স্ট্যানফোর্ডের রোগী প্যানেলগুলো দেখাচ্ছে, চালুর আগেই স্বাস্থ্য AI-তে আস্থার ফাঁক আছে

স্বাস্থ্য AI গ্রহণ এখন আর শুধু প্রযুক্তিগত প্রশ্ন নয়

প্রদত্ত candidate metadata অনুযায়ী, স্ট্যানফোর্ড হেলথ কেয়ার নতুন artificial intelligence টুলগুলো সেই সিস্টেমগুলো প্রয়োগের আগেই রোগীদের জিজ্ঞাসা করা শুরু করেছে। এই সিদ্ধান্তটিই সংবাদযোগ্য। স্বাস্থ্যসেবায় AI গ্রহণকে প্রায়ই model quality, workflow integration এবং regulation-এর বিষয় হিসেবে দেখা হয়। রোগী পরামর্শ একটি ভিন্ন ধারণা আনে: সবচেয়ে কঠিন বাধাগুলো raw performance-এর চেয়ে trust, consent, communication এবং expectations-এ থাকতে পারে।

candidate set-এ দেওয়া নিবন্ধের শিরোনাম বলছে, এই রোগী আলোচনা স্বাস্থ্য AI গ্রহণের fault lines প্রকাশ করতে সাহায্য করছে। পূর্ণ source text না থাকলেও, সতর্কভাবে পড়ার জন্য ইঙ্গিতটি যথেষ্ট স্পষ্ট। যদি কোনো বড় health system চালুর আগে রোগীর feedback চাইছে, তাহলে বোঝা যায় health AI এমন এক পর্যায়ে যাচ্ছে যেখানে institutional legitimacy কেবল টুল কী করতে পারে তার ওপর নয়, রোগীরা এর ব্যবহারকে কীভাবে উপলব্ধি করে তার ওপরও নির্ভর করছে।

সাধারণের আগেই রোগীর feedback কেন গুরুত্বপূর্ণ

ইতিহাসে হাসপাতালগুলো অনেক প্রযুক্তি সরাসরি জনপরামর্শ ছাড়াই চালু করেছে। Clinical software, imaging systems এবং backend decision tools সাধারণত procurement এবং clinical governance প্রক্রিয়ার মাধ্যমে আসে, যা রোগীরা পরে গিয়ে দেখেন। AI অন্তত দুই কারণে এই গতিশীলতা বদলে দেয়।

প্রথমত, AI systems এখন বেশি দৃশ্যমান। রোগীরা chat interfaces, documentation tools, triage systems, imaging interpretation support বা communication workflows-এর মাধ্যমে এগুলোর মুখোমুখি হতে পারেন। দ্বিতীয়ত, AI-র সঙ্গে bias, opacity, automation এবং accountability নিয়ে ইতিমধ্যেই একটি বিস্তৃত জনআখ্যান যুক্ত আছে। অর্থাৎ নতুন টুল আগেভাগেই সন্দেহের আবহ নিয়ে আসতে পারে।

rollout-এর আগে রোগীদের মতামত চাওয়া সেই পরিবেশকে স্বীকার করে। এটি গ্রহণযোগ্যতাকে কেবল operational সমস্যা নয়, social implementation problem হিসেবে দেখে। উদীয়মান প্রযুক্তি নিয়ে কাজ করা কোনো প্রকাশনার জন্য এই পার্থক্য গুরুত্বপূর্ণ। বহু AI deployment ব্যর্থ হয় software কাজ করে না বলে নয়, বরং প্রতিষ্ঠানগুলো affected মানুষরা প্রযুক্তিটিকে কীভাবে ব্যাখ্যা করবে তা কম গুরুত্ব দেয় বলে।

স্ট্যানফোর্ডের পদ্ধতি কী ইঙ্গিত দিচ্ছে

প্রদত্ত excerpt বলছে, স্ট্যানফোর্ড হেলথ কেয়ার নতুন AI টুল সম্পর্কে প্রয়োগের আগে রোগীদের জিজ্ঞাসা করা শুরু করেছে এবং প্রক্রিয়াটি দেখাচ্ছে রোগীরা প্রতিষ্ঠানকে কী বলছে। ওই feedback-এর বিস্তারিত না থাকলেও, এই পদ্ধতি governance-এ একটি পরিবর্তনের ইঙ্গিত দেয়। কোনো টুল উপকারী প্রমাণিত হলেই রোগীর গ্রহণযোগ্যতা আসবে বলে ধরে নেওয়ার বদলে, প্রতিষ্ঠান রোগীর দৃষ্টিভঙ্গিকে adoption-এরই একটি input হিসেবে দেখছে বলে মনে হচ্ছে।

