Google এবং Abbott একটি বহুবর্ষের চুক্তি সম্পন্ন করেছে যাতে Abbott-এর Lingo continuous glucose monitor থেকে রিয়েল-টাইম গ্লুকোজ রিডিং সরাসরি Google Health অ্যাপের ভেতরে থাকা Google-এর Gemini-চালিত হেলথ কোচের কাছে স্ট্রিম করা যায়। এই পদক্ষেপটি ব্যবহারকারীদের এমন একটি ডিজিটাল অ্যাসিস্ট্যান্ট প্রদান করে যা মুহূর্তের মুহূর্তের রক্তে শর্করার পরিবর্তনকে সুনির্দিষ্ট জীবনযাত্রার সুপারিশে রূপান্তর করে, যা বেশিরভাগ ওয়েলনেস অ্যাপের সাধারণ টিপসের চেয়ে অনেক উন্নত।

এক নতুন ধরনের স্বাস্থ্য সহকারী

Abbott-এর Lingo সেন্সর প্রতি কয়েক মিনিট অন্তর গ্লুকোজ পরিমাপ করে, যা তথ্যের একটি নিরবচ্ছিন্ন প্রবাহ তৈরি করে যা দেখায় কীভাবে খাবার, ঘুম এবং মানসিক চাপ শরীরের জ্বালানিকে প্রভাবিত করে। সেই ডেটা স্ট্রিম সরাসরি Gemini-তে ইনপুট দেওয়ার মাধ্যমে Google-এর লার্জ ল্যাঙ্গুয়েজ মডেলটি ঘটনা ঘটার সাথে সাথেই প্যাটার্ন বা ধরন শনাক্ত করতে পারে। দুপুরের খাবারের পর গ্লুকোজের মাত্রা বেড়ে গেলে পরবর্তী খাবারের জন্য কম গ্লাইসেমিক ইনডেক্সের স্ন্যাকস খাওয়ার পরামর্শ দেওয়া হয়; আবার রাতে গ্লুকোজের মাত্রা কমে গেলে ঘুমানোর রুটিন পরিবর্তনের জন্য সতর্কবার্তা দেওয়া হয়।

এই সবকিছুই Google Health অ্যাপের ভেতরে থাকে, যা ইতিমধ্যে পদক্ষেপ (steps), হৃদস্পন্দন এবং ঘুমের তথ্য সংগ্রহ করে। এই ইন্টিগ্রেশনটি একটি মেটাবলিক লেয়ার বা বিপাকীয় স্তর যোগ করে, যা ব্যবহারকারীদের একটি একক ড্যাশবোর্ডের মাধ্যমে গ্লুকোজ কার্ভের পাশাপাশি অন্যান্য মেট্রিক্স দেখার সুযোগ করে দেয়। AI এখানে মূল কাজটি করে, যা কাঁচা সংখ্যাগুলোকে সহজ ভাষায় অন্তর্দৃষ্টিতে (insights) রূপান্তর করে এবং ব্যবহারকারীর শারীরিক অবস্থার পরিবর্তনের সাথে সাথে নিজেকে মানিয়ে নেয়।

কেন এই অংশীদারিত্ব এখন গুরুত্বপূর্ণ

পরিধানযোগ্য সেন্সর বা ওয়্যারেবল সেন্সরের জনপ্রিয়তা ব্যাপক হারে বেড়েছে, কিন্তু বেশিরভাগ অ্যাপ এই ডেটাকে কেবল একটি স্থির লগ হিসেবে বিবেচনা করে। Google-Abbott-এর এই জোট মডেলটিকে "agentic" বা এজেন্ট-ভিত্তিক সহায়তার দিকে নিয়ে যাচ্ছে—এমন সফটওয়্যার যা কেবল ডেটা পড়ে না বরং সেই ডেটার ভিত্তিতে কী পদক্ষেপ নিতে হবে তাও সিদ্ধান্ত নিতে পারে। এই পরিবর্তনটি একটি বৃহত্তর প্রবণতাকে প্রতিফলিত করে: রিঅ্যাক্টিভ অ্যালার্ট (যেমন, "আপনার গ্লুকোজ বেশি") থেকে প্রোঅ্যাক্টিভ কোচিং-এ (যেমন, "আগামীকালের গ্লুকোজের মাত্রা স্থিতিশীল রাখতে রাতের খাবারে কার্বোহাইড্রেট কমান") উত্তরণ।

