AI স্বাস্থ্য সরঞ্জামের উপর নিয়ম শিথিল করার হোয়াইট হাউসের চেষ্টা নির্ভুলতা ও নজরদারি নিয়ে উদ্বেগের সঙ্গে সংঘর্ষে পড়ছে

হাসপাতালে AI, টুলগুলোর ওপর আস্থার চেয়ে দ্রুত এগোচ্ছে

কৃত্রিম বুদ্ধিমত্তা ইতিমধ্যেই আমেরিকার স্বাস্থ্যসেবা workflows-এ শক্তভাবে ঢুকে পড়েছে, এবং এর প্রাথমিক সবচেয়ে দৃশ্যমান সাফল্যগুলোর একটি একই সঙ্গে সবচেয়ে সাধারণ: নোট নেওয়া। AI-powered medical scribes রোগীর সাক্ষাৎকার সংক্ষেপ করতে, clerical burden কমাতে, এবং clinicians-কে কাজের দিনে সময় ফেরত দিতে ব্যবহৃত হচ্ছে। কিন্তু adoption যত বাড়ছে, oversight নিয়ে নীতিগত বিতর্ক ততই তীব্র হচ্ছে। নতুন reporting-এ এই কেন্দ্রীয় tension স্পষ্ট: President Donald Trump এবং Robert F. Kennedy Jr.-এর সঙ্গে যুক্ত White House push AI health tools-এর জন্য safeguards শিথিল করতে চায়, সেই সময় clinicians এবং safety researchers এখনও quality সীমাবদ্ধতাগুলো নথিবদ্ধ করছেন।

এই article-টি ওই tension-কে Oakland-এর Kaiser Permanente-এর একটি বাস্তব উদাহরণের সঙ্গে মিলিয়েছে, যেখানে psychotherapist Paul Boyer বলছেন, health giant-টি চালু করা Abridge note-taking system তাঁর ক্ষেত্রে “not super useful”। Boyer এবং সহকর্মীরা reportedly computer-generated notes সংশোধন করেন, এবং তিনি যুক্তি দেন যে সফটওয়্যারটি clinical nuance এবং emotional tone ধরতে হিমশিম খায়, যা mental health care-এ অপরিহার্য হতে পারে। Mania-র মতো ক্ষেত্রে, তিনি বলেন, কী বলা হল তার মতোই কীভাবে বলা হল তা গুরুত্বপূর্ণ হতে পারে, এবং system সেই পার্থক্যটি নির্ভরযোগ্যভাবে ধরতে পারে না।

এটি এমন নয় যে টুলগুলো মূল্যহীন। এটি বলছে, performance envelope অসমান, বিশেষ করে এমন specialties-এ যেখানে language, affect এবং context-কে summary-তে নামিয়ে আনা কঠিন।

AI scribes তবু কেন ছড়াচ্ছে

এই systems-এর আকর্ষণ বোঝা সহজ। চিকিৎসায় documentation সবচেয়ে স্থায়ী প্রশাসনিক burdens-এর একটি, এবং যে কোনো product যা সেই বোঝা কমায়, তা দ্রুত clinicians-এর সমর্থন পেতে পারে। source-টি Journal of the American Medical Association-এ প্রকাশিত একটি study উদ্ধৃত করেছে, যেখানে দেখা গেছে, installation-এর এক বছর পরে, সবচেয়ে বেশি ব্যবহারকারী doctors দিনে আধাঘন্টারও বেশি কাজ বাঁচিয়েছিলেন। interview-based অনেক study-ও scribes ব্যবহারকারী doctors-দের কাছ থেকে মোটের ওপর ইতিবাচক প্রতিক্রিয়া পেয়েছে।

এই সময় সাশ্রয় এবং ইতিবাচক user sentiment মিলেই ব্যাখ্যা করে কীভাবে note-taking software pilot-stage novelty থেকে বর্তমান hospital infrastructure-এ পরিণত হয়েছে। অনেক পরিবেশে এটি তাৎক্ষণিক operational value দেয়। সমস্যা হল, health care আরেকটি office workflow নয়। Documentation clinical record-এর অংশ হয়ে যায়, আর সেই record-এ রয়ে যাওয়া ভুল ভবিষ্যতের care-এ ছড়িয়ে পড়তে পারে।

এই কারণেই generic productivity app-এর তুলনায় এখানে quality প্রশ্ন আরও গুরুত্বপূর্ণ। Business setting-এ ভুল meeting summary সময় নষ্ট করতে পারে। কিন্তু ভুল clinical note পরে diagnosis, treatment, বা handoff decisions বদলে দিতে পারে।

নজরদারি সমস্যা তাত্ত্বিক নয়

article-টি safety researchers-দের একটি shared concern-এর দিকে ইঙ্গিত করে: clinicians সবসময় AI-generated mistakes ধরতে নাও পারেন। যদি তা হয়, পরবর্তী physicians ভুল তথ্যের উপর নির্ভর করতে পারেন। উচ্চ ঝুঁকির পরিবেশে automation-এর classic failure modes-এর এটি একটি। মানুষ শুরুতে outputs খুব সতর্কভাবে যাচাই করেন, কিন্তু systems যখন নিয়মিত এবং বেশিরভাগ ক্ষেত্রেই উপকারী হয়ে ওঠে, তখন vigilance কমে যেতে পারে। এতে সূক্ষ্ম ভুলগুলো records-এ legitimacy-এর আবরণ নিয়ে ঢোকার সুযোগ পায়।

