पहली नज़र में एक नए Google अध्ययन में स्वास्थ्य सेवा के अवसरों का वादा किया गया है जो AI की मदद करता है। वास्तव में, यह एक आसन्न खतरे को दर्शाता है।
Google के शोधकर्ताओं ने अपने अध्ययन के साथ 2020 की शुरुआत में
सुर्खियां बटोरीं , जहां उन्होंने कहा कि उनकी कृत्रिम बुद्धि (AI) प्रणाली
स्तनधारियों द्वारा स्तन कैंसर का पता लगाने के लिए विशेषज्ञ लोगों से बेहतर है। यह एक बड़ी जीत की तरह लग रहा था, और एक और उदाहरण कि कैसे जल्द ही एआई
हमारी स्वास्थ्य सेवा को बदल देगा : अधिक ट्यूमर खोजें! कम झूठी सकारात्मक! गुणवत्तापूर्ण चिकित्सा सेवाएं प्रदान करने का बेहतर और सस्ता तरीका!
लेकिन विस्मयादिबोधक बिंदु के लिए बाहर देखो। कंप्यूटर-आधारित स्वास्थ्य सेवा हमें भविष्य में कई लाभ ला सकती है, लेकिन यह सब इस बात पर निर्भर करेगा कि हम इसका उपयोग कैसे करते हैं। यदि डॉक्टर शुरू में गलत सवाल पूछता है - यदि वे झूठी मान्यताओं के आधार पर जानकारी की खोज के लिए एआई को भेजते हैं - तो यह सब तकनीक हमारी मदद नहीं करेगी। यह हमारी पिछली गलतियों के प्रवर्धक के रूप में भी काम कर सकता है।
एक तरह से, Google के हालिया काम के साथ भी यही हुआ है। वह पुन: पेश करने की कोशिश करती है, और फिर किसी कार्य में किसी व्यक्ति की प्रभावशीलता को पार कर जाती है, जो संक्षेप में एक गहन शातिर चिकित्सा पद्धति है। यदि आपने ट्यूमर की खोज पर
दशकों के विवाद का पीछा नहीं किया है, तो नीचे की रेखा यह है: यदि आप ऐसे लोगों की मैमोग्राफिक परीक्षा से गुजरते हैं, जिनके कोई लक्षण नहीं हैं, तो आपको कई चीजें मिलेंगी जो कैंसर जैसी दिखती हैं, लेकिन रोगी के जीवन को खतरे में नहीं डालती हैं। जैविक कैंसर अनुसंधान के विकास और जनसंख्या के बड़े पैमाने पर चिकित्सा परीक्षाओं के प्रसार के साथ, शोधकर्ताओं ने पाया है कि हर ट्यूमर जरूरी नहीं कि घातक हो जाएगा। कई लोगों में कैंसर के दर्द रहित या सुस्त रूप होते हैं जो उनके स्वास्थ्य के लिए कोई खतरा नहीं है। दुर्भाग्य से, मानक परीक्षाएं कैंसर के बिल्कुल नवीनतम रूपों को खोजने की कोशिश करती हैं - धीरे-धीरे बढ़ने वाले ट्यूमर जिन्हें सबसे अच्छी तरह से अनदेखा किया जाता है।
सिद्धांत रूप में, यह इतना बुरा नहीं है। जब स्क्रीनिंग के दौरान हानिरहित कैंसर की खोज की जाती है, तो इसे केवल अनदेखा किया जा सकता है, है ना? हालांकि, समस्या यह है कि स्क्रीनिंग के समय यह पता लगाना लगभग असंभव है कि क्या कोई विशेष घाव खतरनाक या बकवास होगा। व्यवहार में, अधिकांश डॉक्टर संभावित खतरे के रूप में पहचाने गए किसी भी कैंसर पर विचार करते हैं, और यह सवाल कि क्या मैमोग्राम जीवन को बचाते हैं या नहीं, यह गर्म बहस का विषय बना हुआ है। कुछ अध्ययनों का कहना है कि यह मामला है, अन्य कहते हैं, लेकिन अगर हम साहित्य की सबसे स्पष्ट व्याख्याओं को स्वीकार कर लेते हैं, तो भी इस विशाल स्क्रीनिंग के माध्यम से बचाए गए जीवन की संख्या कम होगी। कुछ शोधकर्ताओं ने यह भी अनुमान लगाया है कि पूरी तरह से मैमोग्राफी रोगियों के स्वास्थ्य के लिए हानिकारक है - अर्थात्, अत्यधिक उपचार और चिकित्सीय विकिरण से उत्पन्न होने वाले ट्यूमर की उपस्थिति से लाभ होता है।
