সুইডিশ জরিপে দেখা গেছে, জনতা ও চিকিৎসকেরা চান চিকিৎসা-এআই মানুষের চেয়ে বেশি নির্ভুল হোক

উচ্চ প্রত্যাশা, সীমিত আস্থা

সুইডেনে করা একটি নতুন জরিপ চিকিৎসায় এআই গ্রহণের কেন্দ্রে থাকা একটি বিরোধকে তুলে ধরছে: মানুষ প্রযুক্তিটির ওপর পুরোপুরি আস্থা রাখার আগে সেটিকে মানুষের চেয়ে ভালো হতে দেখতে চায়। গোথেনবার্গ বিশ্ববিদ্যালয়ের একটি গবেষণা অনুযায়ী, সুইডেনের চিকিৎসক ও সাধারণ মানুষ উভয়েই আশা করেন যে স্বাস্থ্যসেবায় ব্যবহৃত এআই সিস্টেমগুলো এমন নির্ভুলতার মানদণ্ডে পৌঁছাক যা বর্তমান মানব কর্মক্ষমতাকে ছাড়িয়ে যায়, বিশেষ করে গুরুতর ক্লিনিক্যাল পরিস্থিতিতে।

এই ফলাফল চিকিৎসা-এআই নির্মাতা এবং স্বাস্থ্যব্যবস্থার জন্য একটি কঠিন বাস্তবতা তুলে ধরে। অনেক শিল্পে নতুন সফটওয়্যার তখনই চালু করা যায় যখন সেটি কেবল উপকারী বা খরচ বা গতিতে কিছুটা ভালো। ক্লিনিক্যাল care-এ সামাজিক মানদণ্ড আলাদা। মানুষ শুধু দক্ষতা চায় না। তারা এমন একটি সিস্টেম চায় যা যেসব পেশাজীবীকে এটি সমর্থন বা আংশিকভাবে প্রতিস্থাপন করতে পারে, তাদের তুলনায় কম বিপজ্জনক ভুল করে। একই সঙ্গে, জরিপে দেখা গেছে এআই-র ওপর আস্থা মাঝারি, শক্তিশালী নয়; অর্থাৎ উচ্চ প্রত্যাশা আস্থার চেয়ে দ্রুত আসছে।

এই গবেষণাটি 2025 সালের বসন্তে সুইডেনে দৈবচয়নে নির্বাচিত 1,000 জনের কাছে পাঠানো একটি জরিপের ভিত্তিতে করা হয়েছিল, যাদের সমানভাবে চিকিৎসক এবং সাধারণ মানুষের মধ্যে ভাগ করা হয়। চিকিৎসকদের মধ্যে সাড়া দেওয়ার হার ছিল 45%, আর সাধারণ মানুষের মধ্যে 31%। অংশগ্রহণকারীদের বিভিন্ন স্বাস্থ্যসেবা পরিস্থিতি মূল্যায়ন করতে এবং জানাতে বলা হয়েছিল, বর্তমান স্বাস্থ্যসেবা কর্মক্ষমতার তুলনায় একটি এআই সিস্টেম কতটা বাদ পড়া বা ভুলভাবে মূল্যায়িত কেস গ্রহণযোগ্য বলে ধরা যেতে পারে।

এআই এলে মানদণ্ড কেন বাড়ে

সবচেয়ে স্পষ্ট ফলগুলোর একটি ছিল, উচ্চ ঝুঁকির পরিস্থিতিতে প্রত্যাশা আরও তীব্র হয়ে ওঠে। বুকে ব্যথার মতো ক্ষেত্রে, সাধারণ মানুষের অনেকেই চান কোনো কেসই যেন বাদ না যায়। চিকিৎসকেরা সামান্য ত্রুটির সীমা মেনে নিতে তুলনামূলকভাবে বেশি প্রস্তুত ছিলেন, যা false negatives ও false positives-এর মধ্যকার বাস্তব tradeoff সম্পর্কে তাদের বোঝাপড়া দেখায়।

