अल्गोरिदमपासून रुग्णांच्या परिणामांपर्यंत: एआय औषध चाचण्यांमधील धडे

वैद्यकीय कृत्रिम बुद्धिमत्तेसाठी एक नवीन मानक

वैद्यकीय कृत्रिम बुद्धिमत्ता (एआय) क्षेत्र अनेक वर्षांपासून एकाच प्रश्नाने परिभाषित केले गेले आहे: अल्गोरिदम तज्ञ क्लिनिशियन्सच्या कामगिरीशी जुळू शकतात का? डझनभर अभ्यासांनी डीप लर्निंग मॉडेल्सची रेडिओलॉजिस्ट, पॅथॉलॉजिस्ट आणि त्वचारोग तज्ञांशी तुलना केली आहे, बहुतेकदा पूर्वलक्षी डेटासेटवर प्रभावी परिणामांसह. परंतु नेचर मेडिसिनमधील अलीकडील टिप्पणीत असा युक्तिवाद केला आहे की वैद्यकीय एआयच्या या पहिल्या पिढीने चुकीचा निकष सेट केला. पुढील पिढीचे मूल्यांकन मशीन मानवी कौशल्याची प्रतिकृती बनवू शकतात की नाही यावर नव्हे, तर काळजीपूर्वक डिझाइन केलेल्या मानव-एआय प्रणाली रुग्णांचे परिणाम सुधारू शकतात की नाही यावर केले पाहिजे.

लुंड विद्यापीठाच्या डायग्नोस्टिक रेडिओलॉजी विभागाच्या डॉ. क्रिस्टिना लँग यांनी लिहिलेल्या या टिप्पणीत औषधांमधील एआयच्या पहिल्या यादृच्छिक चाचण्यांपैकी एकाच्या धड्यांवरून क्लिनिकल एआयचे मूल्यांकन आणि अंमलबजावणी कशी करावी यातील गहन बदलाची बाजू मांडली आहे. ही अचूकता मेट्रिक्सच्या पलीकडे जाऊन खरोखर महत्त्वाच्या गोष्टींकडे जाण्याची हाक आहे: रुग्णता, मृत्यूदर, जीवनाची गुणवत्ता आणि काळजी वितरणाची कार्यक्षमता आणि समानता.

पहिली पिढी: क्लिनिशियन्सची नक्कल करणारे अल्गोरिदम

सुरुवातीच्या वैद्यकीय एआय संशोधनावर मॉडेलचे मूल्य त्याच्या आउटपुटची थेट मानवी तज्ञांशी तुलना करून स्थापित केले जाऊ शकते या कल्पनेचे वर्चस्व होते. अभ्यासांनी संवेदनशीलता, विशिष्टता आणि रिसीव्हर ऑपरेटिंग वैशिष्ट्य वक्र अंतर्गत क्षेत्र नोंदवले, बहुतेकदा असा निष्कर्ष काढला की एआय प्रणाली क्लिनिशियन्सच्या 'समतुल्य' किंवा 'श्रेष्ठ' आहे. या निष्कर्षांनी प्रचंड उत्साह निर्माण केला आणि रेडिओलॉजी, कार्डिओलॉजी आणि इतर विशेषतेमध्ये शेकडो एआय साधनांसाठी नियामक मंजुरी मिळाली.

तरीही अल्गोरिदमिक समतुल्यता क्लिनिकल फायद्यासारखी नाही. प्रतिमेचा अर्थ लावण्यात रेडिओलॉजिस्टशी जुळणारे मॉडेल व्यस्त रुग्णालयाच्या कामाच्या ओघात एकत्रित केल्यावर संपूर्ण निदान प्रक्रिया सुधारण्यात अपयशी ठरू शकते. ते दुर्लक्षित केलेले अलर्ट निर्माण करू शकते, कामाचा ताण वाढवू शकते किंवा रुग्ण व्यवस्थापनात नवीन त्रुटी आणू शकते. पूर्वलक्षी अभ्यासाचे नियंत्रित वातावरण या वास्तविक-जगातील गुंतागुंत कॅप्चर करू शकत नाही. लँग लिहितात, पहिल्या पिढीने एआयचा न्याय क्लिनिशियन्सशी जुळू शकतो का यावर केला; पुढील पिढीने त्याचा न्याय रुग्णांना मदत करू शकतो का यावर केला पाहिजे.