दूसरे शब्दों में, AI सिस्टम जैसे कि Google निदान का आसान बनाने के लिए लोगों और मशीनों को एक साथ लाने का वादा करता है, लेकिन उनके पास मौजूदा समस्याओं, जैसे कि अति-परीक्षण, अत्यधिक निराशावादी निदान और असंगत उपचार की संभावना भी है। यह भी स्पष्ट नहीं है कि वास्तविक दुनिया में डेवलपर्स द्वारा रिपोर्ट किए गए गलत-सकारात्मक और गलत-नकारात्मक निदान को समाप्त करने में सुधार काम करेगा या नहीं। अध्ययन में पाया गया कि AI रेडियोलॉजिस्ट से बेहतर साबित हुआ, जिन्हें मैमोग्राम का अध्ययन करने के लिए प्रशिक्षित नहीं किया गया था। क्या यह विशेष विशेषज्ञों की टीम को पार करेगा? परीक्षण के बिना कहना मुश्किल है। इसके अलावा, अध्ययन में प्रयुक्त अधिकांश चित्र एक कंपनी के उपकरणों का उपयोग करके बनाए गए थे। यह स्पष्ट नहीं है कि क्या अन्य मशीनों पर प्राप्त छवियों के लिए इन परिणामों का विस्तार करना संभव होगा।
और यह समस्या सिर्फ स्तन कैंसर स्क्रीनिंग से अधिक है। एआई के आकर्षण का हिस्सा इस तथ्य में निहित है कि यह परिचित डेटा के विशाल संस्करणों के माध्यम से झार सकता है, और वहां से ऐसे चर चुन सकता है जो हमारे लिए महत्वपूर्ण नहीं लग रहे थे। सिद्धांत रूप में, यह क्षमता हमें किसी भी बीमारी का प्रारंभिक चरण में निदान करने में मदद कर सकती है, जैसे कि एक सिस्मोग्राफ के छोटे कंपन हमें पहले से भूकंप के बारे में चेतावनी दे सकते हैं (एआई इस मोर्चे पर मदद करता है, वैसे)। लेकिन कभी-कभी ये छिपे हुए चर इतने महत्वपूर्ण नहीं होते हैं। उदाहरण के लिए, आपका डेटा सेट एक कैंसर स्क्रीनिंग क्लिनिक में एकत्र किया जा सकता है जो केवल शुक्रवार को फेफड़ों के कैंसर से संबंधित है। नतीजतन, एआई एल्गोरिदम यह तय कर सकता है कि शुक्रवार को ली गई छवियां फेफड़ों के कैंसर का पता लगाने की अधिक संभावना हैं। और यह तुच्छ कनेक्शन तब भविष्य के निदान के लिए जिम्मेदार सूत्र में गिर सकता है।
यहां तक कि बीमारी का एक सटीक प्रारंभिक निदान हमेशा एक आशीर्वाद नहीं है। अन्य हाल ही में चिकित्सा एआई से संबंधित परियोजनाओं ने अल्जाइमर और आत्मकेंद्रित के शुरुआती पता लगाने पर ध्यान केंद्रित किया है, दो बीमारियां जिनमें उनके निदान की गति बढ़ रही है, वैसे भी परिणाम में कोई बदलाव नहीं होगा। ये अवसर पैदा करने के लिए उपयुक्त हैं, यह प्रदर्शित करने के लिए कि एक एल्गोरिथ्म उन विशेषताओं को निर्धारित करने के लिए कैसे सीख सकता है जिन्हें हम इसे देखना सिखाते हैं, लेकिन वे चिकित्सा में किसी भी प्रगति का प्रतिनिधित्व नहीं करते हैं जो रोगियों के जीवन में कुछ बदल देगा।
एल्गोरिदम और मशीन लर्निंग (एमओ) के कुछ उपयोग मामले यहां तक कि चिकित्सकों के लिए नई जटिल समस्याओं के उभरने का कारण बन सकते हैं। ऐप्पल फ़ीचर पर विचार करें
देखो,
जो आलिंद फिब्रिलेशन का पता लगाने की अनुमति देता है - अतालता का एक रूप, स्ट्रोक के लिए एक जोखिम कारक। आलिंद फिब्रिलेशन का इलाज रक्त के पतले लोगों के साथ किया जाता है, लेकिन उनका दुष्प्रभाव इस तथ्य को जन्म दे सकता है कि एक छोटी सी बूंद से जानलेवा चोट लगती है। यदि आपको वास्तव में दिल का दौरा पड़ने का खतरा है, तो यह जोखिम उचित है। उन लोगों के बारे में जिनके स्मार्ट वॉच द्वारा एट्रियल फाइब्रिलेशन की खोज की गई थी? आमतौर पर इस बीमारी का निदान तब किया जाता है जब रोगी लक्षणों की शिकायतों के साथ डॉक्टर के पास आता है; और अब Apple बिना किसी लक्षण के स्वस्थ लोगों की निगरानी कर रहा है, और नए मामले सामने आ रहे हैं जो उन्हें क्लिनिक में कभी नहीं मिले। यह स्पष्ट नहीं है कि रोगियों के इस समूह को उपचार से लाभ होगा या नहीं।
मिशिगन के एन हार्बर में फ्रेंकल के कार्डियोवस्कुलर सेंटर के कार्डियोलॉजिस्ट वेंकटेश मर्टी कहते हैं, '' हम नहीं जानते कि दो आबादी एक जैसी है। उन लोगों की पहचान करने के लिए एआई का उपयोग करने के लिए एक अधिक उपयोगी दृष्टिकोण होगा जो मौजूदा उपचारों से सबसे अधिक लाभान्वित होंगे।
यदि एआई वास्तव में एक क्रांतिकारी दृष्टिकोण बनना चाहता है, तो उसे चिकित्सा में यथास्थिति को बहाल करने की आवश्यकता नहीं है; और इस तरह के दृष्टिकोण को अपनाने से पहले, कुछ बुनियादी सवालों का जवाब देना महत्वपूर्ण है: यह तकनीक किस समस्या को हल करने की कोशिश कर रही है, और यह मरीजों के साथ काम करने के परिणामों को कैसे बेहतर बना सकती है? उत्तर खोजने में काफी समय लग सकता है।
इसलिए, मार्क जुकरबर्ग का प्रसिद्ध आदर्श वाक्य, "तेजी से आगे बढ़ें, नींव को तोड़ें", फेसबुक के लिए उपयुक्त हो सकता है, लेकिन दवा के लिए नहीं, यह एआई को मदद करता है, या नहीं। ओरेगन मेडिकल यूनिवर्सिटी स्कूल ऑफ हेल्थ एंड साइंसेज के एक हेमटोलॉजिस्ट और ऑन्कोलॉजिस्ट,
प्रीवेंटिंग मेडिकल फेलर्स के लेखक विनय प्रसाद के अनुसार, सिलिकॉन वैली के निवासियों की मानसिकता चिकित्सकों के लिए खतरनाक हो सकती है। यह एक ऐसा दृष्टिकोण था - जब जीवन खतरे में होता है, हमें जल्द से जल्द नए होनहार विचारों को प्रचलन में लाने की आवश्यकता होती है - और हमें कैंसर स्क्रीनिंग के साथ आज भ्रम की ओर ले जाता है। प्रसाद ने कहा कि सभी साक्ष्य सामने आने से पहले ही मैमोग्राफी को अपनाया गया था, और चिकित्सा पद्धति के मानक बन जाने के बाद, इस पर अंकुश लगाना बहुत मुश्किल है। "तत्काल कार्रवाई और प्रचार के आदी एक संस्कृति में, यह विनम्र और धैर्यवान होना मुश्किल है।"