Šis deficīts vistiešāk ietekmē pacientus – vidējais gaidīšanas laiks uz valsts apmaksātu magnētisko rezonansi vai datortomogrāfiju var ilgt no nedēļas līdz pat 200 un vairāk dienām [1].

Problēmas pamatā ir "dubultā krīze" – darbaspēka trūkums un pieaugošais saslimšanas gadījumu skaits, kurā apmaksāto stundu trūkums, administratīvais pārslogojums un pastāvīgi traucējumi tiek identificēti kā galvenie izdegšanas un noguruma cēloņi. Papildus lomu spēlē tas, ka daudzi praktizējoši speciālisti Latvijas medicīnas iestādēs jau ir sasnieguši vai tuvojas pensijas vecumam. Šī demogrāfiskā tendence apvienojumā ar esošo speciālistu pārslodzi rada diagnostikas kļūdu risku. Un tā kā šim speciālistu deficītam tuvākajā nākotnē nav tūlītēja risinājuma, mākslīgais intelekts (MI) vairs nav uzskatāms par inovāciju – tas ir infrastruktūras elements darba jaudas un diagnostikas drošības stiprināšanai.

"Trešais acu pāris" un darba plūsmas prioritizācija

Lai risinātu radiologu deficītu Latvijā, nepieciešama divu spēku apvienošana – ārstu pieredze un MI jauda. Jau šobrīd daudzviet pasaulē globāli atzīti MI risinājumi kalpo kā nenogurstošs „trešais acu pāris” ārstiem, nodrošinot nemainīgi augstu precizitātes līmeni pat intensīvas slodzes apstākļos. Piemēram, Francijas vadošā medicīnas tehnoloģiju uzņēmuma “Gleamer” MI risinājumi gada laikā apstrādā virs 40 miljoniem izmeklējumu [2]. Arī Latvijas vadošajās slimnīcās, sadarbībā ar oficiālo partneri Baltijā “Datamed”, tiek ieviestas un uzraudzītas “Gleamer” tehnoloģijas. 

MI rīki ārstiem asistē ne tikai rentgena, datortomogrāfijas un magnētiskās rezonanses attēlu analīzē, bet arī ikdienas darba plūsmas prioritizācijā, kas būtiski palielina ārstu efektivitāti. 87% aprūpes iestāžu vadītāji un nozares līderi lielāko MI potenciālu saredz tieši administratīvajos darbos, savukārt 58% – klīniskajā produktivitātē [3]. Pirmkārt, sistēma automātiski prioritizē izmeklējumus pēc iespējamā patoloģijas riska, nodrošinot, ka kritiskie gadījumi nonāk rindas priekšgalā. Otrkārt, MI palīdz ārstam nepalaist garām svarīgas detaļas, piemēram, mikroplaisas kaulos vai nelielas patoloģijas krūšu kurvī. Treškārt, šādi rīki palīdz sagatavot asistētus aprakstus, ietaupot vidēji 20–40% laika uz vienu izmeklējumu. Ārstam nav jāraksta slēdziens no nulles – viņš pārskata un apstiprina sistēmas sagatavoto melnrakstu, tādējādi paātrinot diagnostikas ciklu un ļaujot pacientam ātrāk uzsākt nepieciešamo ārstēšanu. 
Tomēr, lai pilnvērtīgi izmantotu MI sniegtās priekšrocības un tā ieviešanas process noritētu stratēģiski un droši, sistēmu integrāciju Latvijas medicīnas iestādēs ir jāuztic tikai starptautiski atzītiem un sertificētiem partneriem.

Kāpēc ar algoritmu vien nepietiek?

Medicīnas tehnoloģiju jomā esam sasnieguši jaunu brieduma pakāpi – sākotnējo sajūsmu par algoritmiem ir nomainījusi stingra prasība pēc to caurspīdīgas pārvaldības. Atbilstoši Eiropas Savienības Mākslīgā intelekta aktam, diagnostikas rīki tiek klasificēti kā "augsta riska" joma, kas pieprasa ne tikai tehnisku precizitāti, bet arī juridisku un ētisku atbildību [4]. 

Radioloģijā MI rīka vērtību nenosaka tikai tā spēja izanalizēt attēlus vai prioritizēt darba plūsmu. Izšķiroša ir droša sistēma, kurai uzticas gan ārsti, gan pacienti. Lai sasniegtu šādu rezultātu, ir būtiski pārliecināties, ka jaunu risinājumu ieviešanu nodrošina sertificēts partneris. Starptautiski atzītā ISO 42001 sertifikācija apliecina, ka uzņēmuma MI pārvaldības sistēma atbilst strukturētām prasībām atbildīgai MI rīku izmantošanai un izplatīšanai klīniskajā vidē ar definētu risku pārvaldību un piegādātāju uzraudzību. Pieredze rāda, ka veiksmīgākie MI projekti Latvijas slimnīcās top caur sertificētu partneru infrastruktūru. Tas pasargā ārstniecības iestādes no nenoteiktības un juridiskiem riskiem, ko rada nepārvaldītu tehnoloģiju izmantošana.

Raugoties nākotnē, radioloģijas ilgtspēja Latvijā nav iespējama bez drosmīgas tehnoloģiskās evolūcijas. MI ir jāpārņem datu apstrādes rutīna, ļaujot ārstam koncentrēties uz kritisko lēmumu pieņemšanu. Tas ir vienīgais ceļš, kā pārvarēt šī brīža cilvēkresursu krīzi. 2026. gadā jautājums vairs nav par tehnoloģijas spējām, bet gan par nozares gatavību to ieviest atbildīgi, lai ikviens pacients saņemtu precīzu diagnozi bez mēnešiem ilgas gaidīšanas.

[1] Nacionālās veselības dienests. 2026. Pieejams: https://www.rindapiearsta.lv/lv/mekle_isako 
[2] Gleamer Joins Prestigious French Tech Next 120 Program and Internal Funding to Accelerate Global AI Radiology Vision. 2026. Pieejams: https://www.gleamer.ai/press/gleamer-joins-prestigious-french-tech-next-120-program-and-internal-funding-to-accelerate-global-ai-radiology-vision 
[3] McKinsey & Company. Generative AI in healthcare: Adoption matures as agentic AI emerges. 2025. Pieejams: https://www.mckinsey.com/industries/healthcare/our-insights/generative-ai-in-healthcare-current-trends-and-future-outlook 
[4] European Commission. EU AI Act. 2026. Pieejams: https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai