অ্যালগরিদম থেকে রোগীর ফলাফল: এআই মেডিসিন ট্রায়াল থেকে শিক্ষা

মেডিকেল আর্টিফিশিয়াল ইন্টেলিজেন্সের জন্য একটি নতুন মান

বছরের পর বছর ধরে, মেডিকেল আর্টিফিশিয়াল ইন্টেলিজেন্স (AI) ক্ষেত্রটি একটি একক প্রশ্ন দ্বারা সংজ্ঞায়িত হয়েছে: অ্যালগরিদমগুলি কি বিশেষজ্ঞ চিকিত্সকদের কর্মক্ষমতার সাথে মিলতে পারে? ডজন ডজন গবেষণায় গভীর শিক্ষার মডেলগুলিকে রেডিওলজিস্ট, প্যাথলজিস্ট এবং চর্মরোগ বিশেষজ্ঞদের সাথে তুলনা করা হয়েছে, প্রায়শই পূর্ববর্তী ডেটাসেটগুলিতে চিত্তাকর্ষক ফলাফল পাওয়া যায়। কিন্তু নেচার মেডিসিনের একটি সাম্প্রতিক ভাষ্য যুক্তি দেয় যে মেডিকেল এআই-এর প্রথম প্রজন্ম ভুল মানদণ্ড নির্ধারণ করেছে। পরবর্তী প্রজন্মের বিচার করা উচিত, এটি যুক্তি দেয়, মেশিনগুলি মানুষের দক্ষতার প্রতিলিপি করতে পারে কিনা তার উপর নয়, বরং সাবধানে ডিজাইন করা মানব-এআই সিস্টেমগুলি রোগীর ফলাফল উন্নত করতে পারে কিনা তার উপর।

লুন্ড বিশ্ববিদ্যালয়ের ডায়াগনস্টিক রেডিওলজি বিভাগের ডাঃ ক্রিস্টিনা ল্যাং দ্বারা লিখিত, ভাষ্যটি চিকিৎসায় এআই-এর প্রথম এলোমেলো পরীক্ষাগুলির একটি থেকে শিক্ষা নিয়ে ক্লিনিকাল এআই মূল্যায়ন এবং বাস্তবায়নের পদ্ধতিতে গভীর পরিবর্তনের জন্য যুক্তি দেয়। এটি নির্ভুলতা মেট্রিক্সের বাইরে এবং সত্যিই গুরুত্বপূর্ণ বিষয়গুলির দিকে যাওয়ার আহ্বান: অসুস্থতা, মৃত্যুহার, জীবনের মান এবং যত্ন প্রদানের দক্ষতা এবং ন্যায্যতা।

প্রথম প্রজন্ম: অ্যালগরিদম যা ক্লিনিশিয়ানদের অনুকরণ করে

প্রাথমিক মেডিকেল এআই গবেষণা এই ধারণা দ্বারা প্রভাবিত ছিল যে একটি মডেলের মান মানুষের বিশেষজ্ঞদের সাথে সরাসরি তার আউটপুট তুলনা করে প্রতিষ্ঠিত করা যেতে পারে। গবেষণাগুলি সংবেদনশীলতা, নির্দিষ্টতা এবং রিসিভার অপারেটিং বৈশিষ্ট্য বক্ররেখার অধীনে এলাকা রিপোর্ট করেছে, প্রায়শই এই সিদ্ধান্তে উপনীত হয় যে এআই সিস্টেমটি ক্লিনিশিয়ানদের সাথে "সমতুল্য" বা "উচ্চতর"। এই ফলাফলগুলি প্রচুর উত্সাহ তৈরি করেছিল এবং রেডিওলজি, কার্ডিওলজি এবং অন্যান্য বিশেষত্ব জুড়ে শত শত এআই সরঞ্জামের জন্য নিয়ন্ত্রক ছাড়পত্রের দিকে পরিচালিত করেছিল।

তবুও অ্যালগরিদমিক সমতা ক্লিনিকাল সুবিধার মতো নয়। একটি মডেল যা একটি চিত্র ব্যাখ্যা করার ক্ষেত্রে একজন রেডিওলজিস্টের সাথে মেলে, একবার ব্যস্ত হাসপাতালের কর্মপ্রবাহে একীভূত হয়ে গেলে সামগ্রিক ডায়াগনস্টিক প্রক্রিয়ার উন্নতি করতে ব্যর্থ হতে পারে। এটি সতর্কতা তৈরি করতে পারে যা উপেক্ষা করা হয়, কাজের চাপ বাড়ায় বা রোগী পরিচালনায় নতুন ত্রুটি প্রবর্তন করে। একটি পূর্ববর্তী গবেষণার নিয়ন্ত্রিত পরিবেশ এই বাস্তব-বিশ্বের জটিলতাগুলি ক্যাপচার করতে পারে না। ল্যাং যেমন লিখেছেন, প্রথম প্রজন্ম এআই ক্লিনিশিয়ানদের সাথে মেলে কিনা তা বিচার করেছিল; পরবর্তী প্রজন্মের বিচার করা উচিত এটি রোগীদের সাহায্য করতে পারে কিনা।

এআই-তে এলোমেলো পরীক্ষার উত্থান

এলোমেলো নিয়ন্ত্রিত পরীক্ষা (RCT) মেডিকেল হস্তক্ষেপ মূল্যায়নের জন্য স্বর্ণের মান। তারা বিভ্রান্তি দূর করে, মানব আচরণের জন্য হিসাব করে এবং ক্লিনিকাল অনুশীলন পরিবর্তনের জন্য প্রয়োজনীয় প্রমাণের স্তর সরবরাহ করে। তবে এআই-এর জগতে, RCT বিরল। এআই সরঞ্জামগুলির বেশিরভাগ প্রমাণ সীমিত বাহ্যিক বৈধতা সহ পূর্ববর্তী বা সম্ভাব্য একক-বাহু গবেষণা থেকে এসেছে। এটি পরিবর্তন হতে শুরু করেছে, এবং ল্যাং একটি গুরুত্বপূর্ণ উন্নয়ন হিসাবে RCT-এর উত্থানকে তুলে ধরেছেন।

সবচেয়ে উল্লেখযোগ্য উদাহরণগুলির মধ্যে একটি হল MASAI ট্রায়াল, সুইডেনে পরিচালিত একটি এলোমেলো গবেষণা যা এআই-সমর্থিত ম্যামোগ্রাফি স্ক্রিনিংয়ের ব্যবহার তদন্ত করেছে। সেই পরীক্ষা, 2023 সালে দ্য ল্যানসেট অনকোলজি-তে প্রকাশিত, প্রথমগুলির মধ্যে একটি যা রোগীদের এআই-সমর্থিত স্ক্রিনিং বা স্ট্যান্ডার্ড ডাবল রিডিং গ্রহণের জন্য এলোমেলো করে। ট্রায়ালটি অ্যালগরিদমের ক্যান্সার সনাক্তকরণের হার পরিমাপের চেয়ে বেশি কিছু করেছে; এটি স্ক্রিন-সনাক্ত ক্যান্সার, ব্যবধান ক্যান্সার, রিকল হার এবং কাজের চাপের মতো ফলাফল পরিমাপ করেছে। ফলাফলগুলি পরামর্শ দিয়েছে যে এআই রেডিওলজিস্টদের কাজের চাপ কমাতে পারে যখন ক্যান্সার সনাক্তকরণ বজায় রাখা বা সম্ভাব্যভাবে উন্নত করা যায়, তবে প্রকৃত পাঠটি বিস্তৃত ছিল: শুধুমাত্র একটি এলোমেলো নকশা সামগ্রিকভাবে মানব-এআই সিস্টেম সম্পর্কে বিশ্বাসযোগ্য উত্তর সরবরাহ করতে পারে।

ল্যাং-এর ভাষ্যটি অতিরিক্ত সাম্প্রতিক RCT-এর উদ্ধৃতি দেয়, যার মধ্যে দ্য ল্যানসেট ডিজিটাল হেলথ-এ 2025 সালের একটি গবেষণা এবং দ্য ল্যানসেট-এ 2026 সালের একটি গবেষণা, একটি উদীয়মান প্রমাণ ভিত্তির অংশ হিসাবে। এই পরীক্ষাগুলি গবেষণার একটি নতুন তরঙ্গের প্রতিনিধিত্ব করে যা এআইকে একটি স্বতন্ত্র প্রযুক্তি হিসাবে নয় বরং একটি ক্লিনিকাল পথে এমবেড করা একটি হস্তক্ষেপ হিসাবে বিবেচনা করে, রোগী-ভিত্তিক শেষ পয়েন্টগুলির বিরুদ্ধে মূল্যায়ন করা হয়।

সামনের লাইন থেকে শিক্ষা

রেডিওলজিস্ট এবং এআই স্ক্রিনিং ট্রায়ালের প্রধান তদন্তকারী উভয় হিসাবে তার দৃষ্টিকোণ থেকে, ল্যাং মূল পাঠগুলি চিহ্নিত করেছেন যা পরিসংখ্যানগত তাত্পর্যের বাইরে যায়। প্রথমত, রোগীর ফলাফল সর্বাগ্রে। এটি দেখানো যথেষ্ট নয় যে একটি এআই সিস্টেম দ্রুত বা আরও নির্ভুলভাবে চিত্রগুলি শ্রেণিবদ্ধ করতে পারে; এটি রোগীর যাত্রার উন্নতি করতে দেখাতে হবে, প্রাথমিক সনাক্তকরণ থেকে চিকিত্সা এবং বেঁচে থাকা পর্যন্ত।

দ্বিতীয়ত, মানব-এআই মিথস্ক্রিয়া নকশা গুরুত্বপূর্ণ। একটি অ্যালগরিদম শুধুমাত্র তার চারপাশের সিস্টেমের মতোই ভাল। সতর্কতা কীভাবে উপস্থাপন করা হয়, ক্লিনিশিয়ানদের কীভাবে প্রতিক্রিয়া জানাতে প্রশিক্ষণ দেওয়া হয় এবং জবাবদিহিতা কীভাবে বিতরণ করা হয় তা চূড়ান্ত ফলাফলকে প্রভাবিত করে। ল্যাং-এর "সাবধানে ডিজাইন করা মানব-এআই সিস্টেম"-এর উপর জোর দেওয়া মডেলটি থেকে নিজেই সামাজিক-প্রযুক্তিগত পরিবেশে ফোকাসের পরিবর্তনের দিকে নির্দেশ করে যেখানে এটি পরিচালিত হয়।

তৃতীয়ত, বাস্তবায়ন বিজ্ঞান গুরুত্বপূর্ণ। একটি সফল পরীক্ষা সফল স্থাপনার গ্যারান্টি দেয় না। বিদ্যমান ক্লিনিকাল কর্মপ্রবাহে এআই সংহত করার, পরিশোধ সুরক্ষিত করার এবং ক্লিনিশিয়ান এবং রোগীদের মধ্যে বিশ্বাস বজায় রাখার চ্যালেঞ্জগুলি যে কোনও অ্যালগরিদমিক অগ্রগতির মতোই গুরুত্বপূর্ণ। ল্যাং, যিনি সুইডিশ জাতীয় স্তন ক্যান্সার স্ক্রিনিং নির্দেশিকাগুলির চেয়ারম্যান এবং সিমেন্স হেলথিনিয়ার্সের মতো সংস্থাগুলির উপদেষ্টা বোর্ডে কাজ করেছেন, এই অনুবাদমূলক বাধাগুলি সরাসরি বোঝেন।

নতুন যুগের জন্য মূল্যায়ন পুনর্বিবেচনা

ভাষ্যটি যুক্তি দেয় যে মেডিকেল এআই-এর মূল্যায়ন অবশ্যই ওষুধ এবং ডিভাইসগুলিতে প্রয়োগ করা একই কঠোর মান গ্রহণ করতে হবে। এর অর্থ আরও RCT, তবে উপযুক্ত তুলনাকারী, ক্লিনিক্যালি অর্থপূর্ণ শেষ পয়েন্ট এবং বাস্তব অনুশীলন প্রতিফলিত করে এমন ব্যবহারিক পরীক্ষার নকশাগুলির ব্যবহারও। নিয়ন্ত্রক সংস্থা এবং পেশাদার সোসাইটিগুলি এই ধরনের প্রমাণ দাবি করতে শুরু করেছে, তবে প্রযুক্তিগত উদ্ভাবনের গতি এবং মূল্যায়নের গতির মধ্যে ব্যবধান প্রশস্ত রয়েছে।