Abridge বলছে, তারা deployment জুড়ে তাদের scribes মূল্যায়ন করে এবং rollout-এর পর clinician edits, star ratings, ও note quality নিয়ে free-text feedback পর্যবেক্ষণ করে। এই ধরনের post-deployment monitoring গুরুত্বপূর্ণ, এবং vendor-রা বোঝে যে বাস্তব জগতের performance শুধুমাত্র pre-launch test দিয়ে ধরে নেওয়া যায় না।

তবুও, monitoring মানে independent oversight নয়। একটি company edits এবং feedback বিশ্লেষণ করতে পারে, কিন্তু regulators, providers, এবং clinicians-দের এখনও ঠিক করতে হবে medical documentation এবং increasingly clinical decisions-কে প্রভাবিত করা tools-এর জন্য কোন evidence standard উপযুক্ত।

সুরক্ষা শিথিল করার মানে কী হতে পারে

reporting বর্তমান policy push-কে AI health care tools-এর চারপাশের safeguards শিথিল করার প্রচেষ্টা হিসেবে চিত্রিত করেছে। যদিও প্রদত্ত text-এ নিয়ন্ত্রক প্রস্তাবের পুরো বিবরণ নেই, context থেকে stakes পরিষ্কার। দেশজুড়ে হাসপাতাল ইতিমধ্যেই এই systems চালু করছে। এর মানে, হালকা oversight কোনো দূর ভবিষ্যতের বাজারকে প্রভাবিত করবে না। এটি ইতিমধ্যেই live care settings-এ ব্যবহৃত tools-কে রূপ দেবে।

নিয়ম শিথিল করার পক্ষে সবচেয়ে শক্তিশালী যুক্তি হলো গতি: AI যদি প্রশাসনিক overload কমাতে, burnout হ্রাস করতে এবং কার্যকর software দ্রুত ছড়াতে পারে, তবে অতিরিক্ত নিয়ন্ত্রণ বাস্তব লাভ ধীর করতে পারে। নিয়ম শিথিলের বিরুদ্ধের সবচেয়ে শক্তিশালী যুক্তি হলো healthcare software abstract পরিবেশে ব্যর্থ হয় না। এটি patient records, care plans, এবং clinical judgment-এ ব্যর্থ হয়।

Boyer-এর উদাহরণটি revealing, কারণ এটি কোনো catastrophic malfunction বর্ণনা করে না। এটি আরও সাধারণ এবং তাই সম্ভাব্যভাবে আরও consequential কিছু বর্ণনা করে: এমন একটি tool যা কিছু ক্ষেত্রে সহায়ক, কিন্তু এখনও nuance মিস করে এবং সংশোধনের প্রয়োজন হয়। এটাই regulatory calibration-কে কঠিন করে তোলে। প্রযুক্তি কাল্পনিক নয়, কিন্তু residual risk-ও কাল্পনিক নয়।

স্বাস্থ্যসেবার পরিচিত AI tradeoff

এখানে broader pattern generative AI গ্রহণকারী বহু sector-এ দেখা যায়। প্রাথমিক tools প্রায়ই বাস্তব productivity gains দেয়, কিন্তু এমন ভুলও তৈরি করে যা শুধু তখনই সহনীয়, যখন ব্যবহারকারীরা সতর্ক ও জ্ঞানী থাকেন। healthcare-এ এই tradeoff আরও কঠিন, কারণ vigilance itself একটি বিরল সম্পদ। medical scribes-এর পুরো উদ্দেশ্যই clinician burden কমানো। কিন্তু বিপজ্জনক ভুল এড়াতে যদি notes line by line পরীক্ষা করতে হয়, তাহলে efficiency-র গল্প দুর্বল হয়ে যায়।

তাতে systems-এর মূল্য অস্বীকার করা হয় না। এর মানে হলো medicine-এ “যথেষ্ট ভালো” একটি moving target। primary care note capture-এ শক্তিশালী কাজ করা একটি tool psychiatry বা এমন কোনো ক্ষেত্রে হোঁচট খেতে পারে, যেখানে tone, uncertainty এবং behavioral cues-এর clinical গুরুত্ব বেশি।

তাহলে policy question AI health care-তে থাকা উচিত কি না, সেটি নয়। AI ইতিমধ্যেই আছে। প্রশ্ন হলো, technology-র অসমান maturity-র সঙ্গে তাল মিলিয়ে oversight কি বিকশিত হবে? reporting ইঙ্গিত দিচ্ছে যে এই debate practical issues অনেকটাই মিটে যাওয়ার আগেই এসে গেছে।

যদি হাসপাতালগুলো এখনো শিখছে এই systems কোথায় ভালো কাজ করে এবং কোথায় ব্যর্থ হয়, সেই সময় safeguards শিথিল করা হয়, তবে quality control-এর দায় আরও বেশি clinicians-এর ওপর পড়তে পারে। কিছু setting-এ এটি একটি manageable compromise হতে পারে। অন্যগুলোতে, দ্রুত এগোনোর লুকানো খরচ হিসেবে এটি প্রমাণিত হতে পারে।

এই নিবন্ধটি Medical Xpress-এর reporting-এর ভিত্তিতে। মূল নিবন্ধটি পড়ুন.