मुख्य सवाल अब यह नहीं रह गया है कि चिकित्सा एआई सिद्धांत रूप में काम करता है या नहीं
स्वास्थ्य-सेवा एआई अब नवाचार के चरण से आगे निकल चुका है। अस्पताल नोट लेने, रिकॉर्ड समीक्षा, ट्रायेज़ सहायता, चित्र व्याख्या और उपचार-संबंधी सिफारिशों के लिए एआई का उपयोग कर रहे हैं। दिए गए MIT Technology Review स्रोत से स्पष्ट है कि क्षेत्र के सामने अब एक अलग समस्या है: तकनीकी प्रदर्शन का प्रमाण, वास्तविक दुनिया के क्लिनिकल लाभ के प्रमाण से तेज़ी से आ रहा है।
यह अंतर आसानी से धुंधला हो जाता है। कोई मॉडल पैटर्न पहचानने, स्कैन वर्गीकृत करने या बातचीत का सार बनाने में सटीक हो सकता है। लेकिन उन कार्यों में बेहतर परिणाम अपने-आप बेहतर रोगी स्वास्थ्य का अर्थ नहीं होते। कोई उपकरण चिकित्सकों का समय बचा सकता है, साफ़ कागज़ी काम बना सकता है, या संभावित सिफारिशें दे सकता है, फिर भी निदान, उपचार या परिणामों में सुधार करने में विफल रह सकता है।
एम्बिएंट एआई का उभार इस अंतर को दिखाता है
सबसे स्पष्ट उदाहरण तथाकथित एम्बिएंट एआई स्क्राइब्स का फैलाव है। ये प्रणालियाँ डॉक्टर-रोगी वार्तालाप सुनती हैं, उन्हें लिप्यंतरित करती हैं, और सार तैयार करती हैं। स्रोत बताता है कि इन्हें पहले ही व्यापक रूप से अपनाया जा रहा है और चिकित्सक अक्सर इनके प्रति मजबूत संतुष्टि व्यक्त करते हैं। प्रारंभिक अध्ययन यह भी संकेत देते हैं कि ये बर्नआउट कम कर सकती हैं।
ये महत्वपूर्ण लाभ हैं। चिकित्सा में प्रशासनिक बोझ तनाव का वास्तविक स्रोत है। यदि एआई उस बोझ का कुछ हिस्सा घटाती है, तो यह चिकित्सकों के कार्य वातावरण में सुधार कर सकती है। लेकिन स्रोत में उद्धृत शोधकर्ता, जेना वीन्स और अन्ना गोल्डेनबर्ग, तर्क देते हैं कि इससे केंद्रीय सवाल अब भी खुला रहता है: मरीजों का क्या? यदि कोई एआई स्क्राइब सूक्ष्म रूप से यह बदल दे कि क्या दर्ज किया गया, क्या उभारा गया, या क्या छोड़ दिया गया, तो यह बाद के निर्णयों को ऐसे तरीकों से प्रभावित कर सकता है जो संतुष्टि सर्वेक्षणों से स्पष्ट नहीं होते।
सटीकता और प्रभाव एक चीज़ नहीं हैं
यही मुद्दा पूर्वानुमानात्मक और सिफारिशी प्रणालियों पर भी लागू होता है। अस्पताल तेजी से ऐसे मॉडल उपयोग कर रहे हैं जो यह पहचानते हैं कि किन मरीजों को हस्तक्षेप की आवश्यकता हो सकती है, कोई बीमारी किस दिशा में जा सकती है, या चिकित्सक को अगला कौन-सा कदम सोचना चाहिए। इन प्रणालियों को अक्सर अधिक दक्षता और स्थिरता के वादे के साथ पेश किया जाता है। लेकिन जब तक इन्हें रोगी परिणामों के मुकाबले नहीं परखा जाता, तब तक क्षेत्र परिचालन सुविधा को चिकित्सीय प्रगति समझने का जोखिम उठाता है।