ল্যাং পরামর্শ দেন যে ক্ষেত্রটি "এআই কি ক্লিনিশিয়ানের চেয়ে ভাল?" জিজ্ঞাসা করা থেকে দূরে সরে যাওয়া উচিত এবং পরিবর্তে জিজ্ঞাসা করা উচিত "এই এআই-ক্লিনিশিয়ান টিম কি ফলাফল উন্নত করে, ক্ষতি হ্রাস করে এবং বিজ্ঞতার সাথে সংস্থান ব্যবহার করে?" এই পুনর্নির্মাণের অধ্যয়ন নকশা, তহবিল অগ্রাধিকার এবং প্রকাশনার মানগুলির জন্য গভীর প্রভাব রয়েছে। এটি বিকাশকারীদের উপর বৃহত্তর দায়িত্বও রাখে যাতে তারা স্বচ্ছ, ব্যাখ্যাযোগ্য এবং ক্লিনিকাল প্রয়োজনের সাথে সামঞ্জস্যপূর্ণ সরঞ্জাম তৈরি করে।

উন্নত মানব-এআই সিস্টেম তৈরি করা

ভাষ্যটির সবচেয়ে বাধ্যতামূলক আহ্বানগুলির মধ্যে একটি হল ফ্রন্টলাইন ক্লিনিশিয়ানদের সাথে এআই সিস্টেমের সহ-নকশা। যদি লক্ষ্য রোগীর ফলাফল উন্নত করা হয়, তবে ব্যবহারকারী ইন্টারফেস, সিদ্ধান্ত-সমর্থন যুক্তি এবং প্রতিক্রিয়া প্রক্রিয়াগুলি ক্লিনিকাল অনুশীলনের বাস্তবতা দ্বারা গঠিত হতে হবে। এটি উচ্চ-স্টেকের ক্ষেত্রে যেমন ক্যান্সার স্ক্রিনিংয়ে বিশেষভাবে গুরুত্বপূর্ণ, যেখানে এআই ট্রাইজ কেস, সন্দেহজনক ফলাফল পতাকাঙ্কিত করতে এবং সম্ভাব্যভাবে একজন রেডিওলজিস্টকে পর্যালোচনা করতে হবে এমন চিত্রের সংখ্যা হ্রাস করতে ব্যবহৃত হচ্ছে।

ল্যাং-এর নিজস্ব গবেষণা অন্বেষণ করেছে কীভাবে মানুষের উপলব্ধি এবং দক্ষতা মেশিন নির্ণয়ের সাথে যোগাযোগ করে। প্রাথমিক কাজ, ইউরোপীয় রেডিওলজি এবং রেডিওলজি-তে প্রকাশনা সহ, "অনুসন্ধানের সন্তুষ্টি" প্রভাব এবং কীভাবে রেডিওলজিস্টরা অন্যান্য অস্বাভাবিকতা উপস্থিত থাকলে ফলাফল মিস করেন তা পরীক্ষা করেছে। এই জ্ঞানীয় মনোবিজ্ঞানের অন্তর্দৃষ্টিগুলি এখন বোঝার জন্য প্রয়োগ করা হচ্ছে যে কীভাবে রেডিওলজিস্টদের এআই-তে আস্থা তাদের সিদ্ধান্ত গ্রহণকে প্রভাবিত করে। একটি সিস্টেম যা নির্ভুল কিন্তু মানুষের নির্ভরতার সাথে খারাপভাবে ক্রমাঙ্কিত হয় অতিরিক্ত আত্মবিশ্বাস বা কম ব্যবহারের দিকে নিয়ে যেতে পারে, উভয়ই রোগীদের ক্ষতি করতে পারে।

