Mi köze a gónak a klinikai döntéshozatalhoz? A klinikai orvoslás egyik legjelentôsebb intellektuális kihívása a bizonytalanságban történô döntéshozatal. A hagyományos orvosi döntéshozatal intuitív és heurisztikus mivoltának pszichológiai csapdáin kívül az információhiány, az erôforrások szûkössége, az adott orvos-beteg kapcsolat jellemzôi egyaránt hozzájárulnak annak bizonytalanságához. A formális, matematikai számításokon alapuló döntéselemzés, amelyet széles körben használnak a klinikai irányelvek fejlesztésében, illetve az egészségügyi technológiák értékelésében, elvben jó lehetôségeket kínál az intuitív dön téshozatal hibáinak elkerülésére, ugyan - akkor az egyéni döntési helyzetekben többnyire nehezen alkalmazható,és az orvosok többségétôl idegen. Ennek a módszernek is vannak korlátai, különösen az egyéni döntéshozatalban, beleértve a számításokhoz felhasznált input adatok esetleges hiányát, illetve jelentôs bizonytalanságát, valamint a matematikai modellek korlátait abban, hogy egy komplex rendszer folyamatait és a folyamatok egyéni variabilitását megfelelôen tudják reprezentálni. A klinikai döntéstámogató rendszerek mindezek ellenére hasznos segítséget jelenthetnek az egyéni orvosi döntéshozatalban, ha megfelelôen integráltak az egészségügyi információs rendszerekbe, és nem szüntetik meg az orvosok döntési autonómiáját. A klasszikus döntéstámogató rendszerek tu dásalapúak, szabályrendszerekre, problé - ma specifikus algoritmusokra épülnek. Szá - mos területen alkalmazzák az orvosi adminisztrációtól a képfeldolgozásig. A nap - jainkban zajló informatikai forradalom eredményeképpen olyan mesterséges intelligenciaként emlegetett gépi tanulási módszerek jönnek létre, amelyek már ténylegesen képesek tanulni. A mesterséges intelligencia ezen új generációja nem konkrét szabályrendszerekre épül, hanem hatalmas adatbázisokon magukat tanító neurális hálózatokra és általános tanulási algoritmusokra. Ezek a mesterséges intelligenciák egyes területeken, mint például a sakk, a gó, vagy a va dászrepülôgép vezetése, már jobb teljesítményre képesek, mint az em - berek. Fej lesztésük bôvelkedik kihívásokban, veszélyekben, ugyanakkor olyan technológiai át törést jelentenek, ami megállíthatatlan és át alakítja világunkat. Alkal - mazásuk és fej lesztésük az egészségügyben is megkezdôdött. A szakmának részt kell vennie ezek ben a fejlesztésekben és megfelelô irányba kell, hogy terelje azokat. Lee Sedol 18-szoros gónagymester visszavonult há rom évvel AlphaGo mesterséges intelligenciától elszenvedett veresége után, mert „ Hiá ba lettem világelsô, van egy entitás, amit nem lehet legyôzni". Ne künk szerencsére nem versengenünk vagy gyôznünk kell, hanem el kell érnünk, hogy a mesterséges intelligencia biztonságos és megbízható legyen és az emberekkel együtt mû - ködve ez az entitás eredményesebbé és hatékonyabbá tegye az egészségügyet. What has Go to do with making clinical decisions? One of the greatest intellectual challenges of bedside medicine is making decisions under uncertainty. Besides the psychological traps of traditionally intuitive and heuristic medical decision making, lack of information, scarce resources and characteristics of doctor-patient relationship contribute equally to this uncertainty. Formal, mathematical model based analysis of decisions used widely in developing clinical guidelines and in health technology assessment provides a good tool in theoretical terms to avoid pitfalls of intuitive decision making. Nevertheless it can be hardly used in individual situations and most physicians dislike it as well. This method, however, has its own limitations, especially while tailoring individual decisions, under inclusion of potential lack of input data used for calculations, or its large imprecision, and the low capability of the current mathematical models to represent the full complexity and variability of processes in complex systems. Nevertheless, clinical decision support systems can be helpful in the individual decision making of physicians if they are well integrated in the health information systems, and do not break down the physicians' autonomy of making decisions. Classical decision support systems are knowledge based and rely on system of rules and problem specific algorithms. They are utilized widely from health administration to image processing. The current information revolution created the so-called artificial intelligence by machine learning methods, i.e. machines can learn indeed. This new generation of artificial intelligence is not based on particular system of rules but on neuronal networks teaching themselves by huge databases and general learning algorithms. This type of artificial intelligence outperforms humans already in certain fields like chess, Go, or aerial combat. Its development is full of challenges and threats, while it presents a technological breakthrough, which cannot be stopped and will transform our world. Its development and application has already started also in the healthcare. Health professionals must participate in this development to steer it into the right direction. Lee Sedol, 18-times Go world champion retired three years after his historical defeat from AlphaGo artificial intelligence, be cause "Even if I become the No. 1, there is an entity that cannot be defeated". It is our great luck that we do not need to compete or defeat it, we must ensure instead that it would be safe and trustworthy, and in collaboration with humans this entity would make healthcare more effective and efficient. [ABSTRACT FROM AUTHOR]