कोई मॉडल सही मरीजों को चिह्नित कर सकता है, लेकिन इतना देर से कि उसका कोई असर ही न हो। वह सही सिफारिश दे सकता है, जिसे चिकित्सक अनदेखा कर दें। वह स्टाफ का ध्यान ऐसे ढंग से बदल सकता है जो एक समूह की मदद करे, लेकिन दूसरे को पीछे छोड़ दे। ये किनारे के मामले नहीं हैं; ये व्यस्त क्लिनिकल परिवेश में सॉफ़्टवेयर लागू करने की व्यावहारिक वास्तविकताएँ हैं।
अब यह तैनाती की लहर क्यों मायने रखती है
स्रोत में वीन्स के हवाले से कहा गया है कि पिछले कुछ वर्षों में तेज़ बदलाव आया है: चिकित्सक और स्वास्थ्य प्रणालियाँ संदेह से सक्रिय तैनाती की ओर बढ़ी हैं। यह समय महत्वपूर्ण है। एक बार उपकरण कार्यप्रवाह में समा जाएँ, तो उनका निष्पक्ष मूल्यांकन करना कठिन और उन्हें हटाना और भी कठिन हो जाता है। खरीद, प्रशिक्षण, एकीकरण और कर्मचारियों की आदतें सब मिलकर गति पैदा करते हैं। व्यवहार में, स्वास्थ्य प्रणालियाँ शायद उन तकनीकों को पहले ही स्थायी बना रही हैं जिनके लिए आवश्यक साक्ष्य अभी बने ही नहीं हैं।
यह चिकित्सा एआई के विरुद्ध तर्क नहीं है। यह इस बात के विरुद्ध तर्क है कि अपनाने को ही प्रमाण मान लिया जाए। चिकित्सा लंबे समय से surrogate marker और वास्तविक endpoint के बीच अंतर को पहचानती आई है। यही अनुशासन यहाँ भी लागू होना चाहिए। बेहतर दस्तावेज़ीकरण गति, साफ़ सारांश और उच्च benchmark सटीकता उपयोगी हो सकते हैं। जब तक इन्हें ऐसे मापा न जाए, इन्हें बेहतर स्वास्थ्य नहीं समझना चाहिए।
क्षेत्र को परिणाम-स्तरीय साक्ष्य चाहिए
Nature Medicine के तर्क का सबसे महत्वपूर्ण योगदान यह है कि यह प्रमाण के बोझ को फिर से परिभाषित करता है। सवाल यह नहीं है कि एआई प्रभावशाली आउटपुट दे सकती है या नहीं। वह स्पष्ट रूप से दे सकती है। सवाल यह है कि क्या वे आउटपुट ऐसी देखभाल में बदलते हैं जो मापनीय रूप से मरीजों को लाभ पहुँचाए।
इसके लिए अधिक कठोर अध्ययन डिज़ाइन, तैनाती के बाद मजबूत निगरानी, और यह पूछने की इच्छा चाहिए कि क्या कोई लोकप्रिय उपकरण वास्तव में निर्णयों या परिणामों को बेहतर बनाता है। स्वास्थ्य-सेवा के पास उपयोगी स्वचालन अपनाने का पूरा कारण है। उतना ही कारण है सुविधा को प्रभावशीलता समझ लेने का विरोध करने का।
जैसे-जैसे अस्पताल एआई को रोज़मर्रा की प्रैक्टिस में समाहित करते रहेंगे, यह अनुशासन और अधिक महत्वपूर्ण होगा, कम नहीं। प्रणालियाँ पहले ही मौजूद हैं। जो बात अनिर्णीत है वह यह कि क्या वे चिकित्सा को उस जगह बेहतर बना रही हैं जहाँ सबसे ज़्यादा मायने रखता है।
यह लेख MIT Technology Review की रिपोर्टिंग पर आधारित है। मूल लेख पढ़ें.
Originally published on technologyreview.com