Google সরবরাহ করছে বিশাল কম্পিউট পাওয়ার এবং একটি উন্নত রিজনিং ইঞ্জিন; আর Abbott দিচ্ছে মেডিকেল-গ্রেড হার্ডওয়্যার যা নির্ভুলতার জন্য রেগুলেটরি মানদণ্ড পূরণ করে। একসাথে তারা এমন একটি ভোক্তা-কেন্দ্রিক পণ্য তৈরি করছে যা ডাক্তারের কাছে না গিয়েই একটি ক্লিনিক্যাল টুলের মতো নির্ভুলতা প্রদান করে।

কারা লাভবান হবে এবং কারা চিন্তিত হতে পারে

ব্যবহারকারীদের জন্য এর সুবিধা হলো আরও প্রাসঙ্গিক পরামর্শ। একজন প্রি-ডায়াবেটিস আক্রান্ত ব্যক্তি তার দৈনন্দিন অভ্যাসগুলো দেখে গ্লুকোজের মাত্রা স্বাস্থ্যকর সীমার মধ্যে রাখতে পারেন, যা সম্ভাব্যভাবে ওষুধের প্রয়োজনীয়তা বিলম্বিত করতে পারে। ফিটনেস উৎসাহীরা বুঝতে পারবেন কীভাবে ব্যায়াম শরীরের জ্বালানি ব্যবহারের ওপর প্রভাব ফেলে। ডেভেলপাররাও লাইভ সেন্সর স্ট্রিম ব্যবহার করে অন্যান্য AI-চালিত হেলথ এজেন্ট তৈরির একটি মডেল বা টেমপ্লেট পেতে পারেন।

এর উল্টো দিকটি হলো গোপনীয়তা। নিরবচ্ছিন্ন গ্লুকোজ ডেটা অত্যন্ত ব্যক্তিগত, যা খাদ্যাভ্যাস, মানসিক চাপের মাত্রা এমনকি সম্ভাব্য শারীরিক অবস্থা প্রকাশ করে দেয়। এই ডেটা স্ট্রিমকে এমন একটি AI-এর সাথে যুক্ত করা যা কোটি কোটি অন্যান্য ব্যবহারকারীর কাছ থেকে শেখে, তা ডেটা স্টোরেজ, অ্যাক্সেস এবং বিজ্ঞাপন বা বিমা ঝুঁকি মূল্যায়নের (insurance underwriting) জন্য এর সম্ভাব্য অপব্যবহার নিয়ে প্রশ্ন তোলে।

আরেকটি উদ্বেগ হলো চিকিৎসা সংক্রান্ত দায়বদ্ধতা (medical liability)। গ্লুকোজের প্রবণতার ওপর ভিত্তি করে যে AI খাদ্যাভ্যাসের পরিবর্তনের পরামর্শ দেয়, তা ওয়েলনেস কোচিং এবং চিকিৎসা সংক্রান্ত পরামর্শের মধ্যে একটি সূক্ষ্ম রেখা অনুসরণ করে। যদি কোনো পরামর্শের ফলে কোনো অনাকাঙ্ক্ষিত ঘটনা ঘটে, তবে সেই দায়িত্ব ডিভাইস নির্মাতা, AI ডেভেলপার নাকি প্ল্যাটফর্ম হোস্টের ওপর বর্তাবে তা স্পষ্ট নয়।

