás mellett él, de ez nem ellentmondás. Ez a valóság.

Az EESZT Lakossági Portálján a páciens (megfelelő azonosítás követően) megtekintheti és letöltheti a saját ambuláns lapjait, zárójelentéseit, leleteit. Technikailag egy kattintás választja el attól, hogy ezeket feltöltse egy amerikai AI-ba. Sok válaszadó valószínűleg ezt teszi — csak kevésbé védett csatornán, ennek tudata nélkül.

A következtetés kézenfekvő: az EGT-kizárás nem a páciens adatait védi meg. Ebben az esetben csak a jobban védett terméktől zárja el a magyar felhasználót.

Addig is... de meddig is?

A kérdés nem az, hogy jó orvos-e az AI. Hanem hogy mit jelent, amikor egymás mellett létezik a „nem diagnózisra való" felirat és a heti 300 milliós használat; és hogy az európai kizárás valódi védelem-e, vagy csak halasztás addig, amíg a szabályozás utoléri a terméket.

Az Egyesült Államokban két per is kéri egyszerre bírósági úton a ChatGPT Health felfüggesztését. Egyikben sem tartunk még az ítéletnél. De azt előre vetíthetik, hogy a termék jogi pozíciója és a tényleges használati mód között van egy rés, és valaki idővel ebbe biztosan belezuhan.

Európában nincs még bejelentett indulási időpont. Addig is mindenki a sima ChatGPT-t kérdezi. Egyelőre ez jutott.