AI অ্যান্টিবায়োটিক প্রতিরোধের লড়াই বদলে দিতে পারে, কিন্তু পৌঁছানোই হতে পারে সবচেয়ে কঠিন অংশ

একটি জনস্বাস্থ্য সংকট যা এখনও অনুমানের ওপর চলে

অ্যান্টিবায়োটিক প্রতিরোধ ইতিমধ্যেই একটি বড় বৈশ্বিক স্বাস্থ্য বোঝা; এটি বছরে ১০ লক্ষেরও বেশি মৃত্যুর কারণ এবং আরও লক্ষ লক্ষ মৃত্যুর সঙ্গে যুক্ত। তবুও চিকিৎসার সিদ্ধান্ত এখনো অনেক সময় গুরুতর অনিশ্চয়তার মধ্যে নেওয়া হয়। বিশেষ করে sepsis-এর মতো দ্রুত অগ্রসর হওয়া ক্ষেত্রে, মানক পরীক্ষাগারের ফল পাওয়ার আগেই চিকিৎসকদের অ্যান্টিবায়োটিক বেছে নিতে হয়। এতে সংক্রমণের গতি এবং নির্ণয়ের গতির মধ্যে বিপজ্জনক অসামঞ্জস্য তৈরি হয়।

লন্ডনে WIRED Health-এ, সার্জন ও স্বাস্থ্য-নীতিনির্ধারক Ara Darzi যুক্তি দেন যে AI এমন এক পর্যায়ে পৌঁছাতে পারে যেখানে এটি এই সমীকরণটি বাস্তবভাবে বদলে দিতে সক্ষম। তাঁর মূল বক্তব্য ছিল না যে কৃত্রিম বুদ্ধিমত্তা দূরের কোনো প্রতিশ্রুতি, বরং ২০২৬ অ্যান্টিমাইক্রোবিয়াল প্রতিরোধের বিরুদ্ধে লড়াইয়ে একটি মোড় হতে পারে। এই যুক্তি একটি সহজ সত্যের ওপর দাঁড়িয়ে আছে: প্রচলিত ডায়াগনস্টিকসে প্রায়ই দুই থেকে তিন দিন লাগে, কারণ সেগুলো নমুনা থেকে ব্যাকটেরিয়া culturing-এর ওপর নির্ভর করে। acute care-এ সেই দেরি ব্যয়বহুল বা প্রাণঘাতী হতে পারে।

দ্রুত নির্ণয় কেন এত গুরুত্বপূর্ণ

ওষুধ-প্রতিরোধী সংক্রমণ চিকিৎসা করা কঠিন, পরিচালনা ব্যয়বহুল, এবং দীর্ঘ হাসপাতাল থাকার সঙ্গে যুক্ত। এগুলো এক ভয়াবহ চক্রের অংশ। অ্যান্টিবায়োটিকের অতিরিক্ত ও ভুল ব্যবহার ব্যাকটেরিয়াকে প্রতিরোধ গড়ে তুলতে উৎসাহিত করে, আর নতুন ওষুধ তৈরির জন্য শক্ত প্রণোদনার অভাবে চিকিৎসকদের হাতে কার্যকর বিকল্পের সংখ্যা কমে যাচ্ছে। এমন পরিবেশে নির্ণয়ে গতি ও নির্ভুলতা অত্যন্ত গুরুত্বপূর্ণ হয়ে ওঠে।

sepsis চিকিৎসার জন্য Darzi একটি বিশেষভাবে কঠোর তথ্যের দিকে ইঙ্গিত করেন: চিকিৎসা বিলম্বিত হলে প্রতি ঘণ্টায় মৃত্যুর ঝুঁকি বাড়ে। এতে ডায়াগনস্টিকস ব্যাক-অফিস ল্যাব কাজ না থেকে frontline issue-এ পরিণত হয়। যদি চিকিৎসকদের আগে আরও ভালো তথ্য থাকত, তারা অনুমানের ওপর কম নির্ভর করত, আরও উপযুক্ত চিকিৎসা দ্রুত বেছে নিতে পারত, এবং broad-spectrum অ্যান্টিবায়োটিকের অপ্রয়োজনীয় ব্যবহার কমাতে পারত, যা আবার প্রতিরোধ বাড়ায়।

AI ডায়াগনস্টিকসের সম্ভাবনা

Darzi-এর মতে, AI-চালিত ডায়াগনস্টিক সিস্টেমগুলো অতিরিক্ত পরীক্ষাগার অবকাঠামো ছাড়াই খুব উচ্চ মাত্রার নির্ভুলতায় পৌঁছাচ্ছে। যদি এটি বাস্তবে সত্যি প্রমাণিত হয়, তাহলে দুটি কারণে তা গুরুত্বপূর্ণ। প্রথমত, গতি মানেই নির্ভুলতার ক্ষতি নয় তা বোঝায়। দ্বিতীয়ত, উন্নত ডায়াগনস্টিক ক্ষমতা এমন জায়গায়ও পৌঁছাতে পারে যেখানে প্রচলিত অবকাঠামো সীমিত।

এটি বিশেষভাবে গুরুত্বপূর্ণ, কারণ antimicrobial resistance সমানভাবে বিতরণ নয়। Darzi southeast Asia এবং eastern Mediterranean-এ বিশেষ উচ্চ প্রতিরোধ বোঝার কথা বলেন, Africa-তেও উল্লেখযোগ্য চাপ রয়েছে। গ্রামীণ ও দূরবর্তী এলাকায়, যেখানে উন্নত ল্যাবের প্রাপ্যতা সীমিত, AI-সক্ষম দ্রুত ডায়াগনস্টিকসের মূল্য সুসম্পন্ন হাসপাতালের তুলনায় আরও বেশি হতে পারে।