পাল্টা যুক্তি: AI পেশাদার চিকিৎসার বিকল্প নয়

সমালোচকদের মতে, এমনকি সবচেয়ে উন্নত ল্যাঙ্গুয়েজ মডেলগুলোরও সূক্ষ্ম স্বাস্থ্য সংক্রান্ত সিদ্ধান্তের জন্য প্রয়োজনীয় ক্লিনিক্যাল বিচারবুদ্ধির অভাব রয়েছে। Gemini প্রবণতা শনাক্ত করতে পারে, কিন্তু একজন চিকিৎসকের মতো সম্পূর্ণ মেডিকেল হিস্ট্রির প্রেক্ষাপটে ল্যাব রিপোর্ট ব্যাখ্যা করার ক্ষমতা এর নেই। এই অংশীদারিত্বের প্রচারণামূলক উপকরণগুলো "পার্সোনালাইজড কোচিং"-এর ওপর জোর দেয়, রোগ নির্ণয়ের (diagnosis) ওপর নয়; তবুও যারা অ্যাপটিকে প্রাথমিক স্বাস্থ্য নির্দেশিকা হিসেবে ব্যবহার করেন, তাদের কাছে এই পার্থক্যটি অস্পষ্ট হয়ে যেতে পারে।

পরবর্তীতে যা লক্ষ্য রাখতে হবে

  • নিয়ন্ত্রক তদারকি (Regulatory scrutiny): স্বাস্থ্য কর্তৃপক্ষ পরীক্ষা করে দেখতে পারে যে এই সমন্বিত পরিষেবাটি মেডিকেল-গ্রেড ডেটা কীভাবে পরিচালনা করে এবং এটি ডিজিটাল থেরাপিউটিকসের মানদণ্ড পূরণ করে কি না।
  • ডেটা-গভর্ন্যান্স নীতি: গ্লুকোজ স্ট্রিমকে বেনামী (anonymizing) করা এবং সুরক্ষিত করার ক্ষেত্রে Google-এর পদ্ধতি ভবিষ্যতে AI-স্বাস্থ্য সংক্রান্ত সহযোগিতার জন্য একটি মানদণ্ড নির্ধারণ করবে।
  • অন্যান্য বায়োমার্কারের ক্ষেত্রে সম্প্রসারণ: Gemini মডেলটি গ্লুকোজের ক্ষেত্রে কার্যকর প্রমাণিত হলে, হার্ট-রেট ভ্যারিয়েবিলিটি, রক্তচাপ বা স্লিপ স্টেজিংয়ের জন্যও অনুরূপ ব্যবস্থা তৈরি হতে পারে।
  • ব্যবহারকারীর গ্রহণের হার: প্রাথমিক গ্রহণ দেখে বোঝা যাবে যে ভোক্তারা চিকিৎসকদের দ্বারা ঐতিহ্যগতভাবে পর্যবেক্ষণ করা একটি মেট্রিক ব্যাখ্যা করার জন্য AI-কে বিশ্বাস করে কি না।

এই অংশীদারিত্ব আধুনিক স্বাস্থ্য প্রযুক্তির দুটি শক্তিশালী দিককে সমন্বয় করে—নিরবিচ্ছিন্ন বায়োমেট্রিক মনিটরিং এবং জেনারেটিভ এআই রিজনিং। যদি এই সমন্বিত সিস্টেমটি গোপনীয়তা ও নিরাপত্তা বজায় রেখে কার্যকর এবং রিয়েল-টাইম নির্দেশনা প্রদান করতে পারে, তবে এটি সাধারণ মানুষের মেটাবলিক স্বাস্থ্য ব্যবস্থাপনার পদ্ধতিকে নতুনভাবে সংজ্ঞায়িত করতে পারে। যদি তা না হয়, তবে এই পরীক্ষাটি এই ধারণাকেই আরও জোরালো করতে পারে যে, এআই যতই বুদ্ধিমান হোক না কেন, এটি পেশাদার চিকিৎসা তত্ত্বাবধানের একটি পরিপূরক মাত্র, বিকল্প নয়।