সামনের রাস্তা: প্রমাণ, নীতিশাস্ত্র এবং ন্যায্যতা

AI মেডিসিনে আরও বিস্তৃত হওয়ার সাথে সাথে শক্তিশালী প্রমাণের প্রয়োজন জরুরি হয়ে ওঠে। ল্যাং-এর ভাষ্যটি একটি অনুস্মারক যে RCT কেবল একটি আনুষ্ঠানিকতা নয়; কোন এআই অ্যাপ্লিকেশনগুলি প্রকৃত মূল্য সরবরাহ করে এবং কোনটি নতুন ধরণের পক্ষপাত বা ক্ষতি প্রবর্তন করতে পারে তা বোঝার জন্য এগুলি অপরিহার্য। এটি বিশেষত স্বল্প-পরিষেবা জনগোষ্ঠীর জন্য প্রাসঙ্গিক যারা এআই মডেল প্রশিক্ষণের জন্য ব্যবহৃত ডেটাসেটগুলিতে কম প্রতিনিধিত্ব করতে পারে।

লেখক আরও নোট করেছেন যে মেডিকেল এআই-এর বিকাশ বাণিজ্যিক প্রণোদনার সাথে জড়িত। N23 হেলথের সহ-প্রতিষ্ঠাতা এবং প্রধান সংস্থাগুলির উপদেষ্টা হিসাবে, তিনি শিল্প-বিরোধী নন তবে প্রমাণ-ভিত্তিক উদ্ভাবনের পক্ষে। লক্ষ্য হওয়া উচিত কঠোর মূল্যায়নের সাথে বাজারের প্রণোদনাগুলি সারিবদ্ধ করা যাতে রোগীদের কাছে পৌঁছানো সরঞ্জামগুলি তাদের সাহায্য করার জন্য প্রমাণিত হয়েছে।

উপসংহার: ক্লিনিকাল এআই-এর জন্য একটি নতুন মানদণ্ড

ন্যাচার মেডিসিন-এর ভাষ্যটি একটি সময়োপযোগী বার্তা সরবরাহ করে। কেবল অ্যালগরিদমকে ক্লিনিশিয়ানদের সাথে তুলনা করার যুগ শেষ। এখন গুরুত্বপূর্ণ বিষয় হল AI, চিন্তাভাবনা করে ডিজাইন করা ক্লিনিকাল সিস্টেমে একীভূত হলে, রোগীদের জীবনকে স্পষ্টভাবে উন্নত করে কিনা। এলোমেলো পরীক্ষা, যেমন ল্যাং নেতৃত্ব দিতে সাহায্য করেছিলেন, প্রযুক্তিগত প্রতিশ্রুতি এবং বাস্তব-বিশ্বের সুবিধার মধ্যে সেতু। তারা প্রমাণ সরবরাহ করে যাতে নিশ্চিত করা যায় যে মেডিকেল এআই-এর পরবর্তী প্রজন্মকে সর্বোচ্চ মানদণ্ডে রাখা হয়েছে: রোগীর ফলাফল উন্নত করা।

ক্ষেত্রটি পরিপক্ক হওয়ার সাথে সাথে গবেষক, নিয়ন্ত্রক, ক্লিনিশিয়ান এবং বিকাশকারীদের অবশ্যই এলোমেলো মূল্যায়নকে ব্যতিক্রমের পরিবর্তে আদর্শ করতে একসাথে কাজ করতে হবে। তবেই মেডিকেল এআই স্বাস্থ্যকর জীবনের শক্তি হিসাবে তার সম্ভাবনা পূরণ করতে পারে। পাঠগুলি স্পষ্ট, এবং তারা একটি সহজ পরিবর্তনের সাথে শুরু করে: অ্যালগরিদম যা করে তা দ্বারা নয়, রোগী যা অনুভব করে তা দ্বারা সাফল্য বিচার করুন।

এই নিবন্ধটি নেচার মেডিসিনের প্রতিবেদনের উপর ভিত্তি করে তৈরি। মূল নিবন্ধটি পড়ুন।