এই পার্থক্য গুরুত্বপূর্ণ, কারণ এটি এআই মোতায়েন নিয়ে চলা বিতর্কে বারবার ফিরে আসা একটি সমস্যাকে তুলে ধরে। নির্ভুলতা এমন কোনো একক সংখ্যা নয় যা পুরো বিষয়টিকে শেষ করে দেয়। একটি সিস্টেমকে এমনভাবে সাজানো যায় যাতে তা গুরুতর কেস কম মিস করে, কিন্তু তা করলে অনেক বেশি false alarms তৈরি হতে পারে। এর ফলে অপ্রয়োজনীয় পরীক্ষা, কর্মীদের সময়ের ওপর চাপ, এবং রোগীদের অতিরিক্ত প্রক্রিয়ার মুখোমুখি হতে হতে পারে। গবেষণার সারসংক্ষেপে গবেষক Rasmus Arvidsson যেমন বলেছেন, সবাইকে অসুস্থ বলে চিহ্নিত করা সিস্টেম গুরুতর রোগ মিস করবে না, কিন্তু তা উপকারী চিকিৎসা হবে না।

অতএব চ্যালেঞ্জটি শুধু এআই-কে আরও sensitive করা নয়। বরং কোন মাত্রার ভুল সমতা কার জন্য, এবং কোন প্রেক্ষাপটে গ্রহণযোগ্য, তা নির্ধারণ করা। জরিপটি দেখায় যে জনতা ও চিকিৎসকেরা সবসময় একই starting point থেকে শুরু করেন না। অনেক নাগরিক মনে করেন গুরুতর অবস্থায় এআই-কে প্রায় শূন্য-ত্রুটির আদর্শে বিচার করা উচিত, আর চিকিৎসকেরা ক্লিনিক্যাল অনিশ্চয়তার মধ্যে কাজ করতে বেশি অভ্যস্ত।

এই অমিল গ্রহণযোগ্যতার ওপর প্রভাব ফেলবে। যদি রোগীরা প্রায় নিখুঁত ফলাফল আশা করে, কিন্তু হাসপাতাল এমন tools কিনে যা কেবল সামান্য উন্নতি দেয়, তাহলে প্রতিক্রিয়া আসা স্বাভাবিক। তাই tradeoff-গুলো দূর করে দেয় এমনভাবে এআই-কে বাজারজাত করার বদলে, সেগুলো নিয়ে আরও স্পষ্ট জনআলোচনার পক্ষে এই গবেষণা কথা বলছে।

ব্যবহার আস্থাকে ছাড়িয়ে দ্রুত বাড়ছে

জরিপে আরও দেখা গেছে, অনেক উত্তরদাতা ইতিমধ্যেই কোনো না কোনোভাবে এআই ব্যবহার করছেন, কিন্তু তুলনামূলকভাবে কম মানুষ এতে উচ্চ আস্থা প্রকাশ করেছেন। চিকিৎসকদের মধ্যে, chat-based AI tools-এর প্রতি আস্থা প্রায় ECGs ব্যাখ্যার জন্য ইতিমধ্যে ব্যবহৃত AI সিস্টেমের প্রতি আস্থার মতোই ছিল। দশজনের সাতজনের বেশি চিকিৎসক chat-based tools ব্যবহার করে দেখেছেন, কিন্তু খুব কমই সেগুলো ক্লিনিক্যাল সিদ্ধান্ত গ্রহণে ব্যবহার করেন।

এই ধরণটি অনেক কিছুই বলে। পরীক্ষা-নিরীক্ষা ব্যাপক, কিন্তু পেশাগত নির্ভরতা সীমিত। চিকিৎসকেরা tools পরীক্ষা করছেন, তাদের সম্ভাবনা দেখছেন, এবং সম্ভবত background tasks বা ধারণা তৈরির জন্য অনানুষ্ঠানিকভাবে ব্যবহারও করছেন; কিন্তু রোগীর ফলাফলের সরাসরি দায়বদ্ধতাসম্পন্ন সিদ্ধান্তে এখনো সেগুলো গভীরভাবে যুক্ত করছেন না।

সাধারণ মানুষের মধ্যে প্রায় দশজনের একজন স্বাস্থ্য-পরামর্শের জন্য এআই ব্যবহার করেছেন বলে জানিয়েছেন। আস্থা মাঝারি হলেও এটি উল্লেখযোগ্য। এটি দেখায় যে consumer-facing AI আগেভাগেই দৈনন্দিন স্বাস্থ্য আচরণে প্রবেশ করছে, অনেক আগে, যখন আনুষ্ঠানিক care pathways-এ প্রযুক্তিটি কোথায় থাকবে তা নিয়ে পূর্ণ প্রাতিষ্ঠানিক ঐকমত্য গড়ে ওঠে।

