അർബുദ ചികിത്സാശാസ്ത്രത്തിൽ (oncology) വിപ്ലവകരമായ മാറ്റങ്ങൾ വരുത്തുമെന്ന് കൃത്രിമ ബുദ്ധി (AI) വാഗ്ദാനം ചെയ്തെങ്കിലും, സമീപകാലത്തെ വസ്തുതകൾ അമിതപ്രതീക്ഷകളും ക്ലിനിക്കൽ ഉപയോഗക്ഷമതയും തമ്മിലുള്ള വലിയൊരു വ്യത്യാസത്തെയാണ് വെളിപ്പെടുത്തുന്നത്. സ്തനാർബുദ പരിശോധനയിൽ നിലവിലുള്ള AI പ്രയോഗങ്ങൾ മെഡിക്കൽ വിദഗ്ധർ ഉയർത്തിയ ഉയർന്ന പ്രതീക്ഷകളിൽ എത്തിനിൽക്കുന്നില്ലെന്ന് പുതിയ കണ്ടെത്തലുകൾ കാണിക്കുന്നു.

പ്രതീക്ഷകളും ക്ലിനിക്കൽ യാഥാർത്ഥ്യവും തമ്മിലുള്ള വ്യത്യാസം

Clinical Imaging-ൽ പ്രസിദ്ധീകരിച്ച ഒരു സർവേ, റേഡിയോളജിസ്റ്റുകൾ AI-യിൽ നിന്നും പ്രതീക്ഷിക്കുന്നതും ഈ ടൂളുകൾ യഥാർത്ഥത്തിൽ നൽകുന്നതും തമ്മിലുള്ള വിടവ് തുറന്നുകാട്ടുന്നു. Society of Breast Imaging-ലെ 215 അംഗങ്ങളെയാണ് ഈ പഠനത്തിൽ സർവേ ചെയ്തത്; ഇതിൽ പകുതിയോളം പേർ ഇതിനകം തന്നെ FDA അംഗീകരിച്ച AI ടൂളുകൾ ഉപയോഗിക്കുന്നുണ്ടെങ്കിലും, അവയുടെ സ്വാധീനം വളരെ പരിമിതമാണ്.

പ്രധാന പ്രകടന സൂചകങ്ങൾ (performance metrics) കഠിനമായ ഒരു ചിത്രം നൽകുന്നു. അമ്പത്തിയൊമ്പത് ശതമാനം റേഡിയോളജിസ്റ്റുകളും AI ഉപയോഗിക്കുന്നതിലൂടെ റീക്കോൾ നിരക്കുകൾ (recall rates) കുറയുമെന്ന് പ്രതീക്ഷിച്ചിരുന്നു, എന്നാൽ 35% പേർക്ക് മാത്രമേ ആ നേട്ടം അനുഭവപ്പെട്ടുള്ളൂ. മറ്റ് ഫലങ്ങളിലും ഈ വ്യത്യാസം വലുതാണ്: 36% പ്രതീക്ഷിച്ചപ്പോൾ വെറും 9% പേർക്ക് മാത്രമേ അനാവശ്യ ബയോപ്സികൾ കുറഞ്ഞതായി തോന്നിയുള്ളൂ, കൂടാതെ 56% പേർ ജോലിഭാരം കുറയുമെന്ന് പ്രതീക്ഷിച്ചെങ്കിലും 29% പേർക്ക് മാത്രമേ ജോലിഭാരം മൂലമുള്ള തളർച്ചയിൽ (burnout) ആശ്വാസം ലഭിച്ചുള്ളൂ.

തീരുമാനങ്ങൾ എടുക്കുന്നതിന് പകരം ഒരു "രണ്ടാം അഭിപ്രായം" എന്ന നിലയിൽ AI

റേഡിയോളജിസ്റ്റുകൾ AI-യെ ഒരു പ്രാഥമിക രോഗനിർണ്ണയ സംവിധാനമായല്ല, മറിച്ച് ഒരു ബാക്കപ്പ് കൺസൾട്ടന്റായാണ് കാണുന്നത്. UC San Diego Health-ലെ പ്രധാന രചയിതാവായ ജൗദ് അൽമോഗാറ്റി പറയുന്നത്, വളരെ കുറച്ച് ക്ലിനിഷ്യൻമാരാണ് AI നൽകുന്ന ഫലങ്ങൾ അടിസ്ഥാനമാക്കി അന്തിമ രോഗനിർണ്ണയം നടത്തുന്നത് എന്നാണ്; അവർ പ്രധാനമായും കണ്ടെത്തലുകൾ വീണ്ടും പരിശോധിക്കാനാണ് (double-check) ഇത് ഉപയോഗിക്കുന്നത്.

വ്യവസ്ഥാപിത തടസ്സങ്ങളാണ് ഈ ടൂളുകളെ പരിധിയിൽ തന്നെ നിർത്തുന്നത്. ഉയർന്ന നടപ്പിലാക്കൽ ചിലവും സ്ഥാപനപരമായ പിന്തുണയുടെ കുറവുമാണ് പ്രധാന തടസ്സങ്ങളായി വിദഗ്ധർ ചൂണ്ടിക്കാണിക്കുന്നത്. ആശുപത്രി സംവിധാനങ്ങളുമായുള്ള ശക്തമായ സംയോജനവും വ്യക്തമായ ചിലവ്-പ്രയോജന വിവരങ്ങളും (cost-benefit data) ഇല്ലാതെ, AI ഒരു പ്രധാന ഘടകമാകുന്നതിന് പകരം ഒരു അധിക സംവിധാനം (add-on) മാത്രമായി തുടരുന്നു.

AI പ്രവചനങ്ങളുടെ "God Complex" എന്ന അവസ്ഥയിൽ നിന്ന് മുന്നോട്ട്

റേഡിയോളജിയിൽ AI-യുടെ പരിമിതമായ സ്വീകാര്യത, ജോലിയുടെ ഭാവി സംബന്ധിച്ച സാങ്കേതിക ലോകത്തെ വലിയൊരു ആശങ്കയെ പ്രതിഫലിപ്പിക്കുന്നു. ഒരു പതിറ്റാണ്ട് മുമ്പ്, പല AI ഗവേഷകരും റേഡിയോളജിസ്റ്റുകളുടെ ജോലി പൂർണ്ണമായും ഇല്ലാതാകുമെന്ന് പ്രവചിച്ചിരുന്നു; ഇന്ന്, സമാനമായ അമിതപ്രതീക്ഷകൾ എല്ലാ കമ്പ്യൂട്ടർ അധിഷ്ഠിത അറിവ് ജോലികളെയും (knowledge work) ചുറ്റിപ്പറ്റി നിലനിൽക്കുന്നു.

Nvidia സിഇഒ ജെൻസൻ ഹുവാങ് ഇത്തരം അതിശയോക്തികളെ വിമർശിച്ചുകൊണ്ട്, AI പ്രവാചകന്മാർക്കിടയിലുള്ള ഒരു "God complex" എന്നാണ് വിശേഷിപ്പിച്ചത്. ഉയർന്ന ഉത്തരവാദിത്തമുള്ള വൈദ്യശാസ്ത്ര രംഗത്ത്, ഒരു മോഡലിന്റെ "ബുദ്ധിശക്തിയേക്കാൾ" ഉപരിയായി അതിന്റെ വിശ്വാസ്യത, പ്രായോഗികത, സങ്കീർണ്ണമായ മനുഷ്യ പ്രവർത്തനരീതിക്കുള്ളിലെ (human workflow) സാമ്പത്തിക ലാഭകരുതൽ എന്നിവയാണ് പ്രധാനം എന്ന് സ്തനാർബുദ കണ്ടെത്തൽ പഠനം നമ്മെ ഓർമ്മിപ്പിക്കുന്നു. ഡെവലപ്പർമാർ കേവലമായ സിദ്ധാന്തപരമായ കൃത്യതയ്ക്ക് പിന്നാലെ പോകുന്നതിന് പകരം, യഥാർത്ഥ ക്ലിനിക്കൽ തടസ്സങ്ങൾ പരിഹരിക്കുന്നതിലേക്ക് ശ്രദ്ധ കേന്ദ്രീകരിക്കേണ്ടതുണ്ട്.

പ്രധാന കാര്യങ്ങൾ

  • പ്രകടനത്തിലെ വ്യത്യാസം: റീക്കോൾ നിരക്കുകൾ കുറയ്ക്കുന്നതിലും (പ്രതീക്ഷിച്ച 59%-ന് പകരം 35% മാത്രം) അനാവശ്യ ബയോപ്സികൾ കുറയ്ക്കുന്നതിലും (പ്രതീക്ഷിച്ച 36%-ന് പകരം 9% മാത്രം) AI ടൂളുകൾ പ്രതീക്ഷകൾക്കൊത്തല്ല പ്രവർത്തിക്കുന്നത്.
  • വർക്ക്ഫ്ലോ പരിമിതികൾ: ഉയർന്ന ചിലവും സ്ഥാപനപരമായ പിന്തുണയുടെ കുറവും കാരണം ഭൂരിഭാഗം റേഡിയോളജിസ്റ്റുകളും AI-യെ ഒരു "രണ്ടാം അഭിപ്രായം" (second opinion) ആയിട്ടാണ് കാണുന്നത്.
  • അമിതപ്രതീക്ഷകളും യാഥാർത്ഥ്യവും തമ്മിലുള്ള അകലം: AI ഡെവലപ്പർമാർ കേവലമായ സിദ്ധാന്തപരമായ മാനദണ്ഡങ്ങൾ ഉപേക്ഷിച്ച്, ഡോക്ടർമാരുടെ ജോലിഭാരം (burnout) പോലുള്ള പ്രായോഗികമായ ക്ലിനിക്കൽ പ്രശ്നങ്ങളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കണമെന്ന് ഈ കണ്ടെത്തലുകൾ ആവശ്യപ്പെടുന്നു.