वैद्यकीय AI तिच्यामागील पुराव्यापेक्षा वेगाने पसरत आहे
Nature Medicine मध्ये प्रकाशित झालेल्या एका संपादकीयात आरोग्यसेवा तंत्रज्ञानातील सर्वात मोठ्या दरींपैकी एका मुद्द्यावर ठोस युक्तिवाद मांडला आहे: उद्योग AI साधने तयार करण्यात अधिक चांगला झाला आहे, पण ती साधने प्रत्यक्षात उपचारात सुधारणा करतात याचा सातत्यपूर्ण पुरावा अजूनही नाही. भविष्यवाणी मॉडेल, निर्णय-सहाय्य प्रणाली आणि जनरेटिव्ह साधने आधीच क्लिनिकल सेटिंग्जमध्ये प्रवेश करत आहेत, तर मोठ्या भाषा मॉडेल्सचा वापरही लोक आरोग्य माहितीसाठी करत आहेत. संपादकीय म्हणते की आरोग्यसेवेत स्वीकारण्याचा वेग वाढत आहे, पण वास्तविक-जगातील मूल्याचा पुरावा मर्यादितच आहे.
हाच फरक या लेखाचा गाभा आहे. वैद्यकीय AI कागदावर प्रभावी दिसू शकते, विशेषतः जेव्हा विकसक sensitivity, specificity, discrimination किंवा calibration यांसारख्या सांख्यिकीय मोजमापांची नोंद करतात. ही आकडेवारी प्रणाली संगणकीय दृष्ट्या कशी काम करते हे सांगते. पण त्यामुळे आपोआप हे सिद्ध होत नाही की रुग्णांना चांगला उपचार मिळतो, डॉक्टर चांगले निर्णय घेतात, किंवा अंमलबजावणीनंतर आरोग्यव्यवस्था अधिक परिणामकारकपणे काम करतात.
कामगिरीची मोजमापे पुरेशी का नाहीत
संपादकीयचा युक्तिवाद आहे की आरोग्यसेवेत पडताळणीची संकुचित समज तयार झाली आहे. एखादे मॉडेल मागील डेटावर चांगले गुण मिळवू शकते, तरीही ते चुकीच्या वेळी आले, समजायला अवघड असेल, कर्मचारी त्याकडे दुर्लक्ष करतील, किंवा विद्यमान workflow बिघडवेल तर ते क्लिनिकलदृष्ट्या अपयशी ठरू शकते. दुसऱ्या शब्दांत, तांत्रिक यश आणि वैद्यकीय लाभ एकच गोष्ट नाही.
ही किरकोळ शैक्षणिक तक्रार नाही. रुग्णालये किंवा सेवा पुरवठादारांनी जर मुख्यतः performance metrics च्या आधारे साधने स्वीकारली, तर ते अशा उत्पादनांवर पैसा आणि वेळ खर्च करू शकतात ज्यांचे व्यावहारिक मूल्य अस्पष्ट आहे. त्याहून वाईट म्हणजे, benchmark studies मध्ये न दिसणारे नवे धोके किंवा अकार्यक्षमता ते निर्माण करू शकतात. प्रभावाबद्दलचे दावे papers आणि product materials मध्ये अधिक सामान्य होत असतानाही evidence standards अजून धूसर आहेत, त्यामुळे सध्याच्या सवयी अकाली अंमलबजावणीचा धोका वाढवतात, असा इशारा संपादकीय देते.
खरा क्लिनिकल लाभ पणाला लागलेला असताना, वैद्यकाने नेहमीच पुराव्याच्या अधिक मजबूत साखळीची मागणी केली आहे. औषध विकास हे त्याचे स्पष्ट उदाहरण आहे. नवी औषधे केवळ जैवरासायनिक परिणाम करतात किंवा सुरुवातीच्या प्रयोगशाळा कामात आशादायक दिसतात म्हणूनच ठरवली जात नाहीत. ती टप्प्याटप्प्याने पुरावा-आवश्यकता पार करतात, आणि सार्वजनिक देखरेखीतून मंजुरी, शिफारस किंवा परतफेडीसाठी पुरावा केव्हा पुरेसा आहे ते ठरते.
वैद्यकीय AI ने अशा तुलनात्मक नियमांचा विकास केलेला नाही, असे संपादकीय म्हणते. याचा अर्थ सॉफ्टवेअरचे औषधाप्रमाणेच काटेकोर नियमन केले पाहिजे असा नाही. ही तंत्रे वेगाने बदलत आहेत, उपयोग खूप वेगळे आहेत, आणि पुरावा निर्माण करण्याची प्रोत्साहनेही समान नाहीत. पण कंपन्या आणि संस्था जर AI उपचारात सुधारणा करते, असा दावा करू इच्छित असतील, तर त्या दाव्यांना ज्या प्रभावाचा दावा केला जातो त्याच्या प्रमाणात पुरावा जोडणारी चौकट या क्षेत्राला हवी.
