हालांकि आर्टिफिशियल इंटेलिजेंस ने ऑन्कोलॉजी में क्रांति लाने का वादा किया था, लेकिन हालिया वास्तविकता यह दर्शाती है कि इसके प्रचार (hype) और नैदानिक उपयोगिता (clinical utility) के बीच एक बड़ा अंतर है। नए निष्कर्ष बताते हैं कि स्तन कैंसर की स्क्रीनिंग में वर्तमान AI कार्यान्वयन चिकित्सा पेशेवरों की उच्च अपेक्षाओं पर खरे नहीं उतर रहे हैं।

अपेक्षा और नैदानिक वास्तविकता के बीच का अंतर

Clinical Imaging में किया गया एक सर्वेक्षण रेडियोलॉजिस्ट की AI से जुड़ी उम्मीदों और इन उपकरणों द्वारा वास्तव में प्रदान किए जाने वाले परिणामों के बीच विसंगति को उजागर करता है। इस अध्ययन में 'सोसाइटी ऑफ ब्रेस्ट इमेजिंग' के 215 सदस्यों का सर्वेक्षण किया गया; लगभग आधे सदस्य पहले से ही FDA-अनुमोदित AI उपकरणों का उपयोग कर रहे हैं, फिर भी इनका प्रभाव सीमित है।

प्रदर्शन के प्रमुख मानक एक कड़वी सच्चाई बयां करते हैं। 59 प्रतिशत रेडियोलॉजिस्ट को उम्मीद थी कि AI रिकॉल दरों (recall rates) को कम करेगा, लेकिन केवल 35% ने ही इस लाभ को देखा। अन्य परिणामों के लिए यह अंतर और भी बढ़ जाता है: अपेक्षित 36% के मुकाबले केवल 9% ने अनावश्यक बायोप्सी में कमी देखी, और केवल 29% को ही बर्नआउट (काम के बोझ से होने वाली थकान) से कोई राहत महसूस हुई, जबकि 56% ने कार्यभार में बड़ी कमी की उम्मीद की थी।

निर्णय लेने वाले के बजाय "दूसरी राय" के रूप में AI

रेडियोलॉजिस्ट AI को एक बैकअप सलाहकार के रूप में देखते हैं, न कि प्राथमिक निदानकर्ता (diagnostician) के रूप में। UC San Diego Health की मुख्य लेखिका जूड अल्मोगती का कहना है कि बहुत कम चिकित्सक AI को अपना अंतिम निदान तय करने देते हैं; वे इसका उपयोग मुख्य रूप से निष्कर्षों की दोबारा जांच करने के लिए करते हैं।

प्रणालीगत बाधाएं इन उपकरणों को मुख्यधारा से दूर रखती हैं। पेशेवर उच्च कार्यान्वयन लागत और कमजोर संस्थागत समर्थन को मुख्य बाधाओं के रूप में बताते हैं। अस्पताल प्रणालियों में सटीक एकीकरण और स्पष्ट लागत-लाभ डेटा के बिना, AI एक मुख्य घटक बनने के बजाय केवल एक अतिरिक्त सुविधा (add-on) बनकर रह जाता है।

AI भविष्यवाणियों के "गॉड कॉम्प्लेक्स" से आगे बढ़ना

रेडियोलॉजी में AI को अपनाने की धीमी गति तकनीक के क्षेत्र में काम के भविष्य को लेकर चल रहे व्यापक तनाव को दर्शाती है। एक दशक पहले, कई AI शोधकर्ताओं ने रेडियोलॉजिस्टों के पूरी तरह से विस्थापित होने की भविष्यवाणी की थी; आज, इसी तरह का प्रचार सभी कंप्यूटर-आधारित ज्ञान कार्यों के इर्द-गिर्द है।

Nvidia के CEO जेन्सेन हुआंग ने इस तरह की अतिशयोक्ति की कड़ी आलोचना की है और इसे AI भविष्यवक्ताओं के बीच एक "गॉड कॉम्प्लेक्स" करार दिया है। स्तन कैंसर का पता लगाने वाला यह अध्ययन हमें याद दिलाता है कि उच्च-जोखिम वाले चिकित्सा क्षेत्र में, किसी मॉडल की "बुद्धिमत्ता" से अधिक उसकी विश्वसनीयता, व्यावहारिकता और एक जटिल मानवीय कार्यप्रवाह (workflow) के भीतर उसकी आर्थिक व्यवहार्यता मायने रखती है। डेवलपर्स को सैद्धांतिक सटीकता के पीछे भागने के बजाय वास्तविक नैदानिक बाधाओं (clinical friction) को दूर करने पर ध्यान केंद्रित करने की आवश्यकता है।

मुख्य बातें

  • प्रदर्शन में विसंगति: AI उपकरण रिकॉल दरों को कम करने (35% वास्तविक बनाम 59% अपेक्षित) और अनावश्यक बायोप्सी (9% वास्तविक बनाम 36% अपेक्षित) की अपेक्षाओं को पूरा करने में विफल रहे हैं।
  • कार्यप्रवाह की सीमाएं: उच्च लागत और कमजोर संस्थागत समर्थन के कारण अधिकांश रेडियोलॉजिस्ट AI को केवल "दूसरी राय" के रूप में देखते हैं।
  • प्रचार और वास्तविकता का अंतर: ये निष्कर्ष मांग करते हैं कि AI डेवलपर्स विशुद्ध रूप से सैद्धांतिक बेंचमार्क को छोड़कर चिकित्सकों के बर्नआउट जैसे व्यावहारिक नैदानिक दर्द बिंदुओं (pain points) का समाधान करें।