মাঝারি আস্থা এবং বাস্তব ব্যবহার মিলিয়ে একটি রূপান্তরকাল তৈরি হয়েছে। স্বাস্থ্যসেবায় এআই এখন আর কল্পনা নয়, কিন্তু এটি এখনো নির্ভরযোগ্য ক্লিনিক্যাল authority হিসেবে স্বাভাবিকীকৃতও নয়। নীতিনির্ধারক ও প্রদানকারীদের জন্য এই মধ্যবর্তী পর্যায়ই সম্ভবত সবচেয়ে সংবেদনশীল। মানুষ এতটাই সংস্পর্শে এসেছে যে প্রত্যাশা তৈরি করতে পারে, কিন্তু মানব ব্যবস্থায় সহনীয় ভুল মেনে নেওয়ার মতো আস্থা পায়নি।

গবেষণাটি কী দেখায়, আর কী দেখায় না

• সুইডেনে চিকিৎসক ও সাধারণ মানুষ উভয়েই চান স্বাস্থ্যসেবার এআই মানুষের চেয়ে বেশি নির্ভুল হোক।
• গুরুতর পরিস্থিতিতে, বিশেষ করে বুকে ব্যথার মতো ক্ষেত্রে, প্রত্যাশা ছিল অত্যন্ত কঠোর।
• এআই-র ওপর আস্থা ছিল মাঝারি, এবং অল্প কয়েকজন উচ্চ আস্থা প্রকাশ করেছেন।
• দশজনের সাতজনের বেশি চিকিৎসক chat-based AI tools ব্যবহার করে দেখেছেন, কিন্তু খুব কমই সেগুলো ক্লিনিক্যাল সিদ্ধান্তে ব্যবহার করেছেন।
• সাধারণ মানুষের প্রায় দশজনের একজন স্বাস্থ্য-পরামর্শের জন্য এআই ব্যবহার করেছেন।

লেখকেরা উল্লেখ করেছেন, সাড়া দেওয়ার হার এ ধরনের অন্যান্য গবেষণার সঙ্গে সামঞ্জস্যপূর্ণ, তবে এটি কিছু অনিশ্চয়তাও নিয়ে আসে যে ফলাফলগুলো বৃহত্তর জনসংখ্যাকে কতটা প্রতিনিধিত্ব করে। তবু এই জরিপ এমন এক গতিশীলতা ধরেছে যা সুইডেনের বাইরেও প্রযোজ্য হতে পারে। চিকিৎসা-এআই কেবল প্রযুক্তিগত মানদণ্ডে বিচার করা হচ্ছে না। এটিকে সামাজিক, নৈতিক, এবং তুলনামূলক মানদণ্ডেও বিচার করা হচ্ছে। মানুষ জিজ্ঞেস করছে এআই বর্তমান care-এর চেয়ে ভালো করতে পারে কি না, শুধু কাজ করতে পারে কি না তা নয়।

এই পার্থক্যই স্বাস্থ্য-এআই-এর পরবর্তী ধাপকে সংজ্ঞায়িত করবে। যেসব সিস্টেম workflow উন্নত করে কিন্তু নিজেদের error profile স্পষ্টভাবে ন্যায্যতা দিতে পারে না, সেগুলো আস্থা অর্জনে লড়াই করতে পারে। যেসব সিস্টেম পরিমাপযোগ্য উন্নতি দেখাতে পারে, সেগুলোকেও কী তারা মিস করে, কী বেশি ধরে ফেলে, এবং দায়িত্ব machine ও clinician-এর মধ্যে কীভাবে ভাগ হয়, তা স্পষ্টভাবে জানাতে হবে। সুইডিশ জরিপ বলছে, মানদণ্ড ইতিমধ্যেই অনেক উঁচু। শিল্পের জন্য কঠিন বিষয় হলো, জনতা ও চিকিৎসক উভয়েই চিকিৎসায় এআই-র ওপর নির্ভর করার আগে সেই মানদণ্ড আরও উঁচু করতে চান।

এই নিবন্ধটি Medical Xpress-এর প্রতিবেদনের ভিত্তিতে লেখা। মূল নিবন্ধটি পড়ুন.