एआयमध्ये यादृच्छिक चाचण्यांचा उदय

यादृच्छिक नियंत्रित चाचण्या (RCTs) वैद्यकीय हस्तक्षेपांचे मूल्यांकन करण्यासाठी सुवर्ण मानक आहेत. ते गोंधळ दूर करतात, मानवी वर्तनासाठी जबाबदार असतात आणि क्लिनिकल सराव बदलण्यासाठी आवश्यक पुराव्यांची पातळी प्रदान करतात. तथापि, एआयच्या जगात, RCTs दुर्मिळ आहेत. एआय साधनांचे बहुतेक पुरावे मर्यादित बाह्य वैधतेसह पूर्वलक्षी किंवा संभाव्य एकल-हात अभ्यासातून आले आहेत. हे बदलू लागले आहे आणि लँग RCTs चा उदय एक महत्त्वपूर्ण घडामोड म्हणून अधोरेखित करतात.

सर्वात उल्लेखनीय उदाहरणांपैकी एक म्हणजे MASAI चाचणी, स्वीडनमध्ये आयोजित केलेला एक यादृच्छिक अभ्यास ज्याने एआय-समर्थित मॅमोग्राफी तपासणीच्या वापराची तपासणी केली. 2023 मध्ये द लॅन्सेट ऑन्कोलॉजी मध्ये प्रकाशित झालेली ही चाचणी, एआय-समर्थित तपासणी किंवा मानक दुहेरी वाचन प्राप्त करण्यासाठी रुग्णांना यादृच्छिक करणाऱ्या पहिल्या चाचण्यांपैकी एक आहे. या चाचणीने अल्गोरिदमचा कर्करोग शोध दर मोजण्यापेक्षा अधिक केले; त्याने स्क्रीन-आढळलेले कर्करोग, मध्यांतर कर्करोग, रिकॉल दर आणि कामाचा ताण यासारखे परिणाम मोजले. परिणामांनी असे सुचवले की एआय रेडिओलॉजिस्टचा कामाचा ताण कमी करू शकतो आणि कर्करोग शोधणे कायम ठेवू शकतो किंवा संभाव्यतः सुधारू शकतो, परंतु खरा धडा व्यापक होता: केवळ यादृच्छिक डिझाइन संपूर्ण मानव-एआय प्रणालीबद्दल विश्वासार्ह उत्तरे देऊ शकते.

लँगच्या टिप्पणीत अतिरिक्त अलीकडील RCTs उद्धृत केल्या आहेत, ज्यात 2025 मध्ये द लॅन्सेट डिजिटल हेल्थ मधील अभ्यास आणि 2026 मध्ये द लॅन्सेट मधील अभ्यास समाविष्ट आहे, जे उदयोन्मुख पुरावा आधाराचा भाग आहेत. या चाचण्या संशोधनाच्या नवीन लाटेचे प्रतिनिधित्व करतात जी एआयला स्वतंत्र तंत्रज्ञान म्हणून नव्हे तर क्लिनिकल मार्गात अंतर्भूत केलेला हस्तक्षेप म्हणून, रुग्ण-केंद्रित अंतिम बिंदूंविरुद्ध मूल्यांकन करते.

आघाडीवरून धडे

रेडिओलॉजिस्ट आणि एआय स्क्रीनिंग चाचण्यांमधील प्रमुख अन्वेषक या दोन्ही भूमिकांमधून, लँग सांख्यिकीय महत्त्वाच्या पलीकडे जाणारे मुख्य धडे ओळखतात. प्रथम, रुग्णांचे परिणाम सर्वोपरि आहेत. एआय प्रणाली प्रतिमा जलद किंवा अधिक अचूकपणे वर्गीकृत करू शकते हे दर्शविणे पुरेसे नाही; ते रुग्णाचा प्रवास, लवकर शोधण्यापासून उपचार आणि जगण्यापर्यंत सुधारते हे दर्शविले पाहिजे.