এটি অর্থবহ পরিবর্তন। স্বাস্থ্যসেবায় timing গুরুত্বপূর্ণ। rollout-এর আগে ওঠা প্রশ্নগুলো design choices, disclosure standards, escalation procedures এবং ব্যবহারের সীমানা বদলে দিতে পারে। rollout-এর পরে ওঠা প্রশ্নগুলো প্রায়ই crisis management-এ পরিণত হয়।

fault lines শব্দবন্ধটিও গুরুত্বপূর্ণ। এটি ইঙ্গিত করে যে বিষয়টি সহজ সমর্থন বা বিরোধিতা নয়। প্রেক্ষাপটভেদে health AI ভিন্ন প্রত্যাশার মুখোমুখি হয়। প্রশাসনিক দক্ষতার জন্য ব্যবহৃত AI-কে রোগীরা অন্যভাবে গ্রহণ করতে পারেন, আর diagnosis, care recommendations বা communication-এ ব্যবহৃত AI-কে অন্যভাবে। তারা clinician-দের সহায়ক সিস্টেম এবং human judgment প্রতিস্থাপন করছে বলে মনে হওয়া সিস্টেমের মধ্যেও পার্থক্য করতে পারেন।

বৃহত্তর শিল্পের শিক্ষা

বিস্তৃত health sector-এর জন্য স্ট্যানফোর্ডের reported process AI adoption-এর আরও পরিণত মডেলের দিকে ইঙ্গিত করে। হাসপাতাল এবং health systems বছরের পর বছর ধরে validation, compliance এবং workflow gains-এর ওপর জোর দিয়ে AI pilot করেছে। সেগুলো এখনো প্রয়োজনীয়, কিন্তু যথেষ্ট নয়। trust-কে institutional level-এ তৈরি করতে হবে, ধরে নেওয়া যাবে না।

তাই ব্যবহারিক প্রশ্নগুলো কেন্দ্রীয় হয়ে ওঠে। রোগীদের কখন জানানো উচিত যে AI জড়িত? কোন কোন ব্যবহারে স্পষ্ট ব্যাখ্যা দরকার? নিশ্চিততা বাড়িয়ে না দেখিয়ে প্রতিষ্ঠানগুলো কীভাবে সুবিধা ব্যাখ্যা করবে? AI-assisted process নিয়ে রোগীরা অস্বস্তি বোধ করলে কী হবে? এগুলো প্রান্তিক উদ্বেগ নয়। এগুলো deployment quality-এর অংশ।

candidate material স্ট্যানফোর্ডের উত্তর দেয় না, তাই তা বানিয়ে বলা ঠিক হবে না। কিন্তু এটি একটি বৃহত্তর উপসংহারকে সমর্থন করে: patient-facing governance এখন চিকিৎসায় AI stack-এর অংশ হয়ে উঠছে। সেটি model capability-এর উন্নতির মতোই গুরুত্বপূর্ণ হতে পারে।

এখন কেন এটি গুরুত্বপূর্ণ

স্বয়ংক্রিয়করণ নিয়ে অস্বাভাবিক জনসচেতনতার সময়ে health AI এগোচ্ছে। মানুষ একসঙ্গে search, work, media এবং customer service-এ AI tools-এর মুখোমুখি হচ্ছে। সেই বৃহত্তর প্রেক্ষাপট তাদের সঙ্গে clinics এবং hospitals-এও যায়। ambient skepticism-কে উপেক্ষা করা কোনো health system technical readiness-কে social readiness ভেবে ভুল করার ঝুঁকিতে পড়ে।

স্ট্যানফোর্ডের পদক্ষেপ দেখায় অন্তত একটি বড় প্রতিষ্ঠান সেই ভুল এড়াতে চাইছে। প্রয়োগের আগে রোগীদের সঙ্গে পরামর্শ করে এটি পরীক্ষা করছে কোথায় সমর্থন আছে, কোথায় উদ্বেগ তৈরি হয় এবং কোথায় communication ব্যর্থ হতে পারে। কেবল internal enthusiasm-এর ওপর নির্ভর করার চেয়ে deployment risk মূল্যায়নের এটি বেশি বাস্তবসম্মত উপায়।

developers এবং hospital leaders-দের জন্য শিক্ষা সরাসরি। চিকিৎসায় trust-কে post-launch feature হিসেবে ধরা যায় না। যদি patient relationship care system-এর অংশ হয়, তাহলে patient expectations-ও product requirement-এর অংশ।

একটি শান্ত কিন্তু গুরুত্বপূর্ণ পরিবর্তন

স্বাভাবিক AI অর্থে এখানে কোনো flashy breakthrough নেই। নতুন model নেই, funding round নেই, benchmark claim নেই। কিন্তু অন্তর্নিহিত পরিবর্তনটি বেশি স্থায়ী হতে পারে। Health AI এখন এমন এক পর্যায়ে ঢুকছে যেখানে implementation quality increasingly model-এর চারপাশের প্রতিষ্ঠানগুলো দ্বারা বিচার করা হবে: consent, oversight, explanation এবং recourse।

স্ট্যানফোর্ডের ঘটনা সেই রূপান্তরের ইঙ্গিত দেয়। স্বাস্থ্য AI routine হয়ে ওঠার আগে, রোগীদের জিজ্ঞাসা করা হচ্ছে routine-কে আসলে কেমন হতে হবে। এটা কোনো পার্শ্ব বিষয় নয়। এটা scale হওয়া adoption আর থেমে যাওয়া adoption-এর পার্থক্য হতে পারে।

এই নিবন্ধটি STAT News-এর প্রতিবেদনের ভিত্তিতে লেখা হয়েছে। মূল নিবন্ধ পড়ুন.