అధిక అంచనాలు, పరిమిత నమ్మకం
స్వీడన్లో జరిగిన తాజా సర్వే వైద్య రంగంలో AI స్వీకరణ కేంద్రంలో ఉన్న ఒక విరుద్ధతను చూపుతోంది: ప్రజలు ఆ సాంకేతికతను పూర్తిగా నమ్మే ముందు అది మనుషుల కంటే మెరుగ్గా పనిచేయాలని కోరుకుంటున్నారు. గోతెన్బర్గ్ విశ్వవిద్యాలయం చేసిన అధ్యయనం ప్రకారం, స్వీడన్లో వైద్యులు మరియు సాధారణ ప్రజలు రెండూ ఆరోగ్య సంరక్షణలో ఉపయోగించే AI వ్యవస్థలు ప్రస్తుత మానవ పనితీరును మించే ఖచ్చితత్వ ప్రమాణాలను చేరుకోవాలని ఆశిస్తున్నారు, ముఖ్యంగా తీవ్రమైన క్లినికల్ పరిస్థితుల్లో.
ఈ ఫలితం వైద్య AI అభివృద్ధిదారులు మరియు ఆరోగ్య వ్యవస్థలకు ఒక కఠినమైన నిజాన్ని చూపిస్తుంది. అనేక రంగాల్లో, కొత్త software ఉపయోగకరంగా ఉన్నా లేదా ఖర్చు లేదా వేగంలో కొంచెం మెరుగ్గా ఉన్నా దాన్ని ప్రవేశపెట్టొచ్చు. కానీ క్లినికల్ careలో సామాజిక ప్రమాణం వేరుగా ఉంటుంది. ప్రజలు కేవలం సమర్థతను మాత్రమే కోరుకోవడం లేదు. వారు మద్దతు ఇచ్చే లేదా కొంతవరకు భర్తీ చేసే నిపుణుల కంటే తక్కువ ప్రమాదకరమైన తప్పులు చేసే వ్యవస్థను కోరుకుంటున్నారు. అదే సమయంలో, AI పై నమ్మకం బలంగా కాకుండా మోస్తరుగా ఉందని సర్వే తెలిపింది; అంటే పెరుగుతున్న అంచనాలు నమ్మకాన్ని మించి వేగంగా వస్తున్నాయి.
ఈ అధ్యయనం 2025 వసంతంలో స్వీడన్లో యాదృచ్ఛికంగా ఎంపిక చేసిన 1,000 మందికి పంపిన సర్వేపై ఆధారపడింది; వీరిని వైద్యులు మరియు సాధారణ ప్రజలుగా సమానంగా విభజించారు. స్పందన రేటు వైద్యుల్లో 45% కాగా సాధారణ ప్రజల్లో 31% గా ఉంది. పాల్గొన్నవారిని వివిధ ఆరోగ్య సంరక్షణ సందర్భాలను అంచనా వేసి, ప్రస్తుత ఆరోగ్య సంరక్షణ పనితీరుతో పోలిస్తే AI వ్యవస్థ ఎంతమంది తప్పిపోయిన లేదా తప్పుగా అంచనా వేసిన కేసులను ఆమోదయోగ్యంగా భావిస్తుందో చెప్పమని అడిగారు.
AI వస్తే ప్రమాణం ఎందుకు పెరుగుతుంది
అత్యంత స్పష్టమైన కనుగొనబడిన అంశాల్లో ఒకటి, అధిక ప్రాధాన్యం ఉన్న పరిస్థితుల్లో అంచనాలు మరింత కఠినమవుతాయి. ఛాతీ నొప్పి వంటి సందర్భాల్లో, సాధారణ ప్రజల్లో చాలామంది ఒక్క కేసు కూడా మిస్ కాకూడదని కోరారు. వైద్యులు మాత్రం కొద్దిపాటి తప్పిద పరిమితిని అంగీకరించడానికి మరింత సిద్ధంగా ఉన్నారు; ఇది false negatives మరియు false positives మధ్య ఉన్న ప్రాయోగిక tradeoff గురించి వారి అవగాహనను ప్రతిబింబిస్తుంది.