दुसरे, मानव-एआय परस्परसंवादाची रचना गंभीर आहे. अल्गोरिदम केवळ त्याच्या सभोवतालच्या प्रणालीइतकेच चांगले आहे. अलर्ट कसे सादर केले जातात, क्लिनिशियन्सना प्रतिसाद देण्यासाठी कसे प्रशिक्षित केले जाते आणि उत्तरदायित्व कसे वितरित केले जाते याचा अंतिम परिणामावर परिणाम होतो. 'काळजीपूर्वक डिझाइन केलेल्या मानव-एआय प्रणाली' वर लँगचा भर मॉडेलपासून ते ज्या सामाजिक-तांत्रिक वातावरणात ते कार्य करते त्या दिशेने लक्ष केंद्रित करण्याकडे निर्देश करतो.

तिसरे, अंमलबजावणी विज्ञान महत्त्वाचे आहे. यशस्वी चाचणी यशस्वी तैनातीची हमी देत नाही. विद्यमान क्लिनिकल वर्कफ्लोमध्ये एआय समाकलित करणे, प्रतिपूर्ती सुरक्षित करणे आणि क्लिनिशियन्स आणि रुग्णांमध्ये विश्वास टिकवून ठेवणे या आव्हाने कोणत्याही अल्गोरिदमिक प्रगतीइतकीच महत्त्वाची आहेत. स्वीडिश नॅशनल ब्रेस्ट कॅन्सर स्क्रीनिंग मार्गदर्शक तत्त्वांचे अध्यक्ष असलेल्या आणि सीमेन्स हेल्थिनियर्स सारख्या कंपन्यांच्या सल्लागार मंडळांवर काम केलेल्या लँगला या भाषांतरातील अडथळे प्रत्यक्ष माहीत आहेत.

नवीन युगासाठी मूल्यांकनाचा पुनर्विचार

टिप्पणीत असा युक्तिवाद केला आहे की वैद्यकीय एआयच्या मूल्यांकनाने औषधे आणि उपकरणांवर लागू केलेले समान कठोर मानक स्वीकारले पाहिजेत. याचा अर्थ अधिक RCTs, परंतु योग्य तुलनाकर्त्यांचा वापर, क्लिनिकलदृष्ट्या अर्थपूर्ण अंतिम बिंदू आणि दैनंदिन सराव प्रतिबिंबित करणारे व्यावहारिक चाचणी डिझाइन देखील. नियामक संस्था आणि व्यावसायिक संस्था असे पुरावे मागू लागल्या आहेत, परंतु तांत्रिक नवोपक्रमाच्या गती आणि मूल्यांकनाच्या गतीमधील अंतर अजूनही मोठे आहे.

लँग सुचवितात की क्षेत्राने 'एआय क्लिनिशियनपेक्षा चांगले आहे का?' हा प्रश्न विचारण्यापासून दूर जाऊन 'या एआय-क्लिनिशियन टीमने परिणाम सुधारतात, हानी कमी करतात आणि संसाधनांचा शहाणपणाने वापर करतात का?' असा प्रश्न विचारला पाहिजे. या पुनर्रचनेचा अभ्यास डिझाइन, निधी प्राधान्यक्रम आणि प्रकाशन मानकांवर गहन परिणाम होतो. हे विकासकांवर पारदर्शक, व्याख्या करण्यायोग्य आणि क्लिनिकल गरजांशी संरेखित साधने तयार करण्याची अधिक जबाबदारी देखील ठेवते.

चांगल्या मानव-एआय प्रणाली तयार करणे

टिप्पणीतील सर्वात आकर्षक हाकांपैकी एक म्हणजे आघाडीच्या क्लिनिशियन्ससह एआय प्रणालीची सह-रचना करणे. जर ध्येय रुग्णांचे परिणाम सुधारणे असेल, तर वापरकर्ता इंटरफेस, निर्णय-समर्थन तर्क आणि अभिप्राय यंत्रणा क्लिनिकल सरावाच्या वास्तविकतेद्वारे आकारल्या पाहिजेत. कर्करोग तपासणीसारख्या उच्च-स्टेक्स क्षेत्रात हे विशेषतः महत्वाचे आहे, जेथे एआयचा वापर प्रकरणांची तपासणी करण्यासाठी, संशयास्पद निष्कर्ष चिन्हांकित करण्यासाठी आणि रेडिओलॉजिस्टने पुनरावलोकन करणे आवश्यक असलेल्या प्रतिमांची संख्या कमी करण्यासाठी केला जात आहे.