নির্ণয়ের বাইরেও AI

এই ক্ষেত্রে AI-এর পক্ষে যুক্তি কেবল সংক্রমণ দ্রুত শনাক্ত করার মধ্যে সীমাবদ্ধ নয়। নতুন ওষুধ আবিষ্কার এবং প্রতিরোধী ব্যাকটেরিয়ার বিস্তার অনুমান করতেও এর সম্ভাবনা আছে বলে Darzi বলেন। এই সক্ষমতাগুলো antimicrobial resistance সমস্যার বিভিন্ন অংশকে আচ্ছাদন করে: চিকিৎসা, নজরদারি, এবং প্রস্তুতি। একসঙ্গে, এগুলো AI-কে single-product solution নয়, cross-cutting tool হিসেবে তুলে ধরে।

তবুও, প্রযুক্তিগত সক্ষমতা এবং বাস্তব স্বাস্থ্যপ্রভাবের মধ্যে ফারাক বড় হতে পারে। স্বাস্থ্যব্যবস্থা ধীরে গ্রহণ করে, procurement খণ্ডিত হতে পারে, এবং পণ্যগুলো প্রায়ই যাদের সবচেয়ে বেশি উপকার হওয়া উচিত তাদের কাছে পৌঁছায় না। এটি বিশেষভাবে সত্য যখন অর্থনৈতিক প্রণোদনা দুর্বল। অ্যান্টিবায়োটিক innovation দীর্ঘদিন ধরে ভুল প্রণোদনার কারণে ক্ষতিগ্রস্ত; ডায়াগনস্টিক innovation-ও প্রযুক্তি কাজ করলেও একই ধরনের deployment বাধার মুখে পড়তে পারে।

ঝুঁকি: পৌঁছানো ছাড়া innovation

Darzi-এর যুক্তিতে সবচেয়ে গুরুত্বপূর্ণ সতর্কতা হলো innovation একা যথেষ্ট নয়। শক্তিশালী একটি ডায়াগনস্টিক টুল যদি ক্লিনিক, কমিউনিটি-ভিত্তিক পরিবেশ, বা কম-সম্পদযুক্ত health systems-এ না পৌঁছায়, তাহলে সংকটের গতিপথ বদলায় না। antimicrobial resistance ঘিরে বাণিজ্যিক logic বহু বছর ধরে ভেঙে পড়েছে, কারণ stewardship অ্যান্টিবায়োটিকের সীমিত ব্যবহারকে উৎসাহিত করে, যা developers-এর রিটার্ন কমিয়ে দেয়। ক্রেতারা যদি prevention এবং precision-কে পুরস্কৃত না করে, তাহলে diagnostics-ও একই ধরনের adoption headwind-এর মুখে পড়তে পারে।

এর মানে, এই গল্পের পরের ধাপ model performance নয় শুধু। এটি reimbursement, procurement, trust, workflow integration, এবং global access-এর বিষয়ও। AI নির্ণয় ও চিকিৎসা নির্দেশনা উন্নত করতে পারে, কিন্তু public institutions এবং health systems ঠিক করবে এই সক্ষমতা ব্যাপকভাবে উপলভ্য হবে, নাকি demonstrations ও pilot programs-এ সীমাবদ্ধ থাকবে।

নিশ্চিত মোড় নয়, একটি প্রযুক্তিগত জানালা

এই মুহূর্তের গুরুত্ব সম্ভাবনায়, নিশ্চিততায় নয়। AI নির্ণয় দ্রুত করতে, clinical judgment-কে সমর্থন করতে, এবং ওষুধ-প্রতিরোধী সংক্রমণের বিরুদ্ধে নজরদারি শক্তিশালী করতে আরও বেশি সক্ষম বলে মনে হচ্ছে। দশকের পর দশক ধরে বেড়ে ওঠা একটি সংকটে এগুলো অর্থপূর্ণ অগ্রগতি। কিন্তু প্রযুক্তিগুলো তখনই গুরুত্বপূর্ণ হবে, যখন সেগুলো এমন ব্যবস্থায় যুক্ত হবে যা এগুলোকে সবচেয়ে বড় বোঝা যেখানে, সেখানে পৌঁছে দিতে পারে।

এটাই আসল পরীক্ষা। অ্যান্টিবায়োটিক প্রতিরোধ সংকট এতটাই জরুরি যে নির্ণয়ের গতি ও নির্ভুলতায় একটি বাস্তব উন্নতিই নিজে থেকে গুরুত্বপূর্ণ হবে। কঠিন প্রশ্ন হলো, health systems, governments, এবং industry কি এত দ্রুত সমন্বয় করতে পারবে, যাতে সেই সক্ষমতাকে ব্যাপক care-এ রূপান্তর করা যায়? AI অ্যান্টিবায়োটিক প্রতিরোধের বিরুদ্ধে লড়াইয়ে সাহায্য করতে পারে। এটি বড় পরিসরে করবে কি না, তা algorithm-এর চারপাশের সবকিছুর ওপর নির্ভর করবে।

• প্রতিরোধী সংক্রমণের জন্য প্রচলিত ডায়াগনস্টিকসে প্রায়ই দুই থেকে তিন দিন লাগে।
• Ara Darzi বলেছেন, AI-চালিত tools অতিরিক্ত ল্যাব অবকাঠামো ছাড়াই উচ্চ নির্ভুলতায় পৌঁছাতে পারে।
• দুর্বল প্রণোদনা innovation-কে সেই রোগী এবং health systems-এ পৌঁছাতে বাধা দিতে পারে যাদের এটি সবচেয়ে বেশি দরকার।

এই নিবন্ধটি Wired-এর প্রতিবেদনের ভিত্তিতে লেখা হয়েছে। মূল নিবন্ধটি পড়ুন.