ఈ తేడా ముఖ్యమైనది, ఎందుకంటే ఇది AI అమలు చర్చల్లో తరచుగా కనిపించే సమస్యను బయటపెడుతుంది. ఖచ్చితత్వం అనేది విషయాన్ని ముగించే ఒకే సంఖ్య కాదు. ఒక వ్యవస్థను తీవ్రమైన కేసులను తక్కువగా మిస్ అయ్యేలా సర్దొచ్చు, కానీ అలా చేస్తే మరెన్నో false alarms రావచ్చు. దీని వలన అవసరం లేని పరీక్షలు, సిబ్బంది సమయంపై ఒత్తిడి, మరియు రోగులు అదనపు ప్రక్రియలకు గురయ్యే అవకాశం ఉంటుంది. అధ్యయన సారాంశంలో పరిశోధకుడు Rasmus Arvidsson చెప్పినట్లుగా, అందరినీ అనారోగ్యంగా గుర్తించే వ్యవస్థ తీవ్రమైన వ్యాధిని మిస్ చేయదు కానీ అది ఉపయోగకరమైన వైద్యం కాదు.
అందువల్ల సవాలు AI ను మరింత sensitive గా చేయడమే కాదు. ఏ స్థాయి తప్పిద సమతుల్యత ఎవరికి, ఏ సందర్భంలో ఆమోదయోగ్యమో నిర్ణయించడం. సర్వే ప్రకారం ప్రజలు మరియు వైద్యులు ఒకే ప్రారంభ స్థానం నుంచి మొదలవ్వడం లేదు. చాలా మంది పౌరులు తీవ్రమైన పరిస్థితుల్లో AI కి దాదాపు శూన్య-తప్పిద ఆదర్శాన్ని వర్తింపజేస్తున్నట్లు కనిపిస్తోంది, అయితే వైద్యులు క్లినికల్ uncertainty లో పనిచేయడానికి మరింత అలవాటై ఉన్నారు.
ఈ mismatch స్వీకరణపై ప్రభావం చూపుతుంది. రోగులు దాదాపు పరిపూర్ణతను ఆశిస్తే, కానీ ఆసుపత్రులు కేవలం స్వల్ప మెరుగుదలలు మాత్రమే అందించే tools ను కొనుగోలు చేస్తే, ప్రతిఘటన రావడం ఖాయం. కాబట్టి tradeoffs ను తొలగించగలదని చెప్పేలా AI ను మార్కెట్ చేయడానికి బదులుగా, వాటిపై స్పష్టమైన ప్రజా చర్చ అవసరమని ఈ అధ్యయనం సూచిస్తోంది.
వాడకం నమ్మకాన్ని మించి వేగంగా పెరుగుతోంది
చాలామంది ఇప్పటికే ఏదో రూపంలో AI ని ఉపయోగిస్తున్నారని, అయితే దానిపై అధిక నమ్మకం వ్యక్తం చేసిన వారు తక్కువగా ఉన్నారని సర్వే కనుగొంది. వైద్యుల్లో, chat-based AI tools పై నమ్మకం ECGs ను అర్థం చేసుకోవడానికి ఇప్పటికే ఉపయోగిస్తున్న AI వ్యవస్థలపై ఉన్న నమ్మకంతో దాదాపు సమానంగా ఉంది. పది మందిలో ఏడుకి పైగా వైద్యులు chat-based tools ని ప్రయత్నించినప్పటికీ, చాలా తక్కువ మంది మాత్రమే వాటిని క్లినికల్ నిర్ణయాలలో ఉపయోగిస్తున్నారు.
ఈ నమూనా చాలా చెప్పుతోంది. ప్రయోగాలు విస్తృతంగా జరుగుతున్నాయి, కానీ వృత్తిపరమైన ఆధారపడటం పరిమితంగానే ఉంది. వైద్యులు tools ను పరీక్షిస్తున్నారు, వాటి సామర్థ్యాన్ని చూస్తున్నారు, మరియు బహుశా background tasks లేదా ఆలోచన సృష్టి కోసం అనౌపచారికంగా వాటిని ఉపయోగిస్తున్నారు; కానీ రోగి ఫలితాలకు ప్రత్యక్ష బాధ్యత ఉన్న నిర్ణయాల్లో మాత్రం ఇంకా లోతుగా చేర్చడం లేదు.
సాధారణ ప్రజల్లో, సుమారు పది మందిలో ఒకరు ఆరోగ్య సలహా కోసం AI ని ఉపయోగించినట్లు తెలిపారు. నమ్మకం మోస్తరుగా ఉన్నా ఇది గమనించదగిన విషయం. formal care pathways లో ఆ సాంకేతికత ఎక్కడ ఉండాలనే దానిపై విస్తృత సంస్థాగత ఏకాభిప్రాయం ఏర్పడే ముందే consumer-facing AI రోజువారీ ఆరోగ్య ప్రవర్తనలోకి ప్రవేశిస్తోందని ఇది సూచిస్తోంది.
మోస్తరు నమ్మకం మరియు గణనీయమైన వాడకం కలసి ఒక మార్పు దశను సూచిస్తున్నాయి. ఆరోగ్య సంరక్షణలో AI ఇక ఊహాజనితం కాదు, కానీ అది ఇంకా విశ్వసనీయమైన క్లినికల్ authority గా సాధారణీకరించబడలేదు. విధాన రూపకర్తలు మరియు సేవాదారులకు ఈ మధ్య దశ అత్యంత సున్నితమైనదిగా ఉండొచ్చు. ప్రజలు అంచనాలు ఏర్పరచుకునేంతవరకు దానిని ఎదుర్కొన్నారు, కానీ మానవ వ్యవస్థల్లో సహించబడే తప్పులను అంగీకరించేంత నమ్మకం పొందలేదు.
అధ్యయనం ఏమి చూపిస్తుంది, ఏమి చూపించదు
- స్వీడన్లో వైద్యులు మరియు సాధారణ ప్రజలు ఆరోగ్య AI మనుషుల కంటే ఎక్కువ ఖచ్చితంగా ఉండాలని కోరుకుంటున్నారు.
- తీవ్రమైన సందర్భాల్లో, ముఖ్యంగా ఛాతీ నొప్పి వంటి పరిస్థితుల్లో, అంచనాలు చాలా కఠినంగా ఉన్నాయి.
- AI పై నమ్మకం మోస్తరుగా ఉండగా, అధిక నమ్మకం వ్యక్తం చేసిన వారు తక్కువగా ఉన్నారు.
- పది మందిలో ఏడుకి పైగా వైద్యులు chat-based AI tools ను ప్రయత్నించినప్పటికీ, చాలా తక్కువ మంది వాటిని క్లినికల్ నిర్ణయాల్లో ఉపయోగించారు.
- సాధారణ ప్రజల్లో సుమారు పది మందిలో ఒకరు ఆరోగ్య సలహా కోసం AI ని ఉపయోగించారు.
ప్రతిస్పందన రేటు ఇలాంటి అధ్యయనాలతో సమానంగానే ఉందని రచయితలు పేర్కొంటున్నారు, కానీ ఫలితాలు విస్తృత జనాభాను ఎంతవరకు ప్రతినిధ్యం వహిస్తున్నాయో అనే విషయంలో కొంత అనిశ్చితి ఉంది. అయినప్పటికీ, ఈ సర్వే స్వీడన్కే పరిమితం కాని ఒక ప్రవణతను పట్టుకుంది. వైద్య AI ని కేవలం సాంకేతిక ప్రమాణం మీద మాత్రమే అంచనా వేయడం లేదు. అది సామాజిక, నైతిక, మరియు తులనాత్మక ప్రమాణాల మీద కూడా అంచనా వేయబడుతోంది. AI ప్రస్తుత care కంటే మెరుగ్గా పనిచేయగలదా అని ప్రజలు అడుగుతున్నారు, అది పనిచేయగలదా అని మాత్రమే కాదు.
ఆ తేడానే ఆరోగ్య AI యొక్క తదుపరి దశను నిర్వచించబోతోంది. workflow ను మెరుగుపరిచినా తమ error profile ను స్పష్టంగా న్యాయీకరించలేని systems నమ్మకాన్ని గెలుచుకోవడంలో ఇబ్బంది పడవచ్చు. కొలిచదగిన లాభాలు చూపగల systems కూడా తాము ఏమి మిస్ అవుతున్నాయో, ఏమి ఎక్కువగా గుర్తిస్తున్నాయో, మరియు బాధ్యత machine మరియు clinician మధ్య ఎలా పంచబడుతోందో స్పష్టంగా చెప్పాల్సి ఉంటుంది. స్వీడన్ సర్వే ప్రకారం ప్రమాణం ఇప్పటికే చాలా ఎత్తులో ఉంది. పరిశ్రమకు కఠినమైన అంశం ఏమిటంటే, ప్రజలు మరియు వైద్యులు ఇద్దరూ వైద్యంలో AI పై ఆధారపడే ముందు ఆ ప్రమాణం ఇంకా ఎత్తుగా ఉండాలని కోరుకుంటున్నారు.
ఈ వ్యాసం Medical Xpress నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.
Originally published on medicalxpress.com