लँगच्या स्वतःच्या संशोधनाने मानवी आकलन आणि कौशल्य मशीन निदानाशी कसे संवाद साधते याचा शोध घेतला आहे. युरोपियन रेडिओलॉजी आणि रेडिओलॉजी मधील प्रकाशनांसह सुरुवातीच्या कार्याने 'समाधान-शोध' प्रभाव आणि इतर विकृती उपस्थित असताना रेडिओलॉजिस्ट निष्कर्ष कसे चुकवतात याचे परीक्षण केले. या संज्ञानात्मक मानसशास्त्र अंतर्दृष्टी आता रेडिओलॉजिस्टचा एआयवरील विश्वास त्यांच्या निर्णयक्षमतेवर कसा परिणाम करतो हे समजून घेण्यासाठी लागू केल्या जात आहेत. एक प्रणाली जी अचूक आहे परंतु मानवी विश्वासाशी चांगल्या प्रकारे कॅलिब्रेट केलेली नाही ती जास्त आत्मविश्वास किंवा कमी वापरास कारणीभूत ठरू शकते, ज्यामुळे रुग्णांना हानी होऊ शकते.

पुढील रस्ता: पुरावा, नीतिशास्त्र आणि समानता

एआय औषधांमध्ये अधिक व्यापक होत असताना, मजबूत पुराव्यांची आवश्यकता त्वरित बनते. लँगची टिप्पणी एक स्मरणपत्र आहे की RCTs केवळ औपचारिकता नाहीत; कोणते एआय अनुप्रयोग खरी मूल्य प्रदान करतात आणि कोणते नवीन प्रकारचे पूर्वाग्रह किंवा हानी आणू शकतात हे समजून घेण्यासाठी ते आवश्यक आहेत. हे विशेषतः कमी सेवा असलेल्या लोकसंख्येसाठी संबंधित आहे जे एआय मॉडेल्सना प्रशिक्षण देण्यासाठी वापरल्या जाणाऱ्या डेटासेटमध्ये कमी प्रतिनिधित्व करू शकतात.

लेखक हे देखील नमूद करतात की वैद्यकीय एआयचा विकास व्यावसायिक प्रोत्साहनांशी जोडलेला आहे. N23 हेल्थचे सह-संस्थापक आणि मोठ्या कंपन्यांचे सल्लागार म्हणून, त्या उद्योगविरोधी नाहीत परंतु पुरावा-आधारित नवोपक्रमाची वकिली करतात. ध्येय बाजार प्रोत्साहनांना कठोर मूल्यांकनासह संरेखित करणे असावे जेणेकरून रुग्णांपर्यंत पोहोचणारी साधने त्यांना मदत करतात हे सिद्ध झाले आहे.

निष्कर्ष: क्लिनिकल एआयसाठी एक नवीन निकष

नेचर मेडिसिन मधील टिप्पणी एक वेळेवर संदेश देते. क्लिनिशियन्सशी अल्गोरिदमची तुलना करण्याचा युग संपले आहे. आता काय महत्त्वाचे आहे ते म्हणजे एआय, विचारपूर्वक डिझाइन केलेल्या क्लिनिकल सिस्टममध्ये समाकलित केल्यावर, रुग्णांचे जीवन मूर्तपणे सुधारते का. लँगने नेतृत्व केलेल्या चाचणीसारख्या यादृच्छिक चाचण्या, तांत्रिक आश्वासन आणि वास्तविक-जगातील फायदा यांच्यातील पूल आहेत. ते पुढील पिढीतील वैद्यकीय एआयला सर्वोच्च मानकांवर ठेवले जाईल याची खात्री करण्यासाठी आवश्यक पुरावे प्रदान करतात: रुग्णांचे परिणाम सुधारणे.

क्षेत्र परिपक्व होत असताना, संशोधक, नियामक, क्लिनिशियन्स आणि विकासकांनी यादृच्छिक मूल्यांकनाला अपवाद न करता प्रमाण बनविण्यासाठी एकत्र काम केले पाहिजे. तेव्हाच वैद्यकीय एआय निरोगी जीवनासाठी एक शक्ती म्हणून त्याची क्षमता पूर्ण करू शकते. धडे स्पष्ट आहेत आणि ते एका सोप्या बदलापासून सुरू होतात: यशाचा न्याय अल्गोरिदम काय करते यावर नव्हे तर रुग्णाला काय अनुभव येतो यावर करा.

हा लेख नेचर मेडिसिनच्या रिपोर्टिंगवर आधारित आहे. मूळ लेख वाचा.