कृत्रिम बुद्धिमत्ता (AI) ऑन्कोलॉजीमध्ये क्रांती घडवून आणण्याचे आश्वासन देत असली तरी, अलीकडील वास्तव तपासणीतून अतिशयोक्ती आणि क्लिनिकल उपयुक्तता यामधील लक्षणीय तफावत दिसून येते. नवीन निष्कर्ष असे दर्शवतात की स्तनाच्या कर्करोगाच्या स्क्रीनिंगमधील सध्याची AI अंमलबजावणी वैद्यकीय व्यावसायिकांनी ठेवलेल्या उच्च अपेक्षा पूर्ण करण्यात अपयशी ठरत आहे.

अपेक्षा आणि क्लिनिकल वास्तव यामधील तफावत

Clinical Imaging मधील एका सर्वेक्षणातून रेडिओलॉजिस्टच्या AI बद्दलच्या आशा आणि ही साधने प्रत्यक्षात काय देतात, यातील विसंगती समोर आली आहे. या अभ्यासात 'सोसायटी ऑफ ब्रेस्ट इमेजिंग'च्या २१५ सदस्यांचे सर्वेक्षण करण्यात आले; त्यापैकी सुमारे निम्मे सदस्य आधीच FDA-मान्य AI साधने वापरत आहेत, तरीही त्याचा प्रभाव मर्यादित आहे.

कामगिरीचे मुख्य निकष एक कठोर वास्तव सांगतात. ५९ टक्के रेडिओलॉजिस्टना अपेक्षा होती की AI मुळे रिकॉल रेट्स (recall rates) कमी होतील, परंतु केवळ ३५ टक्क्यांनीच तो फायदा अनुभवला. इतर परिणामांच्या बाबतीत ही तफावत अधिकच मोठी आहे: अपेक्षित ३६ टक्क्यांच्या तुलनेत केवळ ९ टक्क्यांनीच अनावश्यक बायोप्सीमध्ये घट अनुभवली, आणि ५६ टक्के लोकांनी कामाचा भार मोठ्या प्रमाणात कमी होण्याची आशा धरली असली तरी, केवळ २९ टक्क्यांनाच कामाच्या अतितापापासून (burnout) काहीसा दिलासा मिळाल्याचे जाणवले.

निर्णय घेण्याऐवजी AI एक "दुसरे मत" (Second Opinion) म्हणून

रेडिओलॉजिस्ट AI कडे एक बॅकअप सल्लागार म्हणून पाहतात, प्राथमिक निदानाचा स्रोत म्हणून नाही. UC San Diego Health च्या मुख्य लेखिका जूड अल्मोगटी यांनी नमूद केले आहे की, फार कमी क्लिनिशियन्स AI ला त्यांचे अंतिम निदान ठरवू देतात; ते याचा वापर प्रामुख्याने निष्कर्षांची दुहेरी तपासणी करण्यासाठी करतात.

प्रणालीगत अडथळ्यांमुळे ही साधने मुख्य प्रवाहात येऊ शकलेली नाहीत. उच्च अंमलबजावणी खर्च आणि कमकुवत संस्थात्मक पाठबळ हे मुख्य अडथळे असल्याचे व्यावसायिकांनी सांगितले आहे. हॉस्पिटलच्या प्रणालींमध्ये घट्ट एकत्रीकरण आणि स्पष्ट खर्च-फायदा डेटा असल्याशिवाय, AI हे मुख्य घटकाऐवजी केवळ एक अतिरिक्त जोड (add-on) म्हणून राहते.

AI अंदाजांच्या "गॉड कॉम्प्लेक्स" (God Complex) कडून पुढे जाणे

रेडिओलॉजीमध्ये AI चा संथ स्वीकार हा तंत्रज्ञानातील कामाच्या भविष्याबद्दल असलेल्या व्यापक तणावाचे प्रतिबिंब आहे. एक दशकापूर्वी, अनेक AI संशोधकांनी रेडिओलॉजिस्टना पूर्णपणे विस्थापित केल्याचा अंदाज वर्तवला होता; आज, सर्व संगणक-आधारित ज्ञान कार्याभोवती (knowledge work) अशाच प्रकारची अतिशयोक्ती पाहायला मिळते.

Nvidia चे CEO जेन्सेन हुआंग यांनी अशा अतिशयोक्तीचा तीव्र निषेध केला असून, AI भविष्यवेत्त्यांमधील याला "गॉड कॉम्प्लेक्स" असे म्हटले आहे. स्तनाच्या कर्करोगाच्या शोध घेणाऱ्या या अभ्यासातून आपल्याला आठवण करून दिली जाते की, अत्यंत संवेदनशील वैद्यकीय क्षेत्रात, मॉडेलच्या "बुद्धिमत्तेपेक्षा" त्याची विश्वासार्हता, व्यवहार्यता आणि जटिल मानवी कार्यप्रणालीमधील आर्थिक व्यवहार्यता अधिक महत्त्वाची असते. डेव्हलपर्सनी केवळ सैद्धांतिक अचूकतेच्या मागे लागण्याऐवजी प्रत्यक्ष क्लिनिकल अडचणी दूर करण्यावर लक्ष केंद्रित करणे आवश्यक आहे.

मुख्य निष्कर्ष

  • कामगिरीतील तफावत: AI साधने रिकॉल रेट्स कमी करण्याच्या (३५% प्रत्यक्ष विरुद्ध ५९% अपेक्षित) आणि अनावश्यक बायोप्सी कमी करण्याच्या (९% प्रत्यक्ष विरुद्ध ३६% अपेक्षित) अपेक्षा पूर्ण करण्यात अपयशी ठरत आहेत.
  • कार्यप्रणालीतील मर्यादा: उच्च खर्च आणि कमकुवत संस्थात्मक पाठबळामुळे बहुतेक रेडिओलॉजिस्ट AI कडे "दुसरे मत" (second opinion) म्हणून पाहतात.
  • अतिशयोक्तीतील तफावत: या निष्कर्षांवरून असे दिसून येते की AI डेव्हलपर्सनी केवळ सैद्धांतिक मानके सोडून डॉक्टरांचा कामाचा ताण (burnout) यांसारख्या प्रत्यक्ष क्लिनिकल समस्यांवर काम करणे आवश्